Коннекционизм описывает класс моделей, которые симулируют поведение нейронных сетей, состоящих из множества простых, сильно связанных между собой единиц.
Эти единицы, часто называемые узлами, взаимодействуют через взвешенные связи, которые могут быть изменены в процессе обучения.
Коннекционистские системы обычно обучаются путём настройки весов связей для отображения входных данных на выходные.
Известные примеры — перцептрон или многослойные нейронные сети.
Этот подход противопоставляется символическим методам ИИ и подчёркивает распределённые представления и параллельную обработку.