AI程序属性规律主要涉及以下几个方面：
数据获取与处理：
AI编程的第一步是获取和处理数据。数据可以来自各种来源，例如传感器、数据库、互联网等。在获取到数据后，需要对其进行预处理和清洗，以确保数据质量和一致性。
机器学习：
机器学习是AI编程的核心技术之一。通过训练模型，使计算机能够从数据中学习并做出预测或决策。机器学习算法包括监督学习、无监督学习和强化学习等。
深度学习：
深度学习是机器学习的一个分支，它使用神经网络模型来模拟人脑的工作方式，处理大量复杂数据并提取特征。深度学习在图像识别、语音识别、自然语言处理等领域有广泛应用。
自然语言处理（NLP）：
NLP是AI编程的一个重要领域，涉及计算机理解和生成人类语言的能力。NLP技术包括词法分析、句法分析、语义理解和生成等。
计算机视觉：
计算机视觉是AI编程的另一个重要领域，涉及使计算机能够理解和解释图像和视频数据。计算机视觉技术包括目标检测、图像分割、人脸识别等。
强化学习：
强化学习是一种让计算机通过与环境互动来学习的方法。通过试错和反馈，强化学习算法可以找到最优策略，实现特定目标。
知识表示与推理：
AI程序需要能够表示和推理知识，以便在复杂环境中做出决策。知识表示方法包括基于逻辑、语义网络和框架等。
伦理与安全性：
随着AI技术的广泛应用，伦理和安全问题日益重要。AI程序需要遵循一定的伦理原则，确保其行为可预测且符合道德标准，同时需要防范潜在的安全风险，如数据泄露、恶意攻击等。
这些属性规律共同构成了AI程序的基本框架，使其能够模拟和执行人类智能的各种任务。