联结主义在认知科学中的方法

20世纪80年代早期，来自诸多不同领域的研究者开始探索其他可以用来解释认知且不同于信息加工范式的方法。他们所建立的体系被称为联结主义（connectionism），有时也称之为平行分配加工（parallel-distributed processing，PDP）。它将认知描述为一个由简单（而且常常是众多）加工单元联结所构成的网络（McClelland，1988），其名号也正由此而来。由于有时将这些单元同神经元进行对比，后者用来传递神经电位，并构成一切感觉和肌肉动作的基础，故有时我们也将联结主义模型称为神经网络（neural networks）（从技术上说，联结主义模型和神经网络模型之间还是有所区别的，但在此我们不做讨论）。

在一个庞大的网络中，每一个单元都与其他单元联结。在任一时刻，每一单元都具有一定的活跃水平。而其具体的激活水平则有赖于来自环境和来自与该单元相连的其他单元的输入。两个单元之间的联结都是有权重的，既可以为正也可以为负。所谓正权重的联结就是一个单元可以激活或提升与之相连的单元的激活水平；而负权重的联结效果正好相反，它会导致相连单元活性的抑制或降低。

信息加工方法与联结主义方法之间的一个主要区别在于它们假定认知加工发生的方式。在信息加工模型中，认知加工一般被看作以系列加工的方式进行的，即加工分不同的阶段（一个加工首先进行，然后将信息供给下一个加工过程，而下一个加工又会将信息传入再下一个加工过程）。与之相对，大多数（不是全部）联结主义的模型假设认知加工是以平行（或并行）的方式进行，可以同时进行许多不同的加工。

联结主义的框架由此产生了众多不同的模型，它们的不同主要体现在所假设的单元数量、单元之间的联结数量及方式以及单元与环境的联系方面。然而，所有这些模型都具有的共同点是，无须假设一引导信息从一种加工或存储区流向其他加工或存储区的中央处理器的存在。取而代之的是，用不同的激活方式来解释不同的认知过程（Dawson，1998）。知识不是储存在不同的存储区中（如图1-2中描述的方框），而是储存于单元之间的联结当中。当新的联结方式得以建立，并由此改变了单元之间联结的权重时，学习便发生了。

Feldman和Ballard（1982）在一篇早期描述联结主义特点的文章中提出，这一方法较之信息加工方法更符合大脑运作的方式。他们认为，人脑由许多神经元构成，它们以不同的复杂方式彼此相互联结。两位学者断言：(www.xing528.com)

联结主义的基本前提是，单个神经元不会传递大量符号化的信息。相反，它们通过与其他数量众多的相同单元的恰当联结来进行计算。这与盛行于计算机科学和认知心理学领域的有关智力的传统计算机模型是截然不同的（p.208）。

Rumelhart（1989）更简洁地指出了问题的关键：“联结主义试图用大脑的类比来取代信息加工体系中的计算机类比（p.134）。”

与信息加工方法一样，联结主义也从结构主义汲取有关认知是如何运行的思想。不过，信息加工心理学家注重的是计算机科学，而信奉联结主义的学者更偏向信息的认知神经心理学（对脑损伤的病人或不同寻常的大脑结构进行研究）和认知神经科学方面，并以此作为他们建立有关理论和模型的基础。在对待认知方面，相比联结主义而言，信息加工方法试图做出更为抽象、更具有符号水平的解释。联结主义模型更关心“符号下”（subsymbolic）水平：认知加工到底是如何被大脑执行的。作为一种比信息加工更新的范式，联结主义刚刚开始着手对个体和发展中的差异做出解释。大多数联结主义学者致力于运用以神经网络模型为基础的计算机编程，重复那些实验和准实验研究的发现。