这个系列，本意是把之前这个领域的读书笔记用“人话”串一遍，既能提升点写作水平，又能汇总一个类似目录一样的知识地图。不过写至此篇，看到有很多人喜欢这个话题，因此又想着再夹带另一个目的：如果你对自己脑袋里的东西曾深信不疑，包括你所掌握的知识、积累的经验、对很多事情的观点，那么希望读罢，你能对此产生那么一点点的怀疑，这点怀疑正是打磨思想的利刃。

一.论证：为什么你说的对？

回顾上篇内容，想检验你的世界观，得先弄清楚你到底信什么？有了这个基础，再定义“事实”和“真理”，并以它们为检验工具，验证你头脑中的那些由概念和判断形成的东西（理论、经验、观点或者某些信念）。

怎么检验呢？可以先拿一个简单的场景来看，比如有人告诉你“加拿大的乌鸦是黑色的”，如何检验正确性？大概有三类方法：

1.用“经验性事实”检验。直接买好飞机票，奔赴现场，亲眼确认。
2.用已经确认对的其他“哲学性/概念性”来检验。可以列举一些论据，比如“在记忆中回想一下，去过的三个动物园，那里的乌鸦都是黑色的”。再比如“介绍加拿大的书中也是这么写的”。
3.用一个“真理”级别抽象的规律来检验。比如“世界上所有的乌鸦都是黑色的，那么加拿大的乌鸦肯定也不例外”。

这三种检验方式日常生活中比比皆是。我问你，哪种更可靠呢？
当然是第1种，因为它最符合“经验性事实”。

哪种更有效率、更常用呢？恐怕还是2和3，你很少见到谁在聊天或者讨论问题时，忽然跑出门“眼见为实”去了，大部分人都是在头脑中以最快的速度完成了检验，这种思维过程就是“论证”。“论证”应用很广泛，可以检验信息，可以证明假设，也可以帮助人认识事物。

再细看一下2和3，有没有想过，为什么它们能论证“加拿大的乌鸦是黑色的”是对的？你之所以相信，似乎是因为论证的过程符合某些你普遍认同的规律。此外，我们经常能看到不同的人偏好不同的论证方式，有人喜欢第二种，有人喜欢第三种，到底哪一种更可靠呢？

二.论证的本质：归纳和演绎

回忆一下小学语文课学过的议论文写作，应该能回想起来：

• 2叫做“事实论证”（也叫“举例论证”），通过摆事实来证明。
• 3叫做“理论论证”，通过讲道理来证明。
• 列举的事实或理论叫做“前提”（也叫论据）。
• 推出的结果叫“结论”（也叫论点）。

咱们来逐一分析一下：

事实论证的思维过程大概是这样的：先列举一些个别事实作为前提，然后提取共性，形成结论。根据具体论证方式可再细分，有一般事实论证、类比论证、比喻论证、对比论证，它们能从每一个前提中提取相同点、相似点或差异点，抽象、总结后形成结论。还有一种叫因果论证，前提是结论的原因或结果。事实论证之所以容易让人相信，因为它们都符合人类大脑中极擅长的一种思维规律“归纳推理”，根据一类事物的部分对象具有的某种性质，推出这类事物的所有对象或其他对象也具有这种性质。

再看理论论证的思维过程：先找到一个具有一般性、规律性的原理或道理作为前提，然后判断要论证的结论是否包含在前提中，若包含则论证成功。理论论证所对应的思维规律叫“演绎推理”，从一般性的前提出发，推出具体陈述或个别结论。

归纳推理和演绎推理是人脑最基本的思维过程。

如果把大脑比作计算机，理性系统就是跑在硬件上的操作系统，“概念”和“判断”是系统中存储的数据，而“推理”则相当于一套基础算法，它可以在已知的“判断”之间建立联系，验证“判断”的正确性，也可以根据已知的“判断”推出新的“判断”。人正是在“推理”的帮助下认识事物、验证假设、分析问题，所以你的这套算法质量如何，直接影响着你的认知水平。

