西蒙教授说，科学的目标在于让精妙复杂的东西变得简单易懂，却又不失其惊奇之处！本书作为人工智能领域的一本必读经典，对人工智能领域所涉及的各学科均做出了独到的分析。
西蒙教授在思维和大脑的区分上投入颇多。他将大脑看作是生理机能的一部分，就如计算机中的硬件，只是大脑中的思维是人的想法的呈现。他强调，人类的大脑和计算机中的硬件不同，但这并不会阻碍计算机思维能力的发展，也不会阻碍其适应能力的提高。
本书堪称人工智能领域的开山之作，具体包括：
（1）理解自然界和人工界；
（2）经济理性：适应性技巧；
（3）思维心理学：自然中的人工智慧；
（4）记忆与学习：作为思维环境的记忆；
（5）设计科学：创造人工物；
（6）社会规划：设计不断发展的人工物；
（7）有关复杂性的不同观点；
（8）复杂性的构造：层级系统。
任何对人工智能科普书籍着迷、想了解更多相关知识的人，都能从本书中汲取思想与智慧的养分。

赫伯特·A.西蒙(Herbert A. Simon)，人工智能之父，诺贝尔经济学奖、图灵奖获得者。由于在人工智能、人类心理识别等方面的卓越研究，他曾荣获计算机科学最高奖——图灵奖及国际人工智能协会杰出研究奖。因对经济组织内决策过程进行的开创性研究，荣获第十届诺贝尔经济学奖。他在卡内基?梅隆大学开创了组织行为和管理科学两大学术领域的研究，指导并帮助该校研究生院成为美国最好的商学院之一。他还在心理学领域造诣高深，曾荣获美国心理学会杰出贡献奖和终身成就奖。
西蒙的研究成果涉及科学理论、应用数学、统计学、运筹学、经济学和企业管理等方面，在所有的这些领域中他都发挥了重要的作用，正如诺贝尔奖颁奖词所说：赫伯特·A. 西蒙的科学成就远超过他所教的任何一门学科——信息科学、政治学、管理学和心理学。

1 理解自然界和人工界
人工界
环境模型
通过模拟来加深理解
人工物之计算机
符号系统：理性的人工物
2 经济理性：适应性技巧
经济活动者
市场与组织
进化模型
人类社会
3 思维心理学：自然中的人工智慧
作为人工科学的心理学
概念获得的速度限度
记忆参量——每个信息块持续8秒钟
记忆参量——7个信息块还是2个
组织记忆
处理自然语言
结论
4 记忆与学习：作为思维环境的记忆
语义丰富的领域
理解与表现
学习
发现过程
结论
5 设计科学：创造人工物
设计的逻辑——固定的备选方案
设计的逻辑——找出备选方案
为资源的分配做设计
设计的形态——层级结构
小结——设计理论中的主题
6 社会规划：设计不断发展的人工物
设计问题的表象
用于规划的数据
谁是客户
社会设计中的组织
设计的时空界限
无最终目标的设计
社会设计课程体系
7 有关复杂性的不同观点
复杂性的概念
目前对复杂性的兴趣
结论
8 复杂性的构造：层级系统
层级系统
复杂系统的进化
近可分解系统
回顾生物进化
对复杂性的描述
结论
译后记

