AI的底层程序主要依赖于 机器学习和深度学习算法，这些算法通过训练模型使计算机能够自动进行预测或决策。深度学习是机器学习的一个分支，利用多层神经网络模拟人脑神经元之间的连接，从而实现对大规模数据的高效处理和分析。在底层编程中，主要使用的编程语言有Python、C++和Java等。Python语言因其简洁易读的优势，适合快速原型开发，常用于机器学习和深度学习的算法实现。
AI的底层实现还包括神经网络编程，这是实现AI功能的关键。神经网络编程涉及到数据处理、模型训练和推理等方面，是AI底层原理的重要组成部分。
此外，AI的软硬件栈还包括应用层、框架层、软件层和硬件层。底层的软件包括编译器、优化的库函数和底层驱动等，这些软件栈配合新的硬件单元才能高效执行AI算法。为了追求更高的能效比和性能，硬件也会考虑设计AI加速器去加速这类算法。
综上所述，AI的底层程序主要涉及机器学习和深度学习算法，使用的主要编程语言包括Python、C++和Java等，并且依赖于神经网络编程和AI软硬件栈的协同工作。