詳細解釋
連結主義（Connectionism）是AI的一個範式，主張智能可以通過相互連接的簡單單元（人工神經元）網絡來實現，強調從經驗中學習。
核心觀點：
- 知識存儲在連接權重中，而非顯式規則
- 智能是簡單計算單元的大規模並行交互結果
- 學習是調整連接權重的過程
歷史發展：
- 1940s：McCulloch-Pitts神經元模型
- 1950s：感知器（Perceptron）
- 1980s：反向傳播算法使多層網絡可訓練
- 2000s：深度學習興起，連結主義成為主流
- 2010s至今：深度學習 (深度神經網絡)統治AI領域
與符號AI對比：
- 連結主義：隱式知識、分布式表示、從數據學習、容錯性強
- 符號人工智慧：顯式規則、本地表示、人工編碼、精確推理
現代連結主義：
- 神經網絡 (類神經網路)：從淺層到深層的發展
- 深度學習 (深度神經網絡)：多層非線性變換
- Transformer架構 (變換器 / 注意力模型) (Switch Transformer)：注意力機制的連結主義實現
- 大規模預訓練：GPT (生成式預訓練變換器)、BERT (雙向編碼器表示)等
連結主義的成功證明了從數據中學習而非人工編碼知識的強大能力。