Михаил Потанин

Можно перейти на хорошо типизированный язык - программы на них более надежны и соответственно в экосистеме ошибок гораздо меньше.

Сейчас ML занимаются в основном на языках с плохой поддержкой функционального стиля.
Но многие вещи из теории ML излагается обычно в терминах чистых функций, функциональное программирование дает новый взгляд на работу с контейнерами и потоками, фреймворки для работы с большими данными в какой-то степени функционально-ориентированны. Так что есть шансы что доля языков с ФП в ML будет расти - Scala и Julia набирает популярность, да и R пока держется.
Написано только что

Для ноды есть библиотека cylonjs. На винде работает.
В ноду компилируются много приличных языков прораммирования, я планирую скрестить это с Purescript, но пока у меня firmata на моей странной arduino не запустилась.

Самый низкий уровень вхождения с нуля (желательно немного знать html) у языка Elm. На сайте есть ссылки на примеры, которые можно запустить прямо в браузере и неплохая документация (на английском).
При этом язык вполне современный - с него будет легко переходить на таких монстров, как Haskell и Scala.

Хорошую зарплату без опыта можно получить только на какой-нибудь относительной экзотике. Пожалуй самое простое - Elm. Можно попробовать Scala, Purescript, Haskell или Rust, но это все требует значительно больших усилий, что бы научиться делать что-то, что можно показывать работодателю.

Для того, что бы быть как все. Все учат питон и пхп.
Только те, кто хочет выделиться учит Haskell.

Основа математики и ее приложений к программированию - теория множеств. То есть начинать надо с нее, хотя особо углубляться не обязательно - достаточно понимание концепций множества, функции, прямого произведения и несвязанной суммы. Для 3D, а так же для ML, полезно будет хорошо разобраться в линейной алгебре. Неплохо бы разобраться с теорией графов и познакомиться с общей алгеброй (группы, моноиды, кольца, поля). Если есть желание глубже копать в computer science, то стоит изучать логику, теорию категорий и переходить к теории типов.

Брать что-то простое, надежное и с быстрой обратной связью, что не даст обломиться. Рекомендую elm.

Гомотопическая теория типов. То есть теории зависимых типов есть давно (хотя для реального применения в программировании они только созрели), но идея применить к ним методы алгебраической топологии совсем свежая. Их больше пытаются применять в основаниях математики (проверке доказателств теорем), про применении в IT я слышал только один раз - для анализа свойств SQL-запросов.

Биотех вполне перспективен, там IT-навыки вполне востребованы.

Для ELM много примеров именно игры. При этом сам язык очень простой.

Для статически типизированных языков можно не запоминать - нужные вещи подсказывает IDE или они легко ищутся по сигнатурам.

Я думаю перспективен Julia. Может быть стоит посмотреть на Scala для эффективного использования SPARK.

Выбирать популярные языки не советую - очень высокая конкуренция.
Дальше зависит от задач и одщей подготовки. Если есть хороший математический бекграунд, можно начать с Haskell. Если инженерный/естественнонаучный - R или Julia. Дизайнерский или есть желание заняться фронтендом - ELM.

ELM
Разработан в первую очередь для фронтенда, но можно, через библиотеку react-native, применить для модильной разработки, и делать gui в виде плугинов к хрому.
Отличается крайней простотой и высокой надежностью (не дает делать многие классы ошибок).
Недостатки - приходится писать лишний код, для обработки невозможных случаев (типа нажатие на ненарисованную кнопку), громозкая работа с json и отсутствие так называемых "классов типов", из за чего для одной и той же операции с разными типами приходится использовать разные функции (List.map и Maybe.map например).

Постоянно. Сейчас изучаю Idris и планирую начать Coq, которые врядли смогу применить в работе в обозримом промежутке времени.
Еще смотрю на ELM и Julia, но их все-такаи адуюсь начать применять.

Смотря что называть ИИ. Для реализации наиболее модных алгоритмов ML лучше всего подходит Julia. Для более классического (экспертные системы, индуктивное логическое программирование) остается классический Prolog, хотя имеет смысл попробовать и что-то функциональное - Haskell, F#, OCaml, Scala.

Примерно так же, как и стать хорошим музыкантом не зная нот.
Можно, но сложнее и дает меньше бонусов.

Пользу дает категорный образ мышления. Например, категорное описание наследование делает очевидным отличие виртуального наследования от не виртуального в C++.
Еще ТК пытаются применять в системной инженерии, но на сколько успешно судить не берусь.

Для начала можно взять ELM. Тем более для него сделана поддержка джаваскриптовой библиотеки react-native, позволяющей делать программв под Android и iOS.
Для полноценного погружения надо осваивать Haskell.