正文
Norvig 进一步对神经科学与人工智能研究做了有用的区分。他说：「理解大脑令人着迷，但是我认为把它和人工智能的目标（即解决问题）区别开来，很重要。」每个领域都可以相互学习，但是，「如果你将二者混为一谈，就好像同时瞄准两座山峰——最终，你往往会落在山峰之间的低谷中」。要避免这种情况，明智的做法是明确目标，小心使用具有误导性的标签：「如果有比神经网络更好的表达，情况会更好些；如果 Google Brain 团队换一个名称也许我们会更好。Google Brain 团队提供解决问题的编程工具——它不是理解大脑的工具，也并不一定要与大脑的工作原理相关。」
为解决具体问题而开发工具以及教别人如何操作——是 Norvig 过去三十年职业生涯的标志，那是他在加州大学伯克利分校完成其博士论文之后，论文研究的是利用计算机提高文本理解能力。1995，他（与 Stuart Russell）合著了《人工智能：一种现代方法（Artificial Intelligence: A Modern Approach）》一书，该书成为这一领域的主要教科书（现在是第三版）； 2011 年，他（与 Sebastian Thrun）联合教授网络课程《人工智能导论（Introduction to Artificial Intelligence）》，有来自 209 个国家的 160,000 名学生参加。由于这些及其他成就，Norvig 在 2001 年（「由于他对教育资料、自然语言处理技术、基于网络的技术以及科研管理和领导力方面的重大贡献」）成为国际人工智能协会（Association for the Advancement of Artificial Intelligence/AAAI）会士，2006 年（「由于他对人工智能和信息检索方面的贡献」）成为美国计算机协会（Association for Computing Machinery/ACM）会士。
Norvig 从很早时候起就一心关注着真正的人类智能。六年级时，他就写信向当地报纸抱怨科学报告中的数学盲化与敷衍话语。高中时，有位老师建议他成为一名科学记者，然而 BASIC 编程的学习经历以及一堂语言课程使他想到了用计算机来处理自然语言，这是一条迥然不同的职业道路。Norvig 说，这个兴趣可能也源自他的父亲——一位数学教授以及他的母亲——一位英语文学教授的综合影响。在布朗大学主修应用数学期间，他偶然发现了一门从认知科学角度教授的心理学课程，引领他朝人工智能领域又迈进了一步。因此，在麻省理工学院的一个衍生机构工作了两年并「接触到研究生的大学生活方式」之后，他觉得获得博士学位会很有趣，于是就读于加州大学伯克利分校的计算机科学系。
那时正是消减人工智能研究投资的时期（所谓的「人工智能寒冬」），但 Norvig 认为「这是最有趣的领域——你正在解决最困难的问题。当时希望研究生能深钻某一领域，但你并不期望最终会得到一个能改变世界的产品，所以，人工智能寒冬的说法并没有对我产生太多干扰。」
结果，那段时间却是人工智能研究的重大转折期。「当我还在读研究生时，」Norvig 说，「这一研究领域发生了转变，在此之前，一个专家系统要雇佣很多研究生来手写逻辑规则，积累足够的量以获取好的结果。但是，你永远都做不到——因为编写这些规则太难了。所以，我们转向一种概率的方法，你处理的是不确定性，目标是得到最好的答案，而不是试着复制专家思维。这个方法在医疗诊断和语音识别以及其他领域获得了成功，事情进展得很顺利。」另一个相关的重大变化「是使用数据，而不是自己来思考所有规则」，通过统计分析发现数据中的规则。在一篇影响深远的论文中，Norvig 及其谷歌同事要求一些领域（比如机器翻译和语音识别）的其他研究员避开理论建构，而去「拥抱复杂性，充分利用我们最好的盟友： 不合理的数据有效性。」
