在人工智能领域，常用的编程语言有：

1、Python：Python 是目前最受欢迎的人工智能编程语言之一。它具有简单易学、语法简洁的特点，并且拥有大量的库和框架（如 TensorFlow、PyTorch、Keras 等），可以方便地进行机器学习和深度学习的开发。

2、R 语言：R 语言主要用于统计分析和数据可视化，也广泛应用于机器学习领域。它有许多强大的包和工具，可以帮助研究人员快速实现复杂的算法。

3、Java：Java 是一种面向对象的编程语言，被广泛用于企业级应用开发。由于其跨平台特性以及丰富的类库支持，使得它成为构建大规模系统时的理想选择。

4、C++/C：这两种语言都具有高性能的优点，在需要高效处理大量数据或实时响应的应用场景中表现良好。此外，它们还提供了许多成熟的机器学习库（如 Weka、Mahout 等）。

5、MATLAB/Octave：这些是专门针对科学计算而设计的语言，非常适合进行数值计算和数据分析任务。虽然不如其他语言流行，但在某些特定领域如图像识别等方面仍然占有一定市场份额。

6、Julia：Julia 是一种新兴的语言，特别适合于数值计算和科学计算。近年来，随着 TensorFlow 和 MXNet 等框架的支持，也开始受到越来越多的关注。

7、Scala：Scala 结合了函数式编程与面向对象编程的优点，因此也被用于构建复杂模型。

8、Lisp/Haskell/Fortran等高级语言也有一定的应用空间。

9、JavaScript：尽管主要用于前端开发，但由于 Node.js 的兴起，JavaScript 在后端服务端也可以发挥重要作用。

10、Go：Go 语言因其高效率而备受青睐，尤其是在分布式系统上运行复杂的数学运算时尤为突出。

11、Ruby：Ruby 主要用于快速原型设计及小规模项目中。

12、Swift/ObjectiveC：这两种语言主要应用于移动设备上的 AI 应用程序开发中。

13、Rust：作为一种新的系统级编程语言，Rust 提供了更好的内存管理和并发性支持，因此在一些特定场景下可能会被采用。

14、Lua：Lua 被认为是一种轻量级脚本语言，尤其擅长处理并行计算问题。

15、Prolog：Prolog 是一种逻辑编程语言，主要用于自然语言处理等领域。

需要注意的是，每种语言都有各自的优势和局限性，选择哪种语言取决于具体的需求和个人偏好。