> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 歸納推理

> 歸納推理是從具體觀察推出一般結論的思考方式。了解其起源、工作機制、應用場景，以及為何永遠無法給出確定性。

<Info>
  **類別**: 思維<br />
  **類型**: 推理方式<br />
  **來源**: 亞里斯多德（*epagōgē*）；休謨問題，1739 / 1748<br />
  **別名**: 歸納、歸納推斷、枚舉歸納
</Info>

<Note>
  **快速回答** — **歸納推理**（Inductive Reasoning）是從並不蘊含結論的具體觀察，推出一般規則或尚未見到的下一例。亞里斯多德稱這一步驟為 *epagōgē*；大衛·休謨在 1739 年與 1748 年指出，它既不能被邏輯證明，也不能靠「再歸納一次」來證明。核心啟示很簡單：歸納是我們從經驗裡學習的方式，但一疊案例永遠變不成擔保。
</Note>

## 什麼是歸納推理？

**歸納推理**（Inductive Reasoning）是從具體觀察推出一般主張、或推出尚未見到的下一例；這些觀察為真，並不強迫結論為真。

> 太陽明天將不升起，這個命題同樣可以理解，它所蘊含的矛盾並不比「太陽將會升起」更多。

你在同一攤位嘗了三顆芒果，都是甜的。你會期待第四顆也甜，甚至會說「芒果都是甜的」。三次品嚐並不*蘊含*第四次，更不蘊含整個物種。結論比證據多走了一步。多出來的這一步，既是歸納有用之處，也是它危險之處。

演繹把結論留在前提之內：若所有芒果都甜，且這是一顆芒果，則這一顆是甜的。[溯因推理](/zh-hant/thinking/abductive-reasoning)問的是：什麼能最好地解釋這份甜。歸納走相反方向：從這些例子，我們該對其餘的抱什麼期待？它是[經驗主義思維](/zh-hant/thinking/empirical-thinking)的日常引擎，但不是證明。

### 歸納推理的三層理解

* **入門**：見過幾例相似的情況後，你會期待下一例也一樣。日常線索是第四顆芒果，或連續四個早晨都晚點的公車。
* **實踐**：先寫下樣本，再去找能打破規則的例子。同類重複不如條件更雜的混合樣本；一個清楚的反例，重過一堆重複的順例。
* **進階**：歸納是*擴展性的*：結論超出前提。你不能靠「過去這樣歸納都管用」來為這一躍辯護，那是循環論證。穩妥的做法是把規則當成有待檢驗的賭注，常用[貝葉斯思維](/zh-hant/thinking/bayesian-thinking)來更新，而不是當成已經閉合的定理。

## 起源

古典名稱是亞里斯多德的 *epagōgē*：從個別進展到普遍。他在《前分析篇》裡甚至試圖把完整枚舉寫成一種三段論。後世把這看作「歸納」的祖先，儘管亞里斯多德自己對這個詞的用法，比現代推理規則更寬。

**弗朗西斯·培根**在《新工具》（1620）裡抨擊這種祖先的懶惰形式。簡單枚舉——把已經到手的「是」加總——他稱為幼稚，因為一個反例就能毀掉它。他要求用存在表、缺失表和程度表，再做排除，讓心智從個別升到中間公理，而不是直接跳到最高口號。

**大衛·休謨**切得更深。在《人性論》（1739）第一卷第三部分第六節，以及《人類理解研究》（1748）第四節，他問：從已見表例到未見事例，憑什麼走得通？證明做不到：事實的反面仍可設想。經驗也做不到，除非預先假定未來會像過去，而這正是有待證明的那一步。休謨說，我們仍然會走這一步，靠的是習慣。這個死結就是歸納問題。

**約翰·斯圖亞特·穆勒**的《邏輯體系》（1843）試圖給這一躍加上方法：求同、求異、剩餘、共變。**查爾斯·桑德斯·皮爾斯**後來把探究的分工拆開：溯因發明假說，演繹推出後果，歸納用新事例檢驗。**卡爾·波普爾**在《研究的邏輯》（1934；英譯本《科學發現的邏輯》，1959）中否認科學建立在歸納之上。科學是猜想，然後試圖反駁。分歧至今還在：從業者仍從資料裡概括；哲學家仍在爭論這種概括值多少。

