Konnektionisme betegner et sæt af anskuelser og metoder inden for kognitionsvidenskab og forskning i kunstig intelligens. Mentale fænomener - såsom bevidsthed og intelligens – forstås her som produkter af strukturen i et netværk af vægtede forbindelser mellem simple elementer. Strukturen opstår ved at nettets forbindelser justeres gennem en "læringsproces".

Konnektionisme er således inspireret af hjernens fysiske indretning og bestanddele (herunder neuroner og synapser) og derfor af resultater fra neuroanatomi, neurokemi mm. (Philosophical Issues in Brain Theory and Connectionism s. 4-5). Samtidig forsøger konnektionismen omvendt at forstå faktiske mentale fænomener gennem computer simulationer af denne struktur (Stanford). Selv om konnektionisme ikke som sådan betegner anvendelsen af en bestemt teknologi, er den normalt forbundet med brugen af digitale neurale netværk og relaterede teknikker.

Et neuralt netværk har bl.a. følgende kendetegn:
  • Semantik eksisterer på et højere plan end syntaks, forstået således at semantisk indhold (fx bestemte input/output relationer) er egenskaber ved en større netværksstruktur hvori der foregår syntaktisk operationer ("neuronernes" indbyrdes relationer). Syntaks er med andre ord sybsymbolsk.
  • Strukturen i netværket skal oplæres induktivt, og kan for en ny type net ikke fuldt ud specificeres på forhånd
  • Netværk kan have evnen til at tilpasse sig dynamisk til skiftende input

Konnektionisme er en primær del af det der kan kaldes "netværksparadigmet" inden for AI forskning, og står altså i modsætning til det "symbolparadigme" der kendetegner feltets klassiske orientering.

Eksterne links: