Murphy, G. L. (2016). Is there an exemplar theory of concepts?. Psychonomic bulletin & review, 23(4), 1035-1042.
概念的两个主要理论是原型模型和范例模型。
原型模型是基于类别中常见的属性对类别进行概要描述。它们包括基于特征的模型和网络模型。由规则形成的类别也是概要描述，因为规则将类别描述为一个整体。
范例模型是通过对实例（范例）的记忆来表示类别，这些实例用其类别名称标记。研究表明，“实例”不是类别成员，而是与类别成员的相遇。也就是说，如果您遇到三次鼠标（将其识别为鼠标），那么就其对以后分类的影响而言，实际上就是三个范例。
范例理论的一个来源是辨别学习。理论上，范例模型在类别学习实验中似乎最有意义，在类别学习实验中，大量的样本在分类任务中反复出现。在这种情况下，个体样本以及它们的分类被记住似乎是合理的。此外，当类别较小且结构不良，原型无法满足类别学习需求时，此类过程的证据似乎也最有力 。
范例理论的另一个来源是通过完全不同的原理和实验范式产生的。Lee Brooks（1987）指出，特别突出和熟悉的示例可能会影响分类，而不会超出任何类别描述。他对新颖类别的实验通常涉及对几个示例的深入研究，然后证明这些示例即使在这种影响有害的情况下也会影响新颖项目的分类。在这些实验中，人们学习了类别规则（不是原型）和特定的示例。记忆类似的例子可以克服规则的使用。
作者将以上分类学习实验所产生的两种方法区分开来，称Medin-derived models 范例模型 和 the Brooks-like demonstrations 范例效应。文章认为Brooks的范例效应本质上是内隐记忆的例子，其中先前的经验影响了后来的判断。
尽管这范例模型很可能很好地描述了许多（非全部）类别学习实验，但是对于如何将模型应用于现实世界中的类别学习和概念使用仍有许多疑问。同时，该理论的支持者似乎并未尝试将其应用扩展到范畴学习实验之外的概念心理学中的其他主题。因此，文章认为当我们理解概念是世界上事物的整体表现时（包括计划、推理、交流、学习和所有概念应该涉及的事物），事实上是没有概念的范例理论。心理学家经常做的分类学习实验有一个范例理论，但是这种实验是探索理论的工具，它们不是我们在发展概念理论时试图解释的实际行为领域。
文章讨论了概念心理学中的一些基本现象，并询问每个现象是否都有范例解释，以及这种解释是否合理。在许多情况下，问题不在于该理论不正确，而是根本没有提出说明。然而在每种情况下，都已经提出（或可以立即设计出）某种原型模型来解决该现象。
概念现象
1 层次结构Hierarchical structure
1）范例模型难以建立分层结构
在原型理论中，层次结构可以用概念之间的联系来表示，也可以通过范例特征的推断来表示。然而，在范例理论的背景下，不清楚如何表示层次结构本身。
①基于范例理论，表示等级最简单的方法是对每个示例及其所有类别进行编码。然而，这相当低效。②现实环境下无法实现在实验中范例模型的标准做法，无法检查每个示例以查看其属于哪些类别。③考虑部分重叠作为等级关系的证据？问题在于，这种部分重叠也会在不具有等级关系的类别中发生。因此，很难看到如何用范例来表示概念层次，以及人们如何根据层次结构得出推断。
作者知道的采用范例方法检验等级组织类别的唯一研究是Palmeri（1999）。但是，他通过制作两个单独的模型来避免了刚才提到的问题：一个模型在一个级别上学习了类别，而另一个模型则在更高级别上学习。因此，实际上，没有一个模型代表层次结构或不同级别上类别之间的关系。反之，Palmeri的解决方案进一步表明了范例模型难以建立层次概念。
2）范例理论难以解释基本层次basic-level的优势
原型理论归因于抽象属性的上级分类的缓慢性和一般类别的模糊性根本不适用于范例理论：没有抽象属性，只有记忆的具体范例。而范例的提醒效果似乎也只能在高度相似的情况下起作用（Thibaut＆Gelaes，2006）。
因此，目前尚不清楚，范例模型如何提出代表层次结构以及学习和类别使用中的基本层次优势。虽然没法证明它不能这样做，但是问题是，该理论解释在哪里？类别的等级性质从1976年开始就被人们永远了解，其基本层次也已被广泛了解。如果有概念的范例理论，那么它对所有教科书中这些非常熟悉的现象的解释是什么？
2 知识效应Knowledge effects
概念是我们获取信息的途径，并这些信息其应用于周围的对象和事件。原型理论通过其本质来描述对象类别以及通过链接不同概念实体之间的关系直接表示该知识。范例更隐含地表示这些知识，通过体现各个实例的经验，从中可以推断出一般性。
概念不仅包含世界知识，还根据我们的其他知识来形成和处理概念。在知识效应领域中提到的知识几乎总是一般性的知识，即，关于某一类别或一组拥有某种属性的对象的知识。
