连接主义学派是人工智能领域的重要理论流派，其核心观点可概括如下：

一、智能的本质与结构

1. 智能源于连接

   连接主义认为智能是大量简单单元（如神经元）通过复杂连接并行运算的结果，类似人脑的神经网络结构。

2. 神经网络的核心作用

   人工神经网络是连接主义的典型代表，通过调整神经元间的权重实现模式识别和功能模拟。

二、学习机制

1. 联结主义学习理论

   由桑代克提出，强调情境与反应之间的联结是学习的基础，包括先天的本能联结和后天习得的联结。

2. 三大学习定律

   • 练习律 ：频繁使用增强联结，不使用则削弱（应用/失用律）。

   • 效果律 ：满意的结果会加强联结，不满意的结果会削弱。

   • 准备律 ：心理准备状态影响联结强度。

三、应用与影响

1. 人工智能基础

   连接主义为神经网络的发展奠定基础，推动计算机模拟人脑智能。

2. 数字时代的学习理论

   强调分布式学习环境，认为记忆是模式识别结果，网络结构动态调整。

四、与其他理论的差异

• 行为主义 ：侧重可观察行为，忽视内在过程；

• 认知主义 ：强调认知结构，关注信息处理；

• 建构主义 ：主张主动构建知识；

• 连接主义 ：介于两者之间，既关注模式识别，也重视网络动态。

五、研究方法与交叉领域

• 融合神经科学、心理学和社会学，强调跨学科研究；

• 通过模拟人脑网络探索复杂学习过程。

连接主义学派通过联结视角解释智能与学习，为人工智能技术的发展提供了重要理论支撑。