## 核心要點

當你必須超出手裡的檔案時，歸納推理才掙到自己的位置。若把多走的那一步當成已經證明，它就會失效。

<Steps>
  <Step title="從案例出發，並給這一躍命名">
    先寫下所見，再寫下超出所見的主張。「這四個班用交錯練習學得更快」是紀錄。「交錯練習有效」是歸納。給這一躍命名，是為了不讓紀錄悄悄變成定律。若說不出哪些例子你還沒見到，你就不是在推理，而是在造口號。
  </Step>

  <Step title="更看重多樣性與反例">
    培根的警告仍然有效。十個都喜歡某功能的同類使用者，資訊量不如五個喜歡、兩個能說出討厭理由的使用者。去找相反的攤位、另一家診所、尚未抽樣的季節。[科學方法](/zh-hant/methods/scientific-method)把這一點寫成設計規則：好的檢驗，是本來也可能得出相反結果的檢驗。
  </Step>

  <Step title="讓結論停在可能，不要停在必然">
    更大、更乾淨、更多樣的樣本可以提高信心。它填不平休謨標出的那道縫。明天的太陽、下一顆芒果、下一位患者，仍是事實問題。[機率思維](/zh-hant/thinking/probabilistic-thinking)是這裡誠實的語法：談比率與區間，不要談「總是」。
  </Step>

  <Step title="不要把模式誤當成原因">
    歸納可以說「這兩件事一直一起出現」。[因果思維](/zh-hant/thinking/causal-thinking)問的是：如果你干預，什麼會變。夏季冰淇淋銷量與溺水一起上升。共同的熱，並不寫在銷量裡。下一步若是政策，你需要機制、時間順序或對照，而不是把同一組配對再列長一點。
  </Step>
</Steps>

## 應用場景

當決策必須建立在樣本上時，使用歸納推理。不要用它代替機制、檢驗，或對尚未見到的案例的查看。

<CardGroup cols={2}>
  <Card title="把學習筆記寫成一條可被打破的規則" icon="graduation-cap">
    三次考試之後，你可能歸納出「考前突擊對我無效」。寫下規則，再用一週間隔複習去做反例。歸納是草稿。相反的那一週才是核對。草稿明確到足以失敗，早期學習才會累積。
  </Card>

  <Card title="在放大功能前先抽樣市場" icon="chart-line">
    五位核心使用者要一個按鈕，這是樣本，不是命令。列出誰不在場：新使用者、第二個地區、已經流失的人。先擴大樣本或做小試驗，再讓規則變成路線圖。
  </Card>

  <Card title="把家裡的偏方當成一例，而不是規程" icon="house-medical">
    一位阿姨喝了某種茶之後好了。這是一次觀察。它不能授權全家照做。問還有什麼一起變了，多少人試過卻沒好，對照會是什麼樣子。關心是允許的。立刻推廣不是。
  </Card>

  <Card title="在訂定公共規則前要求混合案例" icon="landmark">
    一座城市看見三次試點成功，就想立法。問這些試點是否共享同一季節、同一班子或自願報名的人群。政策歸納需要反例和第二現場，而不是關於前三次勝利的新聞稿。
  </Card>
</CardGroup>

## 經典案例

歸納推理最清楚的公開窗口，是**理查德·多爾**（Richard Doll）與**奧斯汀·布拉德福德·希爾**（Austin Bradford Hill）的吸菸研究——不是聲稱一項研究發明了流行病學。

1940 年代末，英格蘭和威爾斯歸因於肺癌的死亡急劇上升。競爭故事指向道路、柏油和菸草。多爾與希爾在倫敦二十家醫院訪談患者。初步報告《吸菸與肺癌》於 **1950 年 9 月 30 日**發表在《英國醫學雜誌》。他們訪談了 **649 名男性**和 **60 名女性**肺癌患者。按嚴格定義，男性中 **2 人**（0.3%）為非吸菸者；女性中 **19 人**（31.7%）。同性別、同年齡的對照吸菸更輕。他們的結論是：香菸是「肺癌發生的一個因素，而且是重要因素」。他們也寫明：真實關聯還不等於因果證明。

