天才一秒记住【爱看书】地址：https://www.aksss.org
例如，联结论的模型既没有中央处理器（CPU），也没有存储程序；它的知识表征和语义获得是在外部输入和输出的双重调节下，经过内部隐含层的权重改变而获得的。
因而，联结论的知识表达一直处在动态过程当中。
这个动态过程我们可以看作是一个经过学习和训练而形成的自我执行过程。
因此，联结主义计算机通过使用一系列的指令控制某些计算过程，而有别于传统计算机的“程序”
概念。
[4]目前，人工神经网络研究不仅向综合性发展，而且越来越与其他领域密切结合起来。
如把多层感知器与自组织特征联系起来，发展出性能更强的结构。
尽管如此，联结主义的研究范式和模型仍然与真实的人类智能和大脑有相当的距离。
这种距离表现在，神经元与计算机的单个单元并不是完全对应的；人脑并不总是具有联结主义模型的表现；许多联结主义的模型都有很多不同的功能层次，但是大脑似乎有着更为复杂的物理—几何分层、连接和投射机制等。
就规模来说，人脑所具有的神经元联结权重也是计算机网络完全无法比拟的。
在这种情况下，“尽管联结论在总的方面是关心生物学上的可实现性的，但是大多数联结论系统所做的并不是神经实现方式的模型，而是抽象定义的信息处理的模型”
[5]。
不过，联结主义的研究范式至少开辟了一条整体论的研究道路，给后来的研究以启迪。
如H.哈肯主张运用他所创立的协同学原理从宏观层次（神经元群）上揭示大脑的神经动力机制。
他认为是序参量决定了脑的宏观模式，而序参量表征在三层神经网络中的隐含层当中，它支配着完全不同的外部输出。
[6]认知科学家保罗·丘奇兰德强调从神经元的层面或神经元群的层面上来研究神经系统的主要组织特征。
他认为，如果我们把一个整体的理论解释为突触权重的整体配置，那么没有由特定权重配置所处理的向量，就不会发生任何认知活动。
在模拟神经元和大脑神经组织活动机制的同时，人们也在考虑从大脑思维活动层面来进行模拟。
毕竟，计算机模拟的目的是获取知识。
为此，人们注意到，人类的许多思维活动是无法形式化的。
例如，形象性的描述、创造性的灵感、或然性的推断等。
有人将这种无法形式化、并与形式化思维相对的思维称之为“叙述思维”
。
认为这种思维使用的是暗含的假设、似然的或习惯的组合方法，其作用是使我们在现实世界中有一个合理的行为；其特征是开放的、语义的。
在计算机操作层面，其操作形式与形式化思维是不一样的。
[7]不过，叙述思维与形式思维并非截然对立的，两者之间的界线也是变动的；人工智能的目的正是通过叙述思维的长处来弥补形式化思维的不足，例如，确定形式推导过程中的先后次序、目标，给推理结果以一定的意义等，并不断地将叙述思维模式化。
钱学森早在1980年就前瞻性地指出：“我们要把逻辑学扩大为思维学，包括一部分我们已经研究得很多而且很有成绩的逻辑思维，还要包括其他人的思维。
这在国外已逐步地引起重视，他们是从搞机器人、人工智能这方面考虑的，……这个理论他们叫认知科学（itivesces），我们用‘思维科学’（ices）。
更确切一点，就是包括逻辑思维，也包括各种思维过程，形象思维等。”
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！