7.Haskell
Haskell是年开发的强静态类型，非限定性编程语言。由于Haskell开发人员不多，小公司很少尝试Haskell。
Haskell做得很好的是抽象（抽象数学，而不是JavaOOP）。它允许具有表达性的、高效的库表达AI算法。例如，HLearn使用常见的代数结构（模块，单群等）来表达和提高简单机器学习算法速度。
虽然你可以用任何语言编写这些算法，但Haskell相比其他语言更具表现力，同时保持不错的性能。例如，Haskell写的fastercovertrees。
Haskell支持领域特定语言(embeddeddomain-specificlanguages)，这是一个着名的编程语言研究领域，适用于包括人工智能在内的许多领域。具体来说，它对概率编程来说很好，并能帮助开发人员在编译时发现错误。
该语言具有CUDA绑定，并被编译为字节码（bytecode）。由于函数编程和静态，代码可以轻松地在云上的不同CPU上执行。行业采用方面，Facebook使用Haskell打击垃圾邮件。
6.JavaScript
JavaScript是一种高级、面向对象的直译语言，主要用于使网页交互和创建在线程序，包括游戏。
在JavaScript中，学习对话模型并不重要。学习服务器端的数据，然后通过Ajax调用学习者进行预测。JavaScript有很多好用的库，我们总结其中3个：
ConventJS：实现深度学习的库——在浏览器中训练卷积神经网络。它支持完全连接的层以及非线性神经网络模块，分类和回归成本函数。
Synaptic：一个用于node.js.的神经网络库。其通用算法是无架构的，可以用于开发和训练几乎所有类型的一阶和二阶神经网络架构。
Mind：它使用矩阵实现来处理训练数据。你可以完全自定义网络拓扑和上传/下载已学习的minds。
简而言之，你不必重新造轮子，只需确定AI要做什么类型的“learning”。
5.Prolog
Prolog是一种与计算语言和人工智能相关的逻辑编程语言和语义推理引擎。它具有灵活而且强大的框架，被广泛应用于定理证明，非数字编程，自然语言处理和AI。
Prolog是一种具有形式逻辑的声明语言。AI开发者重视其预设计的搜索机制，非确定性，回溯机制，递归性质，高级抽象和模式匹配。
Prolog非常适合涉及结构化对象及其关系的问题。例如，在Prolog中，更容易表达对象之间的空间关系，比如表达“绿色的三角形在蓝色的后面”。说明一般规则也很简单，例如表达“对象A比对象B更靠近人，而B比C更近，则A应该比C更近”。
Prolog的性质使得实现事实（facts）和规则（rules）变得简单直接。实际上，Prolog中的一切都是事实或规则。它允许你查询数据库，即使你已具有上述这些事实和规则。
Prolog支持开发图形用户界面，管理和网络应用程序。它非常适合语音控制系统等项目。
4.Java
在Java中编程AI的好处：很好地支持大型项目，更好的用户交互，调试易用性，便于可视化以及Swing和StandardWidgetToolkit的并入。
其主要优点是通用性——如果你是初学者，互联网上可提供上千种有用的教程（免费），使你的学习更轻松，更高效。
Java开发的一些著名应用程序：
WEKA机器学习套件：专门用于机器学习和数据挖掘
JOONE：用于设计，训练和测试神经网络
ALICE（artificiallinguisticinternet