【摘要】：虽然计算机科学在20世纪70年代后期基本上放弃了神经元网络领域，在其它领域这方面的工作仍在继续。心理学家包括David Rumelhart和Geoff Hinton继续进行关于记忆的神经元网络模型研究。这些被称为连接主义的智能系统模型被某些人视为对纽厄尔和西蒙提出的符号模型以及麦卡锡和其他人主张的逻辑方法的直接竞争者。这个问题还没有答案，不过当前的观点认为连接主义方法和符号主义方法是互补的，而不是对手。
虽然计算机科学在20世纪70年代后期基本上放弃了神经元网络领域，在其它领域这方面的工作仍在继续。物理学家诸如约翰·霍普菲尔德（John Hopfield，1982）使用统计力学的方法来分析网络的存储和优化特性，把节点集合当作原子集合处理。心理学家包括David Rumelhart和Geoff Hinton继续进行关于记忆的神经元网络模型研究。如我们在第二十章中讨论的，真正的推动力出现在 20 世纪80年代，当时有至少四个不同的研究小组重新发明了由Bryson和Ho在1969年首先发现的反向传播算法。该算法被应用于很多计算机科学和心理学中的学习问题，而文集《并行分布式处理》（Parallel Distributed Processing）（Rumelhart和McClelland，1986）中的结果的广泛流传引起了巨大的兴奋。
这些被称为连接主义的智能系统模型被某些人视为对纽厄尔和西蒙提出的符号模型以及麦卡锡和其他人（乔姆斯基，1988）主张的逻辑方法的直接竞争者。也许看来很明显，在某些层次上人类处理的是符号——事实上，Terrence Deacon的著作《符号的物种》（The Symbolic Species）（1997）指出这是人类的定义特性，但是大多数激烈的连接主义者质疑符号处理在认知的精细模型中是否真正有解释作用。这个问题还没有答案，不过当前的观点认为连接主义方法和符号主义方法是互补的，而不是对手。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
