人工智能的底层程序主要涉及以下几个方面：
计算机基础
二进制与逻辑运算：计算机使用二进制方式进行数据储存和处理，通过逻辑门实现各种逻辑运算，这是计算机实现复杂功能的基础。
神经网络：神经网络是人工智能的核心，用于模拟生物神经网络，通过大量简单的神经元相互连接来实现复杂的信息处理和模式识别。
数据处理
AI系统需要处理大量的数据，这些数据可以来源于各种渠道，比如传感器、社交媒体、摄像头等。处理数据的目的是提取出有用的信息，为后续的分析和决策做准备。
机器学习
机器学习是AI的核心技术之一，通过训练算法让计算机从数据中学习规律和特征，从而实现对未知数据的预测和决策。主要包括线性回归、支持向量机、决策树、神经网络等算法。
深度学习
深度学习是神经网络的一种扩展，通过多层神经网络（如卷积神经网络、循环神经网络等）来实现对数据的抽象和特征提取。深度学习在图像识别、自然语言处理、自动驾驶等领域具有广泛应用。
知识表示与推理
强人工智能需要能够理解和表示人类的知识，并能够通过推理和推断来解决问题。知识表示和推理的技术包括逻辑推理、贝叶斯网络、图像推理、规则系统等。
自然语言处理
强人工智能需要能够处理自然语言，包括理解和生成自然语言。自然语言处理技术包括语义分析、文本分类、机器翻译等。
视觉感知
强人工智能需要能够识别和理解图像和视频，包括物体识别、场景理解、人脸识别等。视觉感知技术包括卷积神经网络、循环神经网络、深度学习等。
智能控制
强人工智能需要能够根据自身的认知和感知来制定决策，包括路径规划、机器人控制、智能游戏等。智能控制技术包括强化学习、模型预测控制等。
自我学习与进化
强人工智能需要能够自我学习和进化，以不断提高自身的智能水平。
编程语言
AI底层使用的编程语言主要有Python、C++和Java等。Python语言具有简洁易读的优势，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。许多流行的AI框架，如TensorFlow和PyTorch，都是基于Python开发的。
综上所述，人工智能的底层程序是一个复杂的系统，涉及多个领域的技术和方法，包括计算机基础、数据处理、机器学习、深度学习、知识表示与推理、自然语言处理、视觉感知、智能控制以及自我学习与进化。这些技术和方法相互依存，共同构成了人工智能的核心。