很多书上是如此解释归纳和演绎推理的：归纳是从特殊推出一般性的结论，演绎是从一般性的结论推出特殊。真的是这么简单吗？ 下面开始逐一总结一下，希望你能以此判断下自己脑中的这套算法处于什么程度，从而找到优化空间。

三.归纳：不管怎样，总结总是好事

归纳推理（Inductive Reasoning，也叫归纳法，简称归纳），以从一类事物中的一组成员或事件作为前提，或者推导出更有概括性、通用性的结论，或者推导出这类事物中有关其他成员或事件的结论。从定义可以看出它的一个显著特点，结论常常超出前提的知识范围。

从推导方式上分类，有类比推理（有的书中认为类比是从特殊推理到特殊，所以没有算在归纳内，实际上，只要前提无法完全支持结论的推理，都可以放在归纳中）、比较推理、因果推理。

不过个人觉得这种分类还不够透彻，我比较喜欢的是另一种分法，先一刀切，所有归纳推理，不论什么形式、什么内容，可先分为“完全归纳推理”和“不完全归纳推理”，不完全归纳推理可再细分为“简单枚举推理”和“科学归纳推理”。这个分类有个好处，遇到所有的归纳类问题，可以快速锁定它的类型，并清楚的认知它的优缺点，下面逐一总结一下：

1.完全归纳推理

顾名思义，在前提中考察了一类事物的全部对象，从而推出有关全部对象的结论，这个结论没有超出前提所断定的知识范围。

举个例子，太平洋已经被污染，大西洋已经被污染，印度洋已经被污染，北冰洋已经被污染，所以地球上的所有大洋都已被污染。

这种推理的优点很明显，纯粹从逻辑上看，前提可以百分之百的支持结论，一看就让人觉得结论很可靠。

不过它的缺点也很明显：
首先，太简单了，你几乎得不到任何新知识，与其叫“推理”不如叫“总结”，完全没有那种推理的不明觉厉的感觉，只需使用大脑的基础能力，人人都可以轻易得出结论。（还记得操作系统篇提及的基础能力吗？分析/综合/比较/分类/抽象/概括）；
其次，限制过多，应用场景有限。你看啊，它的前提必须要穷尽一类事物的全部对象，同时还要确保前提中的所有判断都是正确的，如果你有条件把这两个限制全部达成，那么结论是显而易见的，反过来，如果你没有这个条件，比如缺时间、缺精力或者难以找齐所有前提，那么完全归纳推理就没有用武之地。

2.不完全归纳推理-简单枚举推理

前提考察的只是一类事物的部分对象，结论断定的范围却是整个该类事物，也就是说结论所断定的知识范围超出前提所断定的知识范围。

举个例子，一只乌鸦是黑色的，两只乌鸦是黑色的…观察了一百只乌鸦都是黑色的，得出结论，天下乌鸦一般黑。

在现实生活中，你遇到的大部分经验总结与分享其实都属于简单枚举推理，这种推理的优点是能总结出很多普适的经验，缺点嘛，则是这些经验其实都不一定对。身边的例子不举了，看几个传统的“中国好经验”：“谦虚使人进步，骄傲使人落后”、“蚂蚁搬家，大雨哗哗”、“种瓜得瓜，种豆得豆”。

3.不完全归纳推理-科学归纳推理

虽然叫“科学”，但是严格都说，只不过就是通常说的因果推理罢了。

这里要先解释一下“因果律”（也叫因果关系）：世界上本无因果，只不过是很多事物之间存在着联系，人们在实践中不断观察、探索，发现有些联系存在着一定的必然性和先后顺序，所以总结出了因果。比如观察了云和雨的关系后总结，因为天空阴云密布，所以要下雨了。

因果的本质是人们通过归纳形成的一种结论，它不一定能完全反应客观规律，只是思考的一种“加速器”。只要使用已知的因果关系，再加上简单枚举，就可以得出具有普遍性的结论。大概过程是这样的：

