联结主义（connectionism）
/ kuh-NEK-shun-iz-um /
联结主义是一种从大脑获得灵感的AI路子：不去手写规则，而是搭起一张由许多简单单元（粗略地仿照神经元）相互连接而成的网络，再让它从例子中、通过调整这些连接的强弱来学习。智能并不被写在某个特定的地方——它从数以百万计微小连接权重的整体格局中涌现出来，就像一道波浪是从无数水分子中涌现，而非来自其中任何一个。
它在哲学上与符号人工智能恰好相反。符号AI说：知识是明确的规则与符号，推理就是逻辑。联结主义则说：知识分布在一张连接之网中，学习就是逐步调校这些连接，让网络给出正确的输出。符号系统可读却脆弱，联结主义系统则灵活、且擅长杂乱的感知——认人脸、辨声音、识手写字——但它们的推理是不透明的，埋在人难以解读的一堆数字里。
联结主义的命运几度起落。1950年代末围绕感知机的早期兴奋，在批评者指出其局限后逐渐消退，并促成了一段沉寂。1980年代，反向传播提供了训练多层网络的实用办法，它得以复兴。再到大约2012年起，凭借海量数据和强大硬件，它爆发为今天的深度学习——现代图像识别、语音、翻译以及大语言模型背后的引擎。如今人们口中的「AI」，几乎在其内核处都是联结主义的。
你若问一个联结主义网络「认出字母A的那条规则在哪里？」，是没有答案的——没有哪一行写着「A是两道斜笔加一根横」。这个能力分散在经训练调校出来的成千上万个连接强度之中。这种分布式、涌现式的特质，既是它能如此出色地应付杂乱真实输入的原因，也是它如此难以解释的原因。
在联结主义网络里，知识活在连接之中，而不在任何可读的规则里。
联结主义与符号人工智能，是对同一个问题的两种回答。在感知与语言上，联结主义（神经网络、深度学习）赢得了当代；但它也继承了实实在在的弱点：不透明、对数据胃口大，以及逻辑推理上的不稳。