1705233210
1705233211
结合此前的颜色实验的发现，这些结果表明，原型在范畴的形成与学习的各个阶段都起着关键作用。
1705233212
1705233213
原型生物体与物体
1705233214
1705233215
原型最终要依靠到现在为止得到验证的范畴（颜色、形状）的感知特性，所以原型如果不是例外的现象也是非常有限的。在这一点上还存在争议。问题在于原型这一概念是否可以扩展到那些感知上不那么明显的实体上。诚然，红色与正方形都存在好样本与差样本。那么，狗、小汽车、房子是否也存在好样本与差样本呢？对Rosch和她的被试来说，是的。在一系列的实验中（Rosch 1973，1975改进版）她给被试（这一次是一些美国大学生）发出如下实验指令：
1705233216
1705233217
这一研究与我们用词指称范畴时脑子里出现的东西有关系。我们以“红”这个词为例。闭上眼睛，想像一下真正的红。现在想像一种橘红……想像一种紫红。尽管你可能还是用“红”这个词来命名橘红和紫红，它们却不是像那明显的“真”红那样的红（像“红”指称的实例那样明显）的好样本。简而言之，有的红比别的红更红。对于其他种类的范畴情况也是这样。就说狗吧。你们大家都有一些什么是“真正的”狗，什么是“更像狗的狗”的概念。对我来说，猎狗或德国牧羊犬是很像狗的狗，而北京哈巴狗则是不太像狗的狗。注意，这种判断与你喜欢该物的程度没有关系。［……］
1705233218
1705233219
（Rosch 1975：198）
1705233220
1705233221
剩下的指令要求学生们判断范畴成员的合格性（goodness）（或者典型性（typicality）），也就是说，决定BIRD（鸟）这个范畴中，麻雀、鹦鹉、企鹅和另外大约50个候选对象作为一个成员在多大程度上是合格的。合格性等级划分为7点刻度（1点表示很好的样本，7点表示极差的样本）。一共试验了10个范畴，除了BIRD（鸟）之外，还有FRIUT（水果）、VEHICLE（交通工具），SPORT（运动），TOOL（工具），TOY（玩具），FURNITURE（家具），WEAPON（武器）和CLOTHING（衣服）。
1705233222
1705233223
不可否认，Rosch的实验指令显示了对原型性概念的导向（“……有的红比别的红更红。对于其他种类的范畴情况也是这样”）。但这应该不会太多地影响实验结果。正像Rosch所强调的那样，这种等级划分实验容易为学生被试所接受，并且他们在什么是范畴的好样本和差样本上存在着高度的一致。为了对实验的结果有一个印象，图1.3列举了这10个范畴中五个范畴的最好的、近于中等的和最差的样本。
1705233224
1705233225
1705233226
1705233227
1705233228
★因为列举的项目总数在50和60之间变化，中间和最低等级的编号与原来所有的范畴等级并不一致。
1705233229
1705233230
图1.3 从Rosch的样本合格性等级实验中选出的一些样本（Rosch 1975）
1705233231
1705233232
这种合格性等级在使用了“预供信息”技术的匹配实验中（Rosch 1975）也得到了证实。在其中的一个实验中，被试从一个屏幕上看到名称或图画的配对。当项目的同一名称或图画配对出现在屏幕上时，被试必须摁一下“同一”键（比如，一个类似鹰—鹰这种词的序列或者两张同一只鹰的图画）；以此来测定内容的出现与被试作出反应之间的时间（范围介于500毫秒到1000毫秒之间）。屏幕上内容出现前两秒钟，把范畴的名称（在这个实例中是鸟）作为预备信息提供给被试，这样，被试“预供”了范畴名称（还有一个对照组进行非预供信息的实验）。这个实验的假设是：范畴名称的预备知识会影响执行匹配任务的速度，并且会以不同的方式影响好样本与差样本的匹配。信息预供的确有双重效果，很好地证明了合格性等级。预供信息的被试对于已经列入好样本（词和图画）项目的同一配对作出的反应更快。相反，当涉及差样本时，信息预供却降低了反应的速度。信息预供对合格性等级居中的样本配对的反应没有明显的影响。如果我们此刻还没有在对范畴认知表征的思考中迷失，那么，我们仍然可以支持Rosch的观点：由预供的范畴名称唤起的预备信息最容易应用到好样本；麻雀、橙子、小汽车（美国英语中的automobile）与BIRD（鸟）、FRUIT（水果）和VEHICLE（交通工具）这些范畴名称所唤起的预期完全吻合。然而，这种预备信息对差样本同一配对却是没有帮助的。事实上，当被试面对企鹅、橄榄、独轮车这些至多只能放在BIRD（鸟）、FRUIT（水果）和VEHICLE（交通工具）这些范畴边缘的配对时，带有范畴名称的信息预供反而会迷惑实验中的被试。
