联结主义范式假定人类智能的基本单元是神经元，认知过程是由神经元构成的网络信息传递实现的，并且这种传递是并行和分布式的。其原理主要是神经网络及神经网络间的连接机制与学习算法。从这个意义上说，联结主义相比于物理符号主义来说，更接近于人脑神经活动的机制和过程。而且，联结主义模型在特征提取、模式分类、联想记忆、低层次感知、自适应控制等场合，优势更为明显。例如，联结论的模型既没有中央处理器（CPU），也没有存储程序；它的知识表征和语义获得是在外部输入和输出的双重调节下，经过内部隐含层的权重改变而获得的。因而，联结论的知识表达一直处在动态过程当中。这个动态过程我们可以看作是一个经过学习和训练而形成的自我执行过程。因此，联结主义计算机通过使用一系列的指令控制某些计算过程，而有别于传统计算机的“程序”概念。[4]目前，人工神经网络研究不仅向综合性发展，而且越来越与其他领域密切结合起来。如把多层感知器与自组织特征联系起来，发展出性能更强的结构。尽管如此，联结主义的研究范式和模型仍然与真实的人类智能和大脑有相当的距离。这种距离表现在，神经元与计算机的单个单元并不是完全对应的；人脑并不总是具有联结主义模型的表现；许多联结主义的模型都有很多不同的功能层次，但是大脑似乎有着更为复杂的物理—几何分层、连接和投射机制等。就规模来说，人脑所具有的神经元联结权重也是计算机网络完全无法比拟的。在这种情况下，“尽管联结论在总的方面是关心生物学上的可实现性的，但是大多数联结论系统所做的并不是神经实现方式的模型，而是抽象定义的信息处理的模型”[5]。