connectionism
connectionismは、人間の脳の構造を模したニューラルネットワークを用いて、知能や学習の仕組みを説明しようとする理論的な枠組みです。従来の人工知能が、あらかじめ定義された厳格なルールや記号的な操作に基づいていたのに対し、connectionismは単純な処理ユニットが大量に相互接続され、その結合強度（重み）が変化することで学習が行われるという動的なプロセスを重視します。
記号主義との対比
認知科学における伝統的なアプローチであるsymbolism（記号主義）が、思考を記号の操作として捉えるのに対し、connectionismは分散表現という概念を用います。つまり、情報は特定の単一の場所に保存されるのではなく、ネットワーク全体の接続パターンとして分散して保持されます。これにより、一部のデータが欠損していても、近似した情報を導き出せるという柔軟な特性を持っています。
現代の人工知能への影響
このアプローチは、現代のディープラーニング（深層学習）の直接的な理論的基盤となっています。例えば、大規模言語モデルなどの現代的なAIは、膨大な数のパラメータを持つネットワークを通じてパターンを学習しており、これはまさにconnectionismが提唱した単純なユニットの相互接続から複雑な現象が生じるというモデルを大規模に実装したものです。
意味
精神的または行動的な現象を、単純なユニットが相互に接続されたネットワークから生じるプロセスとしてモデル化する、人工知能および認知科学へのアプローチのこと
The researcher argued that connectionism provides a more biologically plausible model of human memory than symbolic AI.
研究者は、コネクショニズムが記号的人工知能よりも、人間の記憶について生物学的に妥当なモデルを提供すると主張した。