在反人工智能者中，最为人所熟悉的就是休伯特--德雷福斯及其同在伯克利执教的工程学教授斯图亚特--德雷福斯。在本书中，休伯特--德雷福斯诉诸现象学海德格尔，胡塞尔，梅洛--庞蒂以及另一派维特根斯坦的工作，提出了反对强人工智能的论证。其核心思想则是：许多人类的行为不能被简单的看作是遵照一套规则行事。
人工智能每一步特殊努力后的停滞，意味着从人类行为任何孤立的方面，不会有通向完整成人智能行为的一点的突破。棋弈、语言翻译、问题求解和模式识别都依赖人类“信息加工”的特殊形式，而这种特殊形式的人类“信息加工”，反过来又取决于人类在世界中的存在方式。对这种处于某一局势之中的方式，原则上无法用现在能想象到的技巧加以程序化。

《神经信息学(神经系统的理论和模型)》把半个世纪以来有实验依据的神经系统(脑)中的主要理论和模型集中起来，给研究生们提供理论训练。这些理论和模型中有重要基础理论意义的，大都取材于诺贝尔奖获得者的工作（Hodgkin、Huxley、Hartline、Gabor、Bekesy、Eccles、Crick、Edelmen、Sperry……），也包括对信息科学、工程应用有重大影响的假设、理论和算法（Hebb学习律、平行分布式理论框架……）。
《神经信息学(神经系统的理论和模型)》共分三篇：第一篇包括固定结构的神经系统的理论模型，涵盖神经元模型、感受器的数学描述、节律产生和视觉信息加工等；第二篇是关于学习和记忆的理论模型，包括}tebb学习律、平行分布式理论框架、Hopfield模型以及短时程的突触修正规律，清晰讲述了神经系统的理论研究对人工智能、信息科学工程应用的意义；第三篇介绍神经科学和脑科学中当前的几个热点，包括神经编码、功能柱的结构和功能、脑的非线性和意识问题。
《神经信息学(神经系统的理论和模型)》可作为神经科学、认知科学、心理学等专业的研究生教材，也可作为人工视觉、神经假肢、人工智能、信息科学专业研究人员的参考书。