分布式表述的内在特性，使它能够完成某些很难用传统方式编程的计算。模式匹配即为一例，即使新模式与旧模式有某些差异，或者只是旧模式的一部分，匹配也能完成。因此，知觉识别、类比思维和族的相似性分类—对传统AI来说，每一个都是重大的障碍——对PIDP计算来说都不成为问题。PDP系统自然而然地具备了这些能力，不必通过事先规定大量个别规则，专门编程输入这种能力(虽然还得具有表示潜在基本特征的单元)。哲学家曾经引用这些心理能力，以论证不可能规定一组囊括所有这些能力的规则，因而AI不可能对它们作出解释。这种说法其实是把“AI”限定在它最早的形式之中，那时，每个程序符号表述的是某个可确认的概念，而不是“亚符号式”的微观特征。
关于传统AI和联结论AI之间的理论关系，存在着争议，即使是在联结论者内部也是如此。当然，所有联结论系统原则上都可以由冯诺伊曼机来实现。但是若撇开两种AI形式的这种非常抽象的原则上的等价不谈，关于它们在认知科学中的相互关系和用途对比，在看法上是有分歧的。正如A·克拉克在“联结论、语言能力和解释方式”（第12章)一文中所指出的，这些争议涉及两点：每一种方法建立特殊心理能力模型的适宜性，以及联结论性能模型的解释性地位。
就第一点而言，忠实干传统论的人往往认为，语言理解和分步推理所要求的计算形式，并不完全适合于联结论系统。作为联结论者，第11章的作者也同意这一点，他们认为，为了完成这些任务，PDP系统也许不得不模拟冯：诺伊曼机。也就是说，那些能有效完成这些计算的虚拟机是属于传统AI描述得最好的那种，虽然在大脑中这些计算的基本实现方式是联结论式的(参阅 Smolensky1988；Clark 1989)。从这个意义上说，AI的两个分支是互为补充的。
关于第二点，说法各异。例如，常有这种看法：联结论并不涉及心理过程，而是涉及心理过程的神经实现方式。然而，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作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。只有表现特殊神经回路和(或)突触相互作用的计算系统(如第14章中)，才是这个意义上的模型实现方式。
导 言
17