> ## 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.

# 归纳推理

> 归纳推理是从具体观察推出一般结论的思考方式。了解其起源、工作机制、应用场景，以及为何永远无法给出确定性。

<Info>
  **类别**: 思维<br />
  **类型**: 推理方式<br />
  **来源**: 亚里士多德（*epagōgē*）；休谟问题，1739 / 1748<br />
  **别名**: 归纳、归纳推断、枚举归纳
</Info>

<Note>
  **快速回答** — **归纳推理**（Inductive Reasoning）是从并不蕴含结论的具体观察，推出一般规则或尚未见到的下一例。亚里士多德称这一步骤为 *epagōgē*；大卫·休谟在 1739 年和 1748 年指出，它既不能被逻辑证明，也不能靠“再归纳一次”来证明。核心启示很简单：归纳是我们从经验里学习的方式，但一叠案例永远变不成担保。
</Note>

## 什么是归纳推理？

**归纳推理**（Inductive Reasoning）是从具体观察推出一般主张、或推出尚未见到的下一例；这些观察为真，并不强迫结论为真。

> 太阳明天将不升起，这个命题同样可以理解，它所蕴含的矛盾并不比“太阳将会升起”更多。

你在同一摊位尝了三颗芒果，都是甜的。你会期待第四颗也甜，甚至会说“芒果都是甜的”。三次品尝并不*蕴含*第四次，更不蕴含整个物种。结论比证据多走了一步。多出来的这一步，既是归纳有用之处，也是它危险之处。

演绎把结论留在前提之内：若所有芒果都甜，且这是一颗芒果，则这一颗是甜的。[溯因推理](/zh/thinking/abductive-reasoning)问的是：什么能最好地解释这份甜。归纳走相反方向：从这些例子，我们该对其余的抱什么期待？它是[经验主义思维](/zh/thinking/empirical-thinking)的日常引擎，但不是证明。

### 归纳推理的三层理解

* **入门**：见过几例相似的情况后，你会期待下一例也一样。日常线索是第四颗芒果，或连续四个早晨都晚点的公交车。
* **实践**：先写下样本，再去找能打破规则的例子。同类重复不如条件更杂的混合样本；一个清楚的反例，重过一堆重复的顺例。
* **进阶**：归纳是*扩展性的*：结论超出前提。你不能靠“过去这样归纳都管用”来为这一跃辩护，那是循环论证。稳妥的做法是把规则当成有待检验的赌注，常用[贝叶斯思维](/zh/thinking/bayesian-thinking)来更新，而不是当成已经闭合的定理。

## 起源

古典名称是亚里士多德的 *epagōgē*：从个别进展到普遍。他在《前分析篇》里甚至试图把完整枚举写成一种三段论。后世把这看作“归纳”的祖先，尽管亚里士多德自己对这个词的用法，比现代推理规则更宽。

**弗朗西斯·培根**在《新工具》（1620）里抨击这种祖先的懒惰形式。简单枚举——把已经到手的“是”加总——他称为幼稚，因为一个反例就能毁掉它。他要求用存在表、缺失表和程度表，再做排除，让心智从个别升到中间公理，而不是直接跳到最高口号。

**大卫·休谟**切得更深。在《人性论》（1739）第一卷第三部分第六节，以及《人类理解研究》（1748）第四节，他问：从已见表例到未见事例，凭什么走得通？证明做不到：事实的反面仍可设想。经验也做不到，除非预先假定未来会像过去，而这正是有待证明的那一步。休谟说，我们仍然会走这一步，靠的是习惯。这个死结就是归纳问题。

**约翰·斯图亚特·穆勒**的《逻辑体系》（1843）试图给这一跃加上方法：求同、求异、剩余、共变。**查尔斯·桑德斯·皮尔斯**后来把探究的分工拆开：溯因发明假说，演绎推出后果，归纳用新事例检验。**卡尔·波普尔**在《研究的逻辑》（1934；英译本《科学发现的逻辑》，1959）中否认科学建立在归纳之上。科学是猜想，然后试图反驳。分歧至今还在：从业者仍从数据里概括；哲学家仍在争论这种概括值多少。