作为科学领域的一名学
习者和高科技领域的天使投
资人，我时常对西蒙教授等
大家的洞察力感到惊奇，他
们不仅加深了我们对人工智
能的了解，而且还正确预测
了人类前进的道路。2018
年9月，我有幸在上海参加
世界人工智能大会百度主题
论坛，并且发表了有关人工
智能发展现状的演讲。这篇
演讲于2018年12月发表在
《哈佛商业评论》(中文版)
上。然而，或许让读者感到
有些惊讶的是，这本书在
1969年第一次出版时的理
论和观点到如今仍颇具现实
意义。因此，我冒昧地把我
在2018年时的发现和在本
书中西蒙教授的论点进行了
一次对比。
西蒙教授认为，若某系
统是因某特定目标或因适应
环境目的而建造，则该系统
可称为人工系统。人工智能
只是西蒙教授研究人工科学
的一个下属分支。当涉及记
忆信息检索时，西蒙教授将
人工智能同认知心理学联系
起来；当涉及程序合理性时
，又将人工智能与操作研究
联系起来；相较于简单的行
为模仿，他采用了模拟的方
式进行论述。相比“人工智
能”这样的词汇，他更喜欢
像“复杂信息处理”和“认知
过程模拟”这样的表达，但
最终还是选用了“人工智能”
一词。他认为随着时间的推
移，“人工智能”会更符合人
们的表达习惯。如今可以看
出，他的预测毫无疑问是正
确的，并且人工智能目前也
已成为人工科学的重要组成
部分。
西蒙教授在大多数论述
中都会强调心理学也属于人
工科学。为了证明这一论点
，西蒙教授着重强调了关于
人类记忆结构的假设和关于
语言处理系统的假设之间存
在的相似特点。他认为语言
是最具人工特点的事物，也
是所有人类事物中最人性化
的东西。他还提到，翻译中
的困难不仅在于句法，还在
于需要了解语境和背景信息
，以及理解语义信息在自然
语言和视觉感知中所起到的
作用。
当今人工智能的发展和
进步主要体现在视觉识别和
语言识别这两个领域。这些
领域的进步主要得益于谷歌
和百度等公司的大量资源和
存储、计算能力的大幅提升
。然而，现在尚未完善的人
工智能翻译却再次证明了西
蒙教授50多年前所提出的理
论的准确性。
西蒙教授在思维和大脑
的区分上投入颇多。他将大
脑看作是生理机能的一部分
，就如计算机中的硬件，只
是大脑中的思维是人的想法
的呈现。他强调，人类的大
脑和计算机中的硬件不同，
但这并不会阻碍计算机思维
能力的发展，也不会阻碍其
适应能力的提高。
人们曾采用人工智能来
模仿人类大脑的结构，并重
点关注集中系统。然而，西
蒙教授强调的是通过反馈回
路来进行系统调节，而不是
通过集中系统或直接机构来
调节。他认为，人类对地球
的统治归因于我们对于周围
环境有了更加理性的认知，
而不再过多关注与我们无关
的事情。他还认为，在有界
理性环境中，同时使用市场
和管理机制能够使社会分工
变得更加具体；决策者只根
据现有信息做出决定往往会
使结果更加令人满意。一些
人工智能领域的公司近来所
使用的分布式网络结构也遵
循这一逻辑。
这种模式也符合我的核
心理念，即我们应该提升人
工智能的竞争架构(硬件和
软件)，以确保检测能够正
常进行并使系统达到平衡状
态。随着人工智能不断发展
，竞争架构不断提升，系统
中的任一节点都不足以对整
个系统产生影响，这就如同
美国政府的运作方式。我们
设计人工智能系统，大多是
想让其如同人类大脑一样工
作，但本质上还是采用中央
集成处理方式。同时，人们
也研发出新的竞争系统，该
系统允许分布式网络以多个
不同节点的集体力量而非单
一中心节点进行任务分析和
决策制定。这些系统与美国
国会的结构(参议院和众议
院)非常相似，两院均由不
同选区的代表共同组成，每
一个代表的权力并不大，但
作为一个整体机构，其权力
却可以与总统的权力抗衡。
有意思的是，西蒙教授在谈
到在有界理性的环境中需要
建立令人满足的而非最优化
的机制时，也提到了美国宪
法的成功之处。
科技行业现在更加关注
人工智能的一般性用途，并
将学习和发现机制纳入人工
智能系统中，以提高它们对
环境的适应能力，与此同时
不断提升其工作效率。西蒙
教授曾认为，所有人工物一
开始都具备某种适应能力，
它们可以利用这一特性获得
新的表现形式以及对应策略
，因此面对专业化环境时能
熟练应对。同时，适应能力
也是人类有机体的典型特征
。埃隆．马斯克(Elon
Musk)和史蒂芬·霍金
(Stephen Hawking)表示，
人工智能机器的行为可能会
对人类不利，还可能会削弱
人类的决策能力。尽管在目
前看来出现这种情况的风险
很低，但是随着通用人工智
能不断地达到新的高度，这
种对人类不利的风险会逐渐
增加。
不少人已经察觉到了这
种风险，西蒙教授认为，“
对人类有利的知识”并不能
促使人类做出最正确的选择
。众所周知，只有极少数病
人会按照处方服用药物。因
此，我们应该积极采取相应
措施，不断努力建设出一个
对社会有益的人工智能系统
。过去我曾建议，我们应该
鼓