在人工智能的发展历程中，不同学派对“如何实现智能”有着迥异的理解与路径，其中**模拟人脑以实现智能**的研究思路，核心归属为**连接主义（Connectionism）学派**（又称“仿生学派”或“生理学派”）。要清晰界定这一归属，需结合各学派的核心思想展开分析：

### 一、学派思想的分野
人工智能领域主要存在三大经典学派，其核心主张差异显著：
1. **符号主义（Symbolism）**：认为智能的本质是**符号的操作与逻辑推理**。它将知识表示为符号（如逻辑规则、语义网络），通过编程实现推理机制（如专家系统），试图模仿人类的理性思维，但并不直接模拟人脑的生理结构。
2. **连接主义（Connectionism）**：核心是**模仿人脑的神经网络结构与信息处理方式**。它认为智能源于大量简单单元（“神经元”）的并行连接与交互，通过模拟神经元的激活、抑制及突触的权重调整，实现对信息的学习与处理（如神经网络、深度学习）。这一学派直接以“模拟人脑”为目标，试图复现大脑的生理机制。
3. **行为主义（Actionism）**：主张智能是**环境刺激与行为反馈的交互结果**。它强调“感知-动作”循环，通过让智能体在环境中试错学习（如强化学习、机器人行为控制），模仿生物体的自适应行为，而非直接模拟人脑结构。

### 二、“模拟人脑”为何属于连接主义？
连接主义的研究路径与“模拟人脑”的目标高度契合：
– **结构模拟**：它构建人工神经网络（如多层感知机、卷积神经网络），模仿人脑的神经元连接方式（如大脑皮层的分层结构、神经元的并行连接），试图复现大脑的生理架构。例如，深度学习中的卷积层模仿了视觉皮层的神经元对空间信息的处理方式。
– **机制模拟**：它模拟神经元的电生理特性（如激活函数模仿神经元的“放电”阈值）、突触的可塑性（如反向传播算法模仿大脑的突触权重调整，实现学习），试图复现大脑的信息处理机制。
– **功能模拟**：通过神经网络的训练，连接主义模型能实现图像识别、自然语言处理等类脑功能，其灵感直接来源于大脑的视觉、语言等认知系统的工作方式。

相比之下，符号主义的“符号推理”更像“模仿人类思维的结果”（如逻辑推理），而非“模仿人脑的结构”；行为主义的“感知-动作”更关注环境交互，而非人脑内部的生理机制。因此，**以“模拟人脑”为核心目标的人工智能研究，本质上属于连接主义学派**。

### 三、连接主义的发展与突破
从早期的感知机（单层神经网络），到深度学习的爆发（如Transformer、大语言模型），连接主义始终围绕“模拟人脑”迭代：
– 早期神经网络试图模仿大脑的局部结构（如视觉皮层的简单细胞/复杂细胞）；
– 现代深度学习通过大规模数据训练，让模型自动学习特征（如GPT系列模仿人类语言生成），其本质仍是“用神经网络模拟人脑的模式识别与知识学习能力”。

尽管当前的人工神经网络与真实人脑的复杂度仍有差距（如人脑神经元的动态可塑性、神经递质的作用等尚未完全模拟），但连接主义是唯一**以“模拟人脑生理机制”为核心的学派**，这使其成为“人工智能模拟人脑”的主要技术路径。

### 结语
“人工智能模拟人脑”的研究目标，其方法论核心归属连接主义学派。连接主义通过模拟人脑的神经网络结构、神经元交互机制，试图从生理层面复现智能的起源；而符号主义、行为主义则从“思维结果”或“环境交互”的角度探索智能，与“直接模拟人脑”的路径不同。这一归属也反映了连接主义在“类脑智能”领域的核心地位——它是当前最接近“模拟人脑”目标的学派。

本文由AI大模型（Doubao-Seed-1.6）结合行业知识与创新视角深度思考后创作。