## 核心要点

当你必须超出手里的档案时，归纳推理才挣到自己的位置。若把多走的那一步当成已经证明，它就会失效。

<Steps>
  <Step title="从案例出发，并给这一跃命名">
    先写下所见，再写下超出所见的主张。“这四个班用交错练习学得更快”是记录。“交错练习有效”是归纳。给这一跃命名，是为了不让记录悄悄变成定律。若说不出哪些例子你还没见到，你就不是在推理，而是在造口号。
  </Step>

  <Step title="更看重多样性和反例">
    培根的警告仍然有效。十个都喜欢某功能的同类用户，信息量不如五个喜欢、两个能说出讨厌理由的用户。去找相反的摊位、另一家诊所、尚未抽样的季节。[科学方法](/zh/methods/scientific-method)把这一点写成设计规则：好的检验，是本来也可能得出相反结果的检验。
  </Step>

  <Step title="让结论停在可能，不要停在必然">
    更大、更干净、更多样的样本可以提高信心。它填不平休谟标出的那道缝。明天的太阳、下一颗芒果、下一位患者，仍是事实问题。[概率思维](/zh/thinking/probabilistic-thinking)是这里诚实的语法：谈比率和区间，不要谈“总是”。
  </Step>

  <Step title="不要把模式误当成原因">
    归纳可以说“这两件事一直一起出现”。[因果思维](/zh/thinking/causal-thinking)问的是：如果你干预，什么会变。夏季冰淇淋销量和溺水一起上升。共同的热，并不写在销量里。下一步若是政策，你需要机制、时间顺序或对照，而不是把同一组配对再列长一点。
  </Step>
</Steps>

## 应用场景

当决策必须建立在样本上时，使用归纳推理。不要用它代替机制、检验，或对尚未见到的案例的查看。

<CardGroup cols={2}>
  <Card title="把学习笔记写成一条可被打破的规则" icon="graduation-cap">
    三次考试之后，你可能归纳出“考前突击对我无效”。写下规则，再用一周间隔复习去做反例。归纳是草稿。相反的那一周才是核对。草稿明确到足以失败，早期学习才会累积。
  </Card>

  <Card title="在放大功能前先抽样市场" icon="chart-line">
    五位核心用户要一个按钮，这是样本，不是命令。列出谁不在场：新用户、第二个地区、已经流失的人。先扩大样本或做小试验，再让规则变成路线图。
  </Card>

  <Card title="把家里的偏方当成一例，而不是规程" icon="house-medical">
    一位阿姨喝了某种茶之后好了。这是一次观察。它不能授权全家照做。问还有什么一起变了，多少人试过却没好，对照会是什么样子。关心是允许的。立刻推广不是。
  </Card>

  <Card title="在公共规则出台前要求混合案例" icon="landmark">
    一座城市看见三次试点成功，就想立法。问这些试点是否共享同一季节、同一班子或自愿报名的人群。政策归纳需要反例和第二现场，而不是关于前三次胜利的新闻稿。
  </Card>
</CardGroup>

## 经典案例

归纳推理最清楚的公开窗口，是**理查德·多尔**（Richard Doll）与**奥斯汀·布拉德福德·希尔**（Austin Bradford Hill）的吸烟研究——不是声称一项研究发明了流行病学。

1940 年代末，英格兰和威尔士归因于肺癌的死亡急剧上升。竞争故事指向道路、柏油和烟草。多尔与希尔在伦敦二十家医院访谈患者。初步报告《吸烟与肺癌》于 **1950 年 9 月 30 日**发表在《英国医学杂志》。他们访谈了 **649 名男性**和 **60 名女性**肺癌患者。按严格定义，男性中 **2 人**（0.3%）为非吸烟者；女性中 **19 人**（31.7%）。同性别、同年龄的对照吸烟更轻。他们的结论是：香烟是“肺癌发生的一个因素，而且是重要因素”。他们也写明：真实关联还不等于因果证明。

