聯結主義（connectionism）
/ kuh-NEK-shun-iz-um /
聯結主義是一種從大腦獲得靈感的AI路子：不去手寫規則，而是搭起一張由許多簡單單元（粗略地仿照神經元）相互連接而成的網路，再讓它從例子中、透過調整這些連接的強弱來學習。智能並不被寫在某個特定的地方——它從數以百萬計微小連接權重的整體格局中湧現出來，就像一道波浪是從無數水分子中湧現，而非來自其中任何一個。
它在哲學上與符號人工智慧恰好相反。符號AI說：知識是明確的規則與符號，推理就是邏輯。聯結主義則說：知識分布在一張連接之網中，學習就是逐步調校這些連接，讓網路給出正確的輸出。符號系統可讀卻脆弱，聯結主義系統則靈活、且擅長雜亂的感知——認人臉、辨聲音、識手寫字——但它們的推理是不透明的，埋在人難以解讀的一堆數字裡。
聯結主義的命運幾度起落。1950年代末圍繞感知機的早期興奮，在批評者指出其侷限後逐漸消退，並促成了一段沉寂。1980年代，反向傳播提供了訓練多層網路的實用辦法，它得以復興。再到大約2012年起，憑藉海量資料和強大硬體，它爆發為今天的深度學習——現代影像辨識、語音、翻譯以及大語言模型背後的引擎。如今人們口中的「AI」，幾乎在其內核處都是聯結主義的。
你若問一個聯結主義網路「認出字母A的那條規則在哪裡？」，是沒有答案的——沒有哪一行寫著「A是兩道斜筆加一根橫」。這個能力分散在經訓練調校出來的成千上萬個連接強度之中。這種分布式、湧現式的特質，既是它能如此出色地應付雜亂真實輸入的原因，也是它如此難以解釋的原因。
在聯結主義網路裡，知識活在連接之中，而不在任何可讀的規則裡。
聯結主義與符號人工智慧，是對同一個問題的兩種回答。在感知與語言上，聯結主義（神經網路、深度學習）贏得了當代；但它也繼承了實實在在的弱點：不透明、對資料胃口大，以及邏輯推理上的不穩。