赫克托•莱韦斯克，加拿大学者、人工智能研究专家。多年来，他致力于人工智能的研究，主要研究方向是人工智能的知识表现和推理。在表现方面，他主要研究了关于人工和自然介质的很多概念，比如信念、目的、目标、能力，以及知识、观念与行动的交互。在逻辑方面，他主要研究了计算机如何进行可追溯的自动推理，包括使用贪心搜索法。
赫克托•莱韦斯克已经发表了60多篇研究论文，其中4篇获得国际人工智能协会*佳论文奖。2004年他的一篇论文获得国际人工智能协会经典论文奖。
莱韦斯克后被选为国际人工智能协会（AAAI）执行理事会成员，他本人也是5个杂志的编委会成员，其中包括《人工智能》杂志。2006年，他加入加拿大皇家学会。

这是一本探讨人工智能或计算机思维如何形成的计算机科学普及读物。
如果把计算机当成一个主体，它获得人工智能的过程实际上就是一个学习“计算机语言”的过程。那么，计算机的学习过程与人的学习过程有什么不同呢？两者之间又有怎样的关系？如何实现计算机的学习行为？同时，计算机的学习过程又对人的思维形成有怎样的启发？本书将试图回答这几个问题。
例如单腿站立这样的动作，人类需要掌握知识才能够做到吗？如果要设计一个机器人，让它单腿站立，是不是也需要给它一本书读？实际上，人工智能的研究有很多种，很多其实**了思维（规划、解决问题）能力的范畴。这个领域的方向与目标已发生根本性的改变。尤其是机器学习更是这样。
本书并非对人工智能的概括性了解，也不同于很多图书对于人工智能的近期发展的介绍。本书探究的是*根本的问题——计算机学习的基本原理，也就是计算机如何通过不断的知识积累与经验总结，获得常识，指导自己的智能行为，从而像人类一样思考。本书还将解释人工智能为什么会表现为现在的样子，以及它在帮助我们理解思维和智能行为的过程中起到怎样的作用。
计算机系统是通过大数据学习智能行为的。通过知识的堆积、经验的积累，计算机将学术智慧和市井智慧相融合，不但可以处理数量庞大的相似情况，也逐渐可以处理例外的情况——少数的“黑天鹅”。
比如无人驾驶汽车。这种技术可以被归为 “老派人工智能”的范畴，机制建立的基础是对常识的智能理解，而不是对大数据的理解。但如果是处理新式的挑战，比如在现实生活中遇到一座被水冲垮的桥，那就需要用到高级一点的人工智能了。
图灵测试曾被认为可以将达到一定智能水平的计算机遴选出来。但本书作者莱韦斯克认为一个计算机程序虽然可能通过图灵测试，但它仍可能没有任何思维能力，像僵尸一样。他介绍了一种新的理解智能行为的方式——威诺格拉德测试。该测试由他本人和他的同事一同开发。“如果我们的目标是要理解人工智能，那么我们*好区分好真假人工智能。”他发现了一个形成常识和获取背景知识的可能的机制：抽象表现思维的能力。随着人工智能逐渐走入人们的日常生活，我们应该关心的问题是，没有常识的人工智能如何能做出正确的决定。

今天，人工智能蓬勃发展，展现出了强大的影响力。但是当前对于人工智能领域的研究却已严重偏离了这一概念创立的初衷。重新回归其本源的原因有二：其一，若不如此，人工智能的发展将陷入瓶颈；其二，追本溯源这一过程本身即是对计算机和人类自身的重新认识。作者在人工智能领域深耕多年，本书内容丰富、条理清晰，任何想要了解人工智能的人，都应该阅读本书。————约阿夫·肖汉（斯坦福大学名誉教授）
当前，人工智能主要将精力集中于机器学习大数据集和低级感官输入。而莱韦斯克却告诉我们，上述研究忽视了人类智慧的本质特征：人类通过简单自然的语言交流，就能以间接经验的方式认识自己无法直接接触的世界。——亨利·考茨（罗切斯特大学格尔根数据科学研究所所长）
几十年来，莱韦斯克一直专注于人工智能领域的研究。他在本书中深入浅出地揭示了人工智能研究仍将面临的挑战，可谓真知灼见。他令人信服地证明，拥有常识，具备推理能力是人类智慧的核心，而将其与人工智能有效结合仍有待时日。——巴特·塞尔曼（康奈尔大学计算机系教授）

前言 Ⅴ
第1章 什么是人工智能？ 001
适应机器学习 003
老式人工智能 006
常识的程序 008
图灵测试 010
中文房间理论 012
第2章 巨型拼图之谜 017
疑问接踵而来 019
留给我们的困难 023
一条解决的途径 030
第3章 知识与行为 033
超越刺激与反应 036
知识与信念 041
意向立场 043
智能行为 046
能力与表现 048
第4章 真智能还是假智能？ 051
谈话机器人 055
投机取巧不可行 060
威诺格拉德模式 063
我们从中得到的经验 070
GOFAI 的回归 072
第5章 有经验的学习与没有经验的学习 075
我们如何学习词语？ 078
我们如何学习事实？ 081
我们如何学习行为？ 083
我们如何超越经验？ 085
第6章 书本智慧与市井智慧 089
语言的影响力 092
书本智慧 094
海伦·凯勒的智慧 095
书本中的市井智慧 099
第7章 长尾理论与培训的界限 103
长尾现象带来的难题 106
如何处理突发事件 110
无意识与有意识 113
威诺格拉德模式测试 115
是不是技巧还不够完美？118
第8章 符号与符号处理 119
符号的代数运算 121
符号的逻辑运算 125
符号的意义 129
一切都源自图灵机 131
第9章 基于知识的系统 137
符号能够解决的问题 139
用符号表示无形 141
知识表示假说 143
假设是真的吗？ 144
知识表示与推理 146
谁才是唯一的选择？149
第10章  人工智能技术应用 151
人工智能的未来 155
自动化是好是坏？159
超级智能与奇点 161
真正的风险 164
超越进化 166
致谢 169
注 释 173
参考文献 193