Monte Carlo-metoder är beräkningstekniker som använder ett mycket stort antal slumpmässiga stickprov för att approximera resultat som är svåra att räkna ut analytiskt. Ett system simuleras tusentals gånger med slumpmässigt varierade antaganden, och fördelningen av utfallen analyseras. Organisationer använder detta för riskanalys, projektplanering eller portföljvärdering. Inom AI används metoderna bland annat i förstärkningsinlärning och i trädsökning för spel.
Bayesianska nätverk är grafiska modeller som representerar variabler som noder och deras probabilistiska beroenden som riktade pilar. Med hjälp av Bayes sats visar de hur nya observationer förändrar sannolikheten för andra händelser. Ett exempel är diagnosstöd: att uppskatta den mest sannolika orsaken utifrån observerade symtom. Deras styrkor är transparens och förmågan att hantera osäkra eller ofullständiga data.
Förstärkningsinlärning är en gren av maskininlärning där en agent lär sig genom att prova sig fram. Den agerar i en miljö, får belöningar för bra utfall och straff för dåliga, och utvecklar på så sätt en strategi som maximerar den samlade belöningen. Kända exempel är program som bemästrar brädspel som Go, robotstyrning och finjustering av språkmodeller utifrån mänskliga omdömen.
Prediktiv modellering är den tekniska kärnan i prediktiv analys: exempeldata med kända utfall används för att bygga en modell som förutsäger ett värde eller en klass för nya fall. Vanliga metoder är regression, beslutsträd, random forests och neurala nätverk. En modell kan till exempel uppskatta ett fastighetspris utifrån boyta, läge och byggår. Före driftsättning testas den på bortlagda data för att upptäcka överanpassning.
En dold markovmodell (hidden Markov model, HMM) är en statistisk modell för sekvenser där de faktiska tillstånden är dolda och bara kan härledas ur observerbara signaler. Den beskriver sannolikheten för att ett tillstånd följer på ett annat och för att varje tillstånd ger en viss observation. HMM var länge standard inom taligenkänning och ordklasstaggning; i dag används de fortfarande, till exempel inom bioinformatik och tidsserieanalys.
