聯結主義心理學
聯結主義心理學（Connectionism）是一種基於神經科學和計算機科學理論的心理學習模型，強調通過模擬神經網路來解釋人類的認知過程。其核心思想是，人類的心理活動可以通過大量簡單單元（類似於神經元）之間的聯結和互動來解釋，這些單元通過加權聯結形成複雜的網路結構。聯結主義模型通常使用人工神經網路來模擬認知過程，如學習、記憶、感知和語言處理。
主要特點
- 分散式表徵：信息不是存儲在單個單元中，而是分布在整個網路中。每個單元對信息的貢獻是局部的，但整體網路能夠表徵複雜的模式。
- 並行處理：網路中的信息處理是並行的，多個單元同時參與計算，這與傳統計算機的串列處理方式不同。
- 學習機制：聯結主義模型通過調整單元之間的聯結權重來學習，常用的學習算法包括反向傳播算法（Backpropagation）和Hebbian學習規則。
- 自適應性：網路能夠根據輸入數據動態調整聯結權重，從而適應新的環境和任務。
歷史背景
聯結主義的起源可以追溯到20世紀40年代，心理學家Donald Hebb提出了Hebbian學習規則，即「神經元一起激活，就會增強它們之間的聯結」。20世紀80年代，隨著計算機技術的發展，聯結主義重新興起，並成為認知科學的重要理論框架。David Rumelhart、James McClelland等學者提出的平行分散式處理（PDP）模型是聯結主義的代表性成果。
套用領域
聯結主義模型廣泛套用於認知心理學、人工智慧和神經科學領域，例如：
- 語言處理：模擬人類如何理解和生成語言。
- 模式識別：用於圖像識別、語音識別等任務。
- 記憶研究：解釋記憶的存儲和提取過程。
- 學習機制：研究人類和機器的學習過程。
批評與局限
儘管聯結主義模型在解釋認知過程方面取得了顯著進展，但也面臨一些批評。例如，它難以解釋高階認知功能（如抽象思維和推理），並且缺乏對符號處理的支持。此外，聯結主義模型通常需要大量數據和計算資源，限制了其在實際套用中的普及。
聯結主義心理學為理解人類認知提供了重要的理論工具，並與符號主義心理學共同構成了認知科學的理論基礎。