AI的任务就是确定和设计这种网络，并通过构造工作模型获得补充，而作为特例的人类心理也包括在这项(关注实际的和可能的心灵的)任务之中。如果把“网络”看作是真实的神经联结的近似形式，那么我们就得到一个广泛的联结论的研究纲领。由于被解释成神经活动高度抽象的理想形式，我们的主要着眼点是二值逻辑，而不是真正的细胞联结性和阈值，所以典型的传统AI是以数字式信息加工方式出现的。麦卡洛克和皮茨此文的研究成果对于这两种类型的AI研究都具有开创性意义。60年代后期，神经网络研究一度低落，部分原因是将只适用于一小类网络的批评作了过分的普遍化(Minsky and Papert 1969)。本书后面第11—13章所讨论的内容即是神经网络研究再度兴起后的成果，它(与AI和心理学中大多数联结论模型一样)并没有试图从构造上与可识别的神经联结相对映，这一艰巨任务常常是由神经科学家来承担的(见第14章)。
图灵关于可计算数字的文章(Turing1936)，对两种AI研究的途径来说，都堪称理论上的奠基之作，文中将计算定义为：应用形式规则，对(未加解释的)符号进行形式操作。“有效过程”—一种可严格定义的计算过程—的一般观念，是通过数学演算的例子来说明的，但是(正如麦卡洛克和皮茨所意识到的那样)，这就意味着，如果智能可以普遍地用在大脑中实现的有效过程来解释，那么一台普适的图灵机，或是某种与之近似的实际机器，就可以对其进行模拟。1950年时，图灵，还有其他人，已经制造出通用数字计算机，他们被用来模拟智能的某些方面。在“计算机器与智能”（第2章)一文中，他特地提出了这种机器能否思维的问题。
人工智能哲学
4