连接主义认为智能的基本单元是神经元，认知过程是由神经网络（nellralnetwork）构成的；表现为信息在神经网的有关单元中并行分布和特定的连接方式，而不是符号的运算。基于连接主义的工作机制可以避免知识表示的困难，但随之而来的新问题是各神经元之间的连接权值（weightvalue）设定的困难。

　　现代神经科学的研究表明，人的大脑中至少有10个神经细胞，细胞之间通过树突（synapse，即连接轴突和突触的部分）和轴突互相连接，构成纵横交错的网络结构。脑细胞通过突触互相交换信息，每个脑细胞平均有10条通路跟其他细胞连接。也就是说，大脑中有10×10个突触。试想一下，由10条连线构成的通信网是多么复杂。更妙的是，人们可以通过学习而不断地改变细胞之间的连接形式，使这个网络的功能不断提高。这种神经生理学事实透彻地解释了下面这个人类智慧发展的奥秘：人的记忆并不因为脑细胞的成批死亡而丧失，相反人的智慧随着岁月能越来越发展。其奥秘就在于人的记忆和智慧并不是储存在单个脑细胞中的，而是储存在细胞之间互相连接而构成的网络中的。正是这种分布式的储存方式造就了这样一种集体智慧。但是，基于冯·诺依曼（JohnvonNeu—mann，1903—1957年）思想的传统计算机的结构跟大脑有着根本的差别。传统计算机由存储器和运算器组成，两者之间通过一组连线（称为总线）连接并传递信息。由于总线的通过量和通过率有限，因而限制了传统计算机的运算速度。与此相反，人的神经网以四通八达的网络形式，可以使大量的信息传递过程同时进行。

　　人类大脑的网络结构及其特殊功能给了计算机科学家莫大的启迪，他们尝试仿照大脑的结构特征，采用大量比较简单的元件作为系统的基本单元，依靠单元之间复杂的连接构成具有良好功能的网络。这些连接可以按照一定的方式改变，从而使人工神经网络具有一定的学习能力。并且，由于神经网络模仿大脑的分布式存储的组织方式，因而具有良好的容错性、自纠正能力、快速反应能力以及能在一定范围内实现全局优化。计算机科学家希望用神经网络系统来进行图像、文字、声音和语音的识别，机场或工厂的调度和安全管理，化工厂中管道阀门的自动控制，以及核反应堆的监督控制等工作。①

　　相比而言，基于符号主义的人工智能系统是在传统计算机硬件基础上发展起来的图灵过程软件，基于连接主义的人工神经网络则是一种把算法和结构统一起来的系统。两者在知识表示（一维还是多维）、学习方式（是否需要预编程序、预订规则）等方面有根本的差别。符号主义的处理方法严重地依赖知识表示的规则系统，要破坏一条规则也必须依靠另一条规贝来实现。可是，系统所面对的问题常常是突发的或反常的，难以预先制订规则来对付各种意外情况。而人却能凭直觉做出合适的反应，正是在这些地方，连接主义的处理方法能够大显身手。

　　……