这一学派的代表作者首推布鲁克斯(Brooks)的六足行走机器人,还有spot狗狗机器人,它被看作是新一代的“控制论动物”,是一个基于感知-动作模式模拟昆虫行为的控制系统。
感知机可以被视为一种最简单形式的前馈式人工神经网络,是一种二分类的线性分类判别模型,其输入为实例的特征向量(x1,x2...),神经元的激活函数f为sign,输出为实例的类别(+1或者-1),模型的目标是要将输入实例通过超平面将正负二类分离。
1974年,哈佛大学沃伯斯(Paul Werbos)博士论文里,首次提出了通过误差的反向传播(BP)来训练人工神经网络。
BP算法的基本思想不是(如感知器那样)用误差本身去调整权重,而是用误差的导数(梯度)调整。通过误差的梯度做反向传播,更新模型权重,以下降学习的误差,拟合学习目标,实现“网络的万能近似功能”的过程。
人类具有智能不仅仅是因为人有大脑,并且能够保持持续学习。机器要想更“智能”,也需要不断学习。符号主义靠人工赋予机器智能,连接主义是靠机器自行习得智能,行为主义在与环境的作用和反馈中获得智能。它们彼此之间扬长补短,随着人工智能研究的不断深入,这三大学派会融合贯通,共同合作创造出了更强大的人工智能。