原型很容易表示这种常识，因为它们是实体的整个类的描述，因此可以包含有关这些实体的概括。其他知识可以通过层次推理或涉及一般属性的因果推理进行推理。将概念表示为一般性描述不会对构造此类解释造成任何问题。
范例理论并不根据定义存储概括，而是通过某种处理来产生概括。例如，它并没有说羽毛是鸟类的重要属性，但是这一事实隐含地代表了大多数以羽毛为代表的鸟类样本，以及其他很少有羽毛的动物概念。结果，有羽毛的新样本很可能被归类为鸟类，因为它与记忆中标为鸟的事物比其他事物更相似。
但是，这种知识表示方法存在两个主要问题。①如何表示与范例经验无关的知识？②尚不清楚哪种推理过程将使人们能够使用范例知识对概念进行特定的预测或概括。大多数范例模型关注分类，但不提供用于特征推断的标准机制。此外，鉴于我们应用的许多知识都是基于特征关系的，因此尚不清楚范例模型如何表示和使用该知识。
虽然不能说范例表示在某种程度上与所有这些知识效应都不相容，但问题在于根本不知道范例理论将如何解释它们。而且研究这些问题的人几乎从未谈论过范例，而从事范例理论的研究者几乎从未谈论过知识或他们的概念表示如何解释知识效应。
3 感应Induction
具有概念的目的是进行归纳。我们不需要概念来回忆遇到的单个实例的事实；我们需要概念以便了解并预测新的对象和情况。有许多基于类别的归纳法（CBI）的研究。
用于解释归纳的范例理论的许多问题是上述问题中固有的。CBI的许多研究都涉及将属性从一个或多个前提（premise）类别转移到结论（conclusion）类别。前提通常被普遍量化，但是范例表示并没有包括普遍量化的信息（可以轻松地附加到每个范例）。例如，如果灰熊和棕熊爱洋葱，那么所有熊爱洋葱的概率是多少？一个人对灰熊的样本表示并不包括每只熊都喜欢洋葱的信息，也不太可能将这些信息轻易地附加到每只熊上。
对CBI的研究表明，两个变量在此类问题中很重要。①前提和结论类别之间的相似性会影响属性归纳的程度。范例理论可以通过计算前提类别的范例与结论类别的范例的相似性来解决这个问题。但如果是这样的话，范例过少或过多都会影响计算。②前提类别对其上级类别的覆盖率。对于多个前提，类别越能覆盖整个上级类别，则推断将越强。因此，当前提类别不同时，推理会更强，因为它们在总体上将与其上级类别更为相似。这种效果与范例模型通过测试项目与学习范例的相似性来解释类别现象的总体目标不一致。假设覆盖率很重要，范例模型将如何计算？真正的范例模型必须将这些类别中的范例进行比较，对于大型类别和多个前提，这在计算上是不现实的。
另一个问题是特征和类别的内容很重要。Heit和Rubinstein（1994）发现，属性的性质改变了感应强度。然而，不能依靠任何依赖于范例相似性的解释来解释这个现象，因为对于范例来讲，属性性质改变与否在归纳中都是相等的。Rehder（2009）讨论了证归纳基于特征之间的因果关系。他还发现，当因果联系可以解释归纳时，归纳问题中的示例之间的相似性几乎没有影响。这与范例模型的一般机制相反，后者基于项目之间的相似性。在所有这些情况下，在归纳过程中都会访问某种通用信息，并且此类知识是概要表示。
似乎不存在CBI的范例模型。尽管CBI某些模型在某些方面是特定于任务的，但就其对类别表征而言，它们是指与类别相关的特征，与知识相关的特征以及其他概要表征。
虽然不能否定范例模型解释类别归纳的可能性，但问题在于，基于类别归纳的范例理论在哪里？当这个领域中普遍存在的知识效应被引入时，范例理论如何解释结果，目前还没有现成的理论可供评估。
4 其它
关于概念的许多研究与范例理论所关注的标准类别学习研究有很大不同。
1）在概念发展的研究中，重点是诸如儿童如何基于很少的证据来归纳类别，归纳中使用类别以及单词学习等主题，这些都没有用范例知识来表述。概念发展是一个大而复杂的领域，因此无法就范例表示来对它的结果进行解释。但是，范例理论似乎并没有对这一大领域取得重大进展。
2）概念也与单词的语义表示密切相关。但是，在心理语言学文献中，范例理论的影响也很小。是否有一个范例提出了我们如何在上下文中解释单词或如何选择要说出的单词？这一领域的理论大多都是基于描述的，即单词与描述单词所指事物的语义属性相关联。
结论
文章的结论是：实际上并没有一个概念性的范例理论。
在某些实验情况下，类别学习的范例理论有很强的支持力，也有充分的证据表明特定的显着样本可以影响一个人的分类。但是，没有一个完善的概念范例模型作为一个整体来解决自然概念的广泛现象。
对于这种差距有两种明显的解释：①很难设计这样的理论，②范例模型的支持者没有将注意力转移到类别学习之外的问题上，而研究其他主题的研究人员由于某种原因而忽略了范例模型。但是，一般知识和层次表示理论并不是概念理论可能忽略的琐碎问题。如果构建直接解决这些现象的范例模型很容易，作者认为它们将被构建。
