Rozpoznávání vzorů je schopnost systému identifikovat opakující se struktury, tvary nebo informace v datech. Může jít o detekci textu na obrázku, zvuku v řeči, ale i trendů v datech. V AI se tento přístup používá napříč oblastmi – od počítačového vidění po analýzu dat nebo biometrické systémy. Je základním stavebním kamenem strojového učení.

Ontologie v AI je formální struktura, která popisuje pojmy a vztahy mezi nimi v určité doméně. Umožňuje počítačům chápat význam dat a pracovat s nimi systematicky. Ontologie se využívají např. při reprezentaci znalostí, v expertních systémech nebo při propojení dat z různých zdrojů. Jsou důležité i v oblasti sémantického webu nebo zdravotnictví.

Výstupní vrstva je poslední vrstva neuronové sítě, která poskytuje výsledky predikce. Podle typu úlohy může výstupní vrstva obsahovat jednu hodnotu (např. pravděpodobnost) nebo více uzlů (např. pro klasifikaci do kategorií). Typ aktivační funkce ve výstupní vrstvě (např. softmax, sigmoid) závisí na typu problému, který model řeší.