作者根据COVIS模型提出，分类学习有着2个不同的类别学习——基于规则的类别学习（rule based）以及信息整合的类别学习（information - integration）。基于规则的类别学习指学习者学习一种可以用语言来表述的规则；而信息整合的类别学习则依赖内隐的程序学习（非语言，不容易表达）。作者用光栅实验图来解释了2种任务：

*图为一个光栅分类实验，被试按照每个⚪内的线段进行分类。垂直线为分辨AB类的最优边界解（下图的对角线同理）。但不同的是，对于上图，被试能很快地学习并口头表述出分类规则——线段粗细度小于垂线的为A，反之为B；而下图中，被试要整合2个维度的信息（粗细与方向），且很难由口头表述出来。

基于上述的任务分类，作者提出了2个竞争的学习系统——基于逻辑推理和工作记忆的外显系统，以及发生于神经中枢、不能用语言来清晰表达的程序学习的内隐系统。外显系统可以根据简单规则来分类，能够迅速地学习一个简单的类别结构（尤其是能够经过外在推理推广学习的），并且整个过程是有意识进行的；而内隐系统则往往是人在分类时无意识启用的，它可以学习变化广泛的类别结构，但是学习很依赖正确且及时的反馈。

外显系统的神经机制：

（黑色箭头=兴奋性投射、灰色箭头=抑制性投射、浅灰色箭头=多巴胺 能投射、VTA=腹侧被盖区、SN=黑质致密区、CD、尾状核、GP=苍白球、MDN、内侧背核（丘 脑）、PFC=前额叶皮质、ACC=前扣带回皮质、HC=海马。）

作者提出了显性系统的神经机制模型，该模型的关键部分是前扣带回,前额叶皮层(PFC)和尾状核的头部，这些区域是执行注意和工作记忆的功能区，在基于规则的类别学习当中会被激活。皮层单位将兴奋性信号发送到外侧PFC的工作记忆单位，后者将周期性的兴奋性信号发送回相同的皮层单位，从而形成一个混响回路（reverberating loop）。一旦形成一个新的规则，其表示的形式就会在自身的混响回路中保留。

在形成自身的规则后，外显系统的下一个任务就是将注意力转移到编码新规则上面。在基于规则的任务中,人们要不断进行假设检验，因此在切换模型时对注意做出新的假设至关重要。在COVIS中，从旧规则到新规则的注意转移是通过减少PFC对尾状核头部的兴奋性输入来介导的。而这种失活将导致苍白球的激活,使其恢复到高基线水平,这反过来又会抑制丘脑,从而打破皮质-丘脑回路。从PFC到尾状体头部的兴奋性投射（excitatory projection）代表一个能够介导注意转换的对象，在人有意识地控制下可以减少这种投射来启动注意，这会减少尾状核的输出，增加丘脑的皮层抑制，从而破坏在当前注意中维持规则的工作记忆的回路。

外显知识的长期储存：

COVIS认为，显性系统获得的范畴知识的巩固和长期表示是由内侧颞叶结构,特别是海马介导的，从PFC到海马的投影被认为是介导从工作记忆到长期陈述性记忆表示的转变途径。内侧颞叶的陈述性记忆系统可能在复杂的基于规则的任务中发挥更突出的作用。当有许多可供选择的显式规则需要考虑时,通过所有这些可能的规则进行排序的过程可能超过工作内存的容量。在这种情况下,可能需要情景记忆和语义记忆来帮助受试者 跟踪哪些规则已经被测试和拒绝。

内隐系统（程序学习procedural-learning）

内隐系统的神经机制：内隐系统相关的脑区主要在感觉新皮层和纹状体，它们分别对应不同的类别学习任务。

图为COVIS内隐系统的神经机制，实心圆为兴奋性投射，空心圆为抑制性投射，虚线为多巴胺功能投射（但是图上虚线好像没有啊）。该机制的关键结构是尾状核（CAU），通过程序性学习过程，每个尾状核单元将一个抽象的运动程序与一大群视觉皮层细胞相关联。COVIS 假设尾状细胞的程序性学习是由来自黑质(SN)的多巴胺奖励信号促进的，尾状体尾部的中刺细胞将投射到各种前额叶和运动前皮质区域。这条通路上有两个突触。 第一个突触位于苍白球（GP），是基底节区的主要输出结构；第二突触在丘脑（TH），主要在腹侧前核细胞（VAMC）旁。

图为视觉皮层的锥体细胞轴突与尾状核内中等刺细胞的树突之间的突触的特写图（来自视觉皮层的谷氨酸投射和来自黑质的多巴胺投射都是在尾状核细胞树突棘上的突触）。视觉皮层细胞的轴突释放谷氨酸(Glu)到尾状核的中等棘细胞的树突棘上。黑质多巴胺细胞也投射到中棘细胞上，当奖励性刺激出现时会释放多巴胺(DA)到同一个突触。

*LTP三因素模型，为了加强图中显示的突触作者提出了LTP三因素模型。大部分研究认为，要增强该类突触有3个加强因子：（1）强突触前激活，（2）强突触后（即 NMDA 受体）激活，（3）释放多巴胺。根据COVIS模型,如果视皮层细胞最大程度地平衡所呈现的刺激(因子1和2),并且被试能够正确反应(因子 3),则视皮层细胞和尾状中的中刺细胞之间的内隐系统中的突触就能被加强；另一方面,如果缺少因子2或3，则突触的强度将减弱。因此，该模型预测，任何负责主体发出错误反应的突触都会被削弱，同样，任何由视觉皮层中不编码刺激的知觉表征的细胞驱动的突触也会被削弱。

COVIS中显性系统和内隐系统间的竞争

COVIS模型认为，显性系统和内隐系统是独立学习的，而分类学习的结果则是二者为能够观察到的反应而竞争的结果。在类别学习的过程中最初是言语系统（显性系统）占极大优势（甚至可以说最初是完全依赖于言语系统），而当言语系统对行为预测的准确性比内隐系统更差时内隐系统就会更加占据优势。

基于规则的分类与信息整合的分类学习

经过大量的行为和认知神经科学的实验测定，对于COVIS模型的两个系统，反馈的性质和时间对信息整合分类任务的影响极大——该类任务由于分类规则难以用语言描述且要对多个维度进行整合，一般认为是基于内隐系统的任务；另一方面，对基于规则的分类任务却没有太大影响——该类任务由于分类规则简单易描述，通常认为是基于显性系统。

相似的结果也体现在了观察性学习和反馈学习任务当中。例如，在响应键切换实验当中，转换反应手和响应键对信息整合式学习的被试有着很大影响，然而规则式学习的被试基本不受影响。许多实验也表明了信息整合任务和程序学习之间的联系要远复杂于规则任务（规则任务于程序性学习基本没有关联）。

另外，各项实验也体现工作记忆和执行性注意在规则任务之中影响很大，反而在信息整合任务中没有影响。总得来说，各项实验都支持了在2类任务中，COVIS模型的两个系统的运作有很大的独立性，单独任务的分类学习很大程度上是由分离的单独系统介导的，神经影像技术也提供了较为充分的证据。