这是负重的归纳：许多经过比较的案例、一个被命名的对照、一条仍然超出档案的一般主张。为了在新的生命上检验这一跃，他们写信给英国医生。1954 年《英国医学杂志》的报告统计了 **24,389 名 35 岁及以上男性**。早期随访中有 **36** 例肺癌死亡。死亡率从非吸烟者的 **每千人 0.00** 升至每日吸烟 25 克及以上者的 **每千人 1.14**。后续事例与 1950 年的模式相符。

边界说明：医院病例对照仍可能被记忆和入院选择所偏倚。多尔与希尔知道这一点，所以做了前瞻研究。归纳变强了。它没有变成演绎。从未进入那些病房的人，以及尚未到来的年份，仍在前提之外。

## 边界与失效场景

当样本只是一个小圈子时，归纳推理失效。三位辍学创业的创始人，不能授权“大学是浪费”。未被看见的案例——辍学却没有创办公司的人——从未进入名单。轻率概括，就是关掉寻找反例之后的归纳。

世界可以改变时，它也会失效。休谟的要点不是客厅戏法。连涨二十年的房价、欧洲所见皆白的天鹅、拟合上季度数据的模型，都授权一种期待。它们并不约束明年。[黑天鹅模型](/zh/models/black-swan-model)命名的，正是闭合归纳在它到来之前看不见的那一例。

常见误用是把不断上升的计数当成证明。重复同一类顺例会抬高信心，却盖不住新地面。波普尔的警告属于这里：若没有任何东西能算作对规则不利，你就不是在检验它，而是在给它配插图。

## 常见误区

这个中文名容易撞上“只是猜”“和演绎一样稳”，以及“科学不过是堆案例”。

<AccordionGroup>
  <Accordion title="样本够大，归纳推理就和演绎一样确定">
    规模有帮助。它填不平休谟的缝。演绎把结论留在前提里。归纳总是对未见事例或普遍命题多说了一句。一百万只白天鹅，仍给黑天鹅留位置。用概率说话，然后继续看。
  </Accordion>

  <Accordion title="归纳推理只是把“是”简单加总">
    枚举归纳正是培根所称的幼稚形式。更强的做法会改变条件、寻找缺失，若目标是原因，还会用穆勒式对照。把同一类顾客的名单列得更长，不是更好的归纳，只是更响的归纳。
  </Accordion>

  <Accordion title="科学不过是从数据归纳出定律">
    数据重要，但探究还要发明解释并试图拆掉它。皮尔斯把发明交给溯因，把后果交给演绎，把新事例上的检验交给归纳。波普尔甚至否认“更多案例的确认”是科学的逻辑。使用归纳。不要假装它是全部方法。
  </Accordion>
</AccordionGroup>

## 相关概念

这些页面挨着同一个问题：如何超出已经见到的案例，又不假装已经见过全部。

<CardGroup cols={3}>
  <Card title="溯因推理" icon="puzzle-piece" href="/zh/thinking/abductive-reasoning">
    负责发明解释。归纳接着问：新的案例是否仍然拟合。
  </Card>

  <Card title="因果思维" icon="link" href="/zh/thinking/causal-thinking">
    问的是干预之后什么会变。归纳得到的模式是线索，不是原因。
  </Card>

  <Card title="贝叶斯思维" icon="chart-pie" href="/zh/thinking/bayesian-thinking">
    更新下一例该有多重。让归纳保持为概率的一种形式办法。
  </Card>

  <Card title="经验主义思维" icon="microscope" href="/zh/thinking/empirical-thinking">
    坚持主张要遇见观察。归纳是观察随后支撑的推断之一。
  </Card>

  <Card title="科学方法" icon="flask" href="/zh/methods/scientific-method">
    把归纳的一跃变成预测、检验与修正的循环。
  </Card>

  <Card title="黑天鹅模型" icon="crow" href="/zh/models/black-swan-model">
    命名闭合归纳在它到来之前看不见的那一例。
  </Card>
</CardGroup>

## 一句话总结

<Tip>
  把每一条一般规则都当成对未见事例的赌注：扩大样本，寻找反例，永远不要把这一跃叫成证明。
</Tip>
