適讀人群 ：本書適合科學(xué)哲學(xué)、認(rèn)知哲學(xué)、計算機(jī)科學(xué)、人工智能及相關(guān)專業(yè)的研究者和學(xué)生閱讀參考。 
人工智能涉及的領(lǐng)域太過繁雜，很難給其下一個精確的定義，但這并不妨
礙我們從根本上去理解人工智能賴以存在的基礎(chǔ)，那就是運行在計算機(jī)上的形
式符號系統(tǒng)。符號是對思維對象進(jìn)行抽象的結(jié)果，符號表征意味著大量具態(tài)信
息的損失；計算則是對思維過程進(jìn)行抽象的結(jié)果, 計算過程同樣會損失大量的具
態(tài)信息。正是抽象使得由符號組成的計算系統(tǒng)具有了可執(zhí)行性，人工智能與人
類智能的一個重要區(qū)別也由此而生。
人類思維中的內(nèi)容是有意義的，而人工智能作為形式規(guī)則系統(tǒng)，即便對意
義無從所知，只要依據(jù)規(guī)則來操作符號，也可以得到相應(yīng)的結(jié)果。那么，人
工智能該如何構(gòu)建從形式到意義的通路呢？1998 年，由萬維網(wǎng)聯(lián)盟主席Tim 
Berners-Lee 牽頭的語義網(wǎng)（Semantic Web ）項目成為人工智能追尋意義道路上
的一個重要里程碑。語義網(wǎng)的本質(zhì)是以計算機(jī)應(yīng)用程序可以理解的方式描述事
物。語義網(wǎng)與Web 3.0 相結(jié)合，將成為未來人工智能與互聯(lián)網(wǎng)發(fā)展的核心領(lǐng)域
之一。自然語言處理則是實現(xiàn)語義網(wǎng)的一種重要方式。而自然語言處理要提取
語義信息，就必須與語境知識相關(guān)聯(lián)。時隔不久，語用網(wǎng)（Pragmatic Web ）項
目也開始實施，一種基于語境規(guī)則的語用智能主體（pragmatic agent ）被提上
日程。由此，一條從語形到語義、再到語用的智能實現(xiàn)路徑在人工智能領(lǐng)域明
確地展現(xiàn)出來。語形、語義、語用是語境問題的核心要素。這樣的一種發(fā)展
路徑表明，人工智能當(dāng)前主要圍繞意義問題展開研究，是一種典型的語境論（contextualism）研究范式。
人工智能必須回答什么是智能以及如何在計算機(jī)上實現(xiàn)智能這樣的問題。而智能的實現(xiàn)，必然與真實世界中的語境密切相關(guān)。這就是說，智能主體必須能夠區(qū)別“自我”與“環(huán)境”，并根據(jù)所要完成的任務(wù)來確定哪些語境因素是與問題解決密切相關(guān)的，以及這些語境因素之間是何種關(guān)系。在語境問題上，無論符號主義、連接主義還是行為主義，都顯得力不從心。現(xiàn)有的范式理論都殊途同歸地落在語境問題上，語境論是對這種發(fā)展趨勢的恰當(dāng)概括。事實上，人工智能的很多問題早在一百多年前哲學(xué)領(lǐng)域就已經(jīng)開始研究了；尤其是語義網(wǎng)和語用網(wǎng)研究中的很多關(guān)鍵問題，本身就是語境論的核心問題。由此，我們有必要在語境論的視野下去研究這些問題。
對基于形式系統(tǒng)的人工智能而言，與表征相比，計算的問題似乎更容易解決。在模擬人類智能的過程中，人們越來越感覺到，在表征問題上，似乎存在著一道難以逾越的鴻溝。而所有的瓶頸最后都落在了對意義的理解問題上。作為人工智能的核心領(lǐng)域之一，表征理論的發(fā)展水平直接決定了計算機(jī)可以達(dá)到的智能水平。因此，有必要用語境分析方法，分別從表征和計算這兩個角度對人工智能的發(fā)展進(jìn)行梳理，探索解決這一難題的可能途徑。
沿著上述問題的發(fā)展脈絡(luò)，本書的最后部分批判了諾爾蒂（David D. Nolte） 的量子光學(xué)計算機(jī)理論，探討了未來光機(jī)智能的表征和計算問題，認(rèn)為光學(xué)語言并不比人類語言更具優(yōu)勢，量子神經(jīng)網(wǎng)絡(luò)也會遇到語境瓶頸，以光運算為基礎(chǔ)的新型智能的核心問題同樣會落在語境問題上。由此我們可以預(yù)測，在未來相當(dāng)長的一段時期內(nèi)，人工智能的核心問題都將是語境問題，人工智能語境論范式將長期存在。
最后，書中難免有謬誤之處，敬請讀者指正，是所至盼。