人工智慧的程式一般用python語言來實現的比較多，當然也可以用其他的語言來實現。我在這裡所說的是計算機語言。

而你說更好地描述信鴿的形態，則屬於智慧AI識別的範疇，這牽涉到數學建模，人工智慧識別，主要有三句話，很多人也不去做專業的分析，第一句就是數學建模，第二句就是卷積神經網路，第三句就是激勵神經網路。要想識別的更加精細就要加很多的隱藏層。

要識別性格的各種形態，你必須有大資料，人工智慧是需要用大資料來進行訓練的，只有用大資料訓練過的人工智慧才能真正起到制動的作用，如果資料不夠豐富，錯誤率很高的

這是我的愚見

人工智慧涉及到的知識結構比較複雜，是一個典型的多學科交叉領域，涉及到哲學、數學、計算機、經濟學、神經學和語言學等諸多內容。正因如此，人工智慧領域的研發需要克服諸多困難，每一次進步都需要付出巨大的努力。雖然人工智慧已經經過了60多年的發展，但是目前人工智慧依然處在行業發展的初期。

程式語言是實現人工智慧產品的一個重要工具，不少程式語言都可以完成人工智慧產品的開發任務，比如C、Python、Java、C++、Lisp、Prolog等語言都可以用於人工智慧領域的開發，其中Python對於初學者來說是個不錯的選擇。

目前Python語言在機器學習等人工智慧細分領域有廣泛的應用，而且從Python的發展情況來看，Python語言的程式設計生態正在逐漸完善（Web開發、大資料開發、嵌入式開發等），落地能力也比較強，因此採用Python從事人工智慧開發的風險會比較小。由於Python語言自身具備語法簡單、調整簡單、開發簡單等特點，所以在研發初期採用Python語言進行產品驗證是一個不錯的選擇。

學習Python開發需要從基礎語法開始，由於Python語法結構比較簡單，所以即使沒有程式設計基礎的人也能較為順利的掌握Python程式設計。另外，採用Python進行人工智慧開發還需要學習幾個比較常見的庫，包括Numpy、Matplotlib、Scipy、pandas等，熟練使用這些庫能夠明顯提升開發的效率。

人工智慧研發往往需要具備紮實的數學基礎，因為演算法設計是人工智慧研發的核心內容，而演算法設計往往涉及到高數、線性代數、機率論等數學知識。因此，要想在人工智慧的研發領域走得更遠，一定要學好數學知識。

人工智慧需要會什麼程式設計？

這個問題我想你問的一定不只是用什麼語言，而是需要會什麼方面的程式設計技術。其實程式設計在人工智慧中只是一個輔助工具，從事人工智慧是不需要你有十分過硬的程式設計技術的，但是既然人工智慧是需要大量的運算和大量的資料的話，這種事情也只有計算機才能實現，所以將人工智慧模型建立和訓練就需要靠程式碼來實現。

程式碼知識實現AI的工具，數學才是人工智慧的核心。下面就人工智慧需要的程式設計技能大概說明一下：

這裡有一張人工智慧深度學習技能需求圖分享給大家，這是我在上深度學習的課程時教材上面的，下面就根據這個圖來展開說明。

資料是人工智慧的基礎和根本，沒有資料就像大廈沒有砂礫是建不起來的。資料來源可能有肯多，比如感測器。那麼你可能就需要會透過串列埠或者socket等其他網路通訊程式設計將資料從感測器中取出來。又或者，資料是存在資料庫比如mysql、redis、sqlite、oracle等，那麼你可能就需要會從資料庫中獲取資料，比如sql語句。又或者，資料是以文件形式存放，那麼你就需要會文件的讀取。

有了資料後需要對資料進行處理，比如清洗、資料整合、資料歸約、特徵提取、離散化等處理。那麼你可能會用到matalab工具、pandas、numpy、Hadoop等成熟庫，還有資料可是話可能要用到的BI Tableau、Qlikview、PowrerBI等。

這個是人工智慧的核心，智慧模型的建立。它包括卷積神經網路、迴圈神經網路、生成式對抗網路等。

常用的程式設計工具和程式設計庫是python、C#、C++等。以python為例，常用的庫有Keras、Tensorflow、PyTorch等，目前這三個是主流的，若你想從事AI建模的工作，那麼著三個庫你是必須要會，是繞不開的

keras建立一個簡單的神經網路程式碼：

建立並訓練好的資料模型，你需要將之部署實用化，放置到專案中去，可以是app、可以是web、也可以是小程式，如果你需要從事這些方面的工作，那麼你就需要具備相關的程式設計知識，比如app開發、web開發、系統運維等方面知識。

以上所列的程式設計技能並不代表一個人需要全會，上面提到的四個模組，每個模組都深不可測，個人只需要從事其中很小的一方面並專精就好，選擇自己想從事的模組然後掌握相關技能就可以了。

至於程式語言，推薦Python。社群健壯、佔有率高、好用、易用、發展迅猛。