這是負重的歸納：許多經過比較的案例、一個被命名的對照、一條仍然超出檔案的一般主張。為了在新的生命上檢驗這一躍，他們寫信給英國醫生。1954 年《英國醫學雜誌》的報告統計了 **24,389 名 35 歲及以上男性**。早期追蹤中有 **36** 例肺癌死亡。死亡率從非吸菸者的 **每千人 0.00** 升至每日吸菸 25 克及以上者的 **每千人 1.14**。後續事例與 1950 年的模式相符。

邊界說明：醫院病例對照仍可能被記憶和入院選擇所偏倚。多爾與希爾知道這一點，所以做了前瞻研究。歸納變強了。它沒有變成演繹。從未進入那些病房的人，以及尚未到來的年份，仍在前提之外。

## 邊界與失效場景

當樣本只是一個小圈子時，歸納推理失效。三位輟學創業的創辦人，不能授權「大學是浪費」。未被看見的案例——輟學卻沒有創辦公司的人——從未進入名單。輕率概括，就是關掉尋找反例之後的歸納。

世界可以改變時，它也會失效。休謨的要點不是客廳戲法。連漲二十年的房價、歐洲所見皆白的天鵝、擬合上季資料的模型，都授權一種期待。它們並不約束明年。[黑天鵝模型](/zh-hant/models/black-swan-model)命名的，正是閉合歸納在它到來之前看不見的那一例。

常見誤用是把不斷上升的計數當成證明。重複同一類順例會抬高信心，卻蓋不住新地面。波普爾的警告屬於這裡：若沒有任何東西能算作對規則不利，你就不是在檢驗它，而是在給它配插圖。

## 常見誤區

這個中文名容易撞上「只是猜」「和演繹一樣穩」，以及「科學不過是堆案例」。

<AccordionGroup>
  <Accordion title="樣本夠大，歸納推理就和演繹一樣確定">
    規模有幫助。它填不平休謨的縫。演繹把結論留在前提裡。歸納總是對未見事例或普遍命題多說了一句。一百萬隻白天鵝，仍給黑天鵝留位置。用機率說話，然後繼續看。
  </Accordion>

  <Accordion title="歸納推理只是把「是」簡單加總">
    枚舉歸納正是培根所稱的幼稚形式。更強的做法會改變條件、尋找缺失，若目標是原因，還會用穆勒式對照。把同一類顧客的名單列得更長，不是更好的歸納，只是更響的歸納。
  </Accordion>

  <Accordion title="科學不過是從資料歸納出定律">
    資料重要，但探究還要發明解釋並試圖拆掉它。皮爾斯把發明交給溯因，把後果交給演繹，把新事例上的檢驗交給歸納。波普爾甚至否認「更多案例的確認」是科學的邏輯。使用歸納。不要假裝它是全部方法。
  </Accordion>
</AccordionGroup>

## 相關概念

這些頁面挨著同一個問題：如何超出已經見到的案例，又不假裝已經見過全部。

<CardGroup cols={3}>
  <Card title="溯因推理" icon="puzzle-piece" href="/zh-hant/thinking/abductive-reasoning">
    負責發明解釋。歸納接著問：新的案例是否仍然擬合。
  </Card>

  <Card title="因果思維" icon="link" href="/zh-hant/thinking/causal-thinking">
    問的是干預之後什麼會變。歸納得到的模式是線索，不是原因。
  </Card>

  <Card title="貝葉斯思維" icon="chart-pie" href="/zh-hant/thinking/bayesian-thinking">
    更新下一例該有多重。讓歸納保持為機率的一種形式辦法。
  </Card>

  <Card title="經驗主義思維" icon="microscope" href="/zh-hant/thinking/empirical-thinking">
    堅持主張要遇見觀察。歸納是觀察隨後支撐的推斷之一。
  </Card>

  <Card title="科學方法" icon="flask" href="/zh-hant/methods/scientific-method">
    把歸納的一躍變成預測、檢驗與修正的循環。
  </Card>

  <Card title="黑天鵝模型" icon="crow" href="/zh-hant/models/black-swan-model">
    命名閉合歸納在它到來之前看不見的那一例。
  </Card>
</CardGroup>

## 一句話總結

<Tip>
  把每一條一般規則都當成對未見事例的賭注：擴大樣本，尋找反例，永遠不要把這一躍叫成證明。
</Tip>
