人工智能领域的三种模式识别包括了监督学习、非监督学习和强化学习。

监督学习是指在训练模型时，给定一组已知的输入和输出数据，模型通过学习这些数据来预测新的输入对应的输出。这种方法适用于需要进行分类或回归的问题，例如图像识别、语音识别和自然语言处理等。

非监督学习是指在训练模型时，只给定一组输入数据，模型需要自己发现数据之间的结构和模式。这种方法适用于需要进行聚类、降维或异常检测的问题，例如市场分析、信用卡欺诈检测和基因组分析等。

强化学习是指通过不断试错来学习最优决策策略的一种方法。在这种方法中，模型通过与环境互动，根据反馈信号来调整自己的行为，以获得最大的奖励。这种方法适用于需要进行策略制定的问题，例如自动驾驶、智能游戏和机器人控制等。

这三种模式识别方法在不同的问题领域和场景中都有广泛的应用，并且随着人工智能技术的不断发展，它们的应用范围也将不断扩大。