1705233233
1705233234
好样本、差样本和范畴边界
1705233235
1705233236
正如颜色、形状、鸟和交通工具的范畴化所表明的那样，范畴成员身份区分，并非如长期以来哲学家与语言学家所假定的那样，非此即彼。相反，正如为实验中的样本合格性等级划分、识别、匹配和学习任务所证实的那样，范畴成员身份包含了不同程度的典型性。
1705233237
1705233238
Rosch主要想证明范畴是围绕原型形成的，原型起着参照点的作用。至于范畴的边界，Rosch留给我们的印象是，在范畴边缘之外的某一个不确定的点上或区域上，范畴以某种方式淡出，以至于无。这并非以某种幼稚的方式谈论范畴时的想法。在一般的情况下，我们倾向于把范畴想像成一些箱子、抽屉或某类有围墙的院子——当然是一些有边界的事物。就范畴BIRD（鸟）而言，即使可能需要一点儿动物学知识，确定边界的位置似乎还是非常容易的。
1705233239
1705233240
然而，当我们跟着哲学家Max Black来思考他发明的想像中的“椅子博物馆”时，我们的这种信心就会随之渐渐减弱。按照Black的说法，这个博物馆包括：
1705233241
1705233242
一系列质地差别极不明显“椅子”。在包括也许是上千个展品长列的一端，可能是一把Chippendale牌椅子，而另一端，是一小块没有明显特征的木头。任何“正常”的参观者在观察这个系列时都会发现要在椅子与非椅子之间“划一条界线”是极端困难的。
1705233243
1705233244
（Black 1949：32）
1705233245
1705233246
Black对他的椅子博物馆的解释表明，聚集在一起的椅子可以并且应该看作是一个在椅子与非椅子之间存在一种过渡地带而不存在明确边界的连续统一体。这种观点与我们本章开头时的观察好像是相冲突的。本章的开头认为，像房子、书、椅子这些具体事物的边界是得到明确的界定的，而且很容易识别，而模糊边界与过渡地带只限于像膝盖、雾和山谷这类项目以及像长度、温度和颜色这类阶（scale）。
1705233247
1705233248
在这儿，我们必须谨慎，不要混淆了两种不同类型的边界和过渡地带。一种过渡地带来自这种观察：有的具体实体在现实中没有明确的边界——膝盖及身体的其他部分，这也适用于雾、雪和类似的天气现象及像山谷或山这种地貌。然而，在Black的椅子博物馆中，参观者面对的却是一种不同的过渡带，因为博物馆中的每件展品都是有绝对明确界限的实体。在椅子博物馆中，相互融合的不是实体而是实体的范畴，而这些范畴则是认知分类的结果。因此，模糊的不是实体的边界而是这些认知范畴（在这儿是椅子与非椅子）的边界。为了区别这两类不同的模糊，我们将把术语“含糊实体”（vague entity）和“含糊性”（vagueness）限用于第一类（膝盖、雾、山谷）而把术语“模糊范畴边界”（fuzzy category boundaries）和“模糊”（fuzziness）限用于第二类，也就是CHAIR（椅子）等等的范畴边界。
1705233249
1705233250
然而，因为事实上存在着含糊性（vagueness）和模糊性（fuzziness）的重合，这个问题甚至更复杂。这对于第二类实体就是这样，正如哲学家Willard Quine所观察的那样，他发现MOUNTAIN（山脉）这个范畴：
1705233251
1705233252
在包括了多少地带以后才能算是毋庸置疑的山脉这一点上是含糊的，而在高到多大程度的高地可算作是山的范围这一点上也是模糊的。
1705233253
1705233254
（Quine 1960：126）
1705233255
1705233256
换言之，山这类实体之所以是含糊的，是因为作为单个的实体，它们的边界是没有明确界限的；而认知范畴MOUNTAIN（山）（或者KNEE（膝盖）、FOG（雾））之所以是模糊的，原因在于它也没有明确的边界。
1705233257
1705233258
总之，我们可以说，我们对范畴化的认知背景更深入的理解大大改变了我们原来把实体三分的看法，那种基于一种“朴素的现实主义”(6)的看法把实体分为三类：（一）边界明确的生物体和物体、（二）有含糊边界的实体和（三）按阶（scale）区分的实体。从认知的角度看，这些区分和由此而引发的对含糊性的讨论是次要的。重要的是所有种类的实体和像颜色这种自然现象是根据原型范畴在概念上进行组织的，而原型范畴的边界不像是明确的，而是模糊的。
1705233259