Sztuczna inteligencja i uczenie maszynowe doczekały się już własnych języków programowania, jednak nie znalazły się one na wysokich miejscach rankingu, bo programiści chętniej korzystają w kodowaniu AI i ML z narzędzi ogólnego przeznaczenia. Pierwsze miejsce zajmuje Python, dla którego przygotowano wiele frameworków i bibliotek do uczenia maszynowego (stosowanych również w przemyśle). Za wysoką popularnością języka stoi dodatkowo duża społeczność i łatwa do opanowania składnia. Aplikacje w Pythonie piszą m.in. przedsiębiorstwa motoryzacyjne, np. BMW i Daimler.
Tuż za Pythonem uplasował się GNU R dysponujący pakietami do łatwego wprowadzenia algorytmów ML. R jest najczęściej używany do analizy i wizualizacji danych, posługują się nim takie firmy jak Google czy Facebook. Podium zamyka SAS, którego przeznaczenie jest identyczne z R, ale nie jest on otwartoźródłowy. Ma jednak sporo bibliotek i radzi sobie ze zbiorami danych o milionach rekordów. Język SAS wykorzystuje się w pakiecie Statistical Analysis System, który może być stosowany w produkcji m.in. do przewidywania działań konserwacyjnych i zapobiegania awariom (predictive maintenance).
Kolejne miejsca przypadły Javie, JavaScriptowi i językowi SQL. Java polecana jest szczególnie do tych projektów, które zostały w niej napisane i potrzebują uzupełnienia o algorytmy uczenia maszynowego. JavaScript, używany do tworzenia stron internetowych, coraz częściej jest wykorzystywany przez programistów do analityki danych i ML. SQL znajduje z kolei zastosowanie w dużych bazach danych. Jeśli chodzi o młodsze rozwiązania, na liście znalazła się jeszcze Julia, czyli język programowania wysokiego poziomu do obliczeń numerycznych, stworzony w amerykańskim ośrodku MIT.
