有几个例子。例如，在我的工作场所使用 Statistical AI 的一个例子是：

1. 分析客户的行为和他们的食物订购趋势，然后通过向他们推荐他们可能喜欢订购/吃的菜肴来尝试追加销售。这可以通过 apriori 和 FP-growth 算法来完成。然后，我们将算法自动化，然后算法通过Ordered/Not-Ordered度量来改进自身。
2. 自动驾驶汽车。他们使用强化和监督学习算法来学习路线和道路的梯度/纹理。

有许多在线服务使用统计神经网络进行推荐。例如，我们在俄罗斯有一项著名的服务，可以为用户推荐电影和节目以供观看和书籍阅读。它的推荐核心基于用户的许多已知信息：他或她喜欢什么电影/书籍，不喜欢什么，分析他或她的朋友喜欢等等。虽然您只扫描了几件物品，但它会给您非常奇怪的建议，但随后它会变得更加准确，并且真的可以给您一些真正的宝石。

不是严格意义上的 AI 示例，而是与更大的 AI 项目相关：但我们在心理学/认知科学方面肯定喜欢我们的贝叶斯建模！

事实上，有些人认为，以这种分析为基础的理论最终会将我们带到大脑和认知的统一理论！

不幸的是，据我所知，这些理论还没有完成或以有趣的方式进行测试，因为它们更多地基于事物的哲学目的。更何况，心理学家提出的主张相当薄弱：假设更新和推断类似于贝叶斯（说实话，这并不是非常令人兴奋）（但我在这方面的知识并不是非常完整）

唉，需要做更多的工作，但至少有心理支持认为认知是贝叶斯式的。

统计 AI 广泛用于资产管理（尤其是对冲基金）和交易执行的金融中，查看高速小型数据集、大量 HMM 和 SSM，但没有人谈论它，因为它提供了专有财富。