图灵奖得主珀尔说：数据是哑的，因果不在数据里。从因果之梯到辛普森悖论，从瓦尔德的弹孔到对深度学习的批评——一本教机器和人把「为什么」问对的书。关键词：因果推断、因果之梯、反事实。
德雷福斯 1972 年的《计算机不能做什么》是 AI 史上挨骂最多的一本书。他从 AI 研究里抠出四条从未声明的前提，指出人类智能里最要紧的不是规则，而是身体在具体处境中练出来的、写不下来的应对。关键词：四个假设、脱离语境、具身、框架问题。
《表象与本质》的核心命题：所谓理解，就是把眼前这件事认成你经历过的某件事——类比不是思考的工具，而是思考本身。关键词：类比、范畴化、表层与本质、抽象粒度、AI 的边界。
读罗杰·彭罗斯《皇帝新脑：有关电脑、人脑及物理定律》：如果人类的理解真的不能被任何算法穷尽，那么现有的物理学本身就还没写完——要解释心智，得先改物理。全书用哥德尔不完备定理、孟德勒伯洛特集与停机问题铺路，最后一步跳进量子引力。关键词：哥德尔定理、强 AI、数学柏拉图主义、可证伪性。
丹尼特《从细菌到巴赫再回来》的核心命题是：理解不是能力的前提，而是大量“无理解的能力”堆叠出来的副产品。关键词：无须理解亦能胜任、自由浮动的理据、生成—测试之塔、模因。对工程师最有用的一条警示：真正的风险不是机器太聪明，是我们高估了它的理解。
斯图尔特·罗素《AI 新生》：AI 的危险不在它变坏，而在它把你没说清楚的目标执行得太彻底。从“标准模型”到米达斯国王问题、关机开关悖论与三条原则——一个写了教科书的人给出的工程处方。关键词：目标错误、能力差距、可证明有益。
大卫·马尔《视觉》：理解一个会处理信息的系统，必须先回答它在算什么、为什么非得这么算，再谈算法与硬件。三层不可颠倒；表示是一种取舍，让什么变显式，就把什么推到背景里。关键词：三层分析、表示、约束、逆问题。
《计算机与人脑》是冯·诺依曼为耶鲁西利曼讲座准备的未完稿。核心命题：智能不是靠算得快、算得准赢的，是靠一大堆又慢又糙的元件同时干活赢的。关键词：统计记数系统、逻辑深度、冗余、短码。
《心智社会》的核心命题只有一句：智能不是某个聪明的东西在思考，而是无数本身毫无智能的小东西协作时涌现出来的。本期拆解智能组、差异机、K 线、B 脑与例外原则，并对照深圳技术人的求职边界与现金缓冲。
《人有人的用处：控制论与社会》——维纳的核心命题是：一个必然走向混乱的世界里，生命靠反馈维持秩序。控制论、熵、模式与信息、两层反馈、两次工业革命、机器不承担后果。七十六年前划下的边界，今天还没被越过。
