我之前已经问过另一个关于Hebbian学习的问题，我认为我得到了一个不错的答案并接受了它，但是，现在我意识到我对Hebbian学习的理解完全错了，我有点困惑。

那么，你能解释一下它有什么用处吗？因为维基百科和其他一些页面对它的描述似乎不太合理！为什么当输入和输出神经元同时激活时，我们要不断增加它们之间的权重呢？它能用来解决什么样的问题，因为当我在脑海中模拟时，它显然无法完成基本的AND、OR等操作（假设你将权重初始化为零，输出神经元永远不会激活，权重也永远不会增加！）

回答：

你的问题似乎更偏向理论，我不确定它是否适合SO，但由于它直接与神经网络相关，我会尝试回答。

当输入和输出神经元同时激活时，我们增加它们之间的权重，因为同时激活意味着它们之间存在某种关联。

让我们以逻辑函数为例。在AND函数中，你会有两个输入神经元。如果你的输入数据是(0, 0)，这意味着两个输入神经元都没有激活，输出也不会激活。因此，在这种情况下，你不需要强连接。

现在考虑输入(1, 1)。两个输入神经元都激活，输出也激活。为了学习这种对应关系，网络应该增加连接输入和输出的权重（记住，这基本上是将输入和偏置神经元相加的问题）。

最后，当输出是(1, 0)或(0, 1)时，由于输出是0，这告诉网络没有一个连接应该足够强到独自激活输出神经元。

希望这能解释清楚。