选择AI程序调用的编程语言或模式，主要取决于你的具体需求、技能水平以及个人偏好。以下是一些建议：
Python
易学易用：Python是一种非常易于学习和使用的编程语言，拥有丰富的机器学习和深度学习库，如TensorFlow、PyTorch和SciKit-Learn。
广泛支持：Python在数据科学、人工智能和机器学习领域有广泛的应用和社区支持，是许多初学者的首选语言。
R
统计和数据分析：R语言是统计和数据分析领域的主要语言，非常适合机器学习和数据可视化任务。
丰富的包：R语言拥有大量的包和工具，可以用于各种统计分析和机器学习应用。
云平台
简化开发过程：使用云平台（如Google Cloud Platform、Amazon Web Services、Microsoft Azure等）可以极大地简化AI开发过程，并提供可扩展性和弹性。
无需编程经验：如果你对编程不熟悉，或者希望快速构建和训练AI模型，可视化工具或云平台可能更适合你。
脚本式编程模式
使用脚本语言：这种模式使用脚本语言（如Python）编写代码，较为简单且易于上手。脚本语言通常具有强大的高层次抽象能力和丰富的第三方库支持，适合初学者和快速原型开发。
深度学习框架：TensorFlow、PyTorch和Keras等深度学习框架都支持脚本式编程模式，可以方便地进行模型的开发和训练。
图形化编程模式
拖拽和连接：这种模式使用图形化界面进行编程，通过拖拽和连接图形元素来实现AI功能。这种方式对于不熟悉编程语言的初学者来说更加友好，能够快速构建模型并进行调试。
常见软件：常见的图形化编程软件有Google的Blockly、MIT的Scratch等。
建议
初学者：如果你刚开始学习AI编程，建议从Python开始，利用其丰富的库和易用性快速上手。
中级用户：如果你已经有一定的编程基础，可以尝试使用TensorFlow或PyTorch等深度学习框架，进行更复杂的模型开发和训练。
高级用户：对于需要高性能计算和大规模数据处理的项目，可以考虑使用Caffe或MXNet等专业的深度学习框架。
选择合适的编程语言和工具，可以大大提高AI项目的开发效率和成功率。希望这些建议对你有所帮助!