一开始像“简单枚举推理”一样，找到一类事物中部分对象的表象，然后用一种比较严谨的方法反复实验，找到对象与其属性之间所具有的因果联系，由于因果具备规律性，所以可以推出这类事物的全部对象都具有这种属性。

整个过程中，最核心的就是如何归纳出具有因果性质的结论，这是一种相对严密的思维过程，被称之为“穆勒五法”（Mill's Five Canons，1843年），分别是求同法、求异法、求同求异并用法、共变法和剩余法。这五种方法是归纳逻辑目前为止的最高成就，也是现代科学实证实验的基本逻辑。具体方法就不细写了，因为它们并不神秘，小学数学课、语文课其实经常用，只不过你可能不曾把它们刻意的用在日常思考中。

举一个例子，你一下就明白了。
一百多年前，一艘远洋帆船载着五个中国人和几个外国人由中国开往欧洲。途中，除五个中国人外，全病得奄奄一息。经诊断，都患有坏血病。同乘一只船，同样是人，一样是风餐露宿，受苦挨饿，漂洋过海，为什么中国人和外国人却判若异类呢？原来调查饮食习惯发现，这五个中国人都有喝茶的嗜好，而外国人却没有，于是得出结论：喝茶是这五位中国人不得坏血病的原因。
这个结论就是用求异法得出的，用公式表达：以ABC为前提观察到a；去掉A，以BC为提前没有观察到a，则A是a的原因。

小结

本章总结了三类归纳推理及其优缺点。

完全归纳推理，前提对结论支撑性很强，但是无法推出超出前提知识范围的结论，对人认识事物或论证观点没有太大的帮助，常常被当做一种“总结”来用。

相对的，不完全归纳推理，可以推出超过前提知识范围的结论。

其中，简单枚举推理，它的问题在于，无论增加多少前提，对结论的支持性依然很弱，容易让人怀疑，这也是很多经验总结不可靠的根源。而若想提升确定性，就要在推理中加入因果关系，把它升级科学归纳推理。

如此看来，如果你平常很喜欢用归纳，就是在证明自己观点或者思考的时候，常常喜欢摆事实、讲经验，那么至少要考虑加入一些已经被“穆勒五法”验证过的因果关系，否则，哪怕是单纯在逻辑上，也很难具有说服力。

四.归纳的脆弱性：你的经验有多少靠得住？

上面更多讲的是思维的世界、想象中的世界、逻辑的世界，下面我们要尝试把归纳逻辑用在现实中了，欢迎回到现实世界。

假如你是一个数学老师，连续3年授课，每年教一个班级，这个班级的平均分都在90分以上，你会归纳出一个经验——“只要自己教1年，就可以保证班级的平均分超过90分”。

好吧，现在你知道了这只是“简单枚举归纳”，3次授课成功作为前提，不一定能支撑每次都成功的结论，若想进一步确定，就要找到因果关系。

假设你锁定了一个原因，因为用了自己命名为“名师五招”的授课法，那么，只需验证“名师五招”是学生获得好成绩的原因就可以了。

比如采用“穆勒五法”中的求异法，首先找到主要影响因素学生成绩的因素有老师、学生和授课方法，那么这1年你找两个学生水平差不多的班级，一个用普通方法教，一个用“名师五招”教，最后检查班级的学生平均成绩。以此类推，如果能排除掉老师和学生这两个因素的影响，就可以完美的建立“名师五招”和学生成绩之间的因果关系。最后，你就可以轻易得出这样的结论：只要自己用“名师五招”教一年，就可以保证班级的平均分超过90分。

回想一下，如果你是一个很依赖自己经验的人，那么你对很多事情的观点、结论是怎么来的？参考上面的例子，是用简单归纳推理？还是基于实验得出因果关系后进行的科学归纳推理？即便你用了后者，即便费了这么大的力气得出了结论，估计你还会隐隐存疑，排除掉例子有点荒诞（名师五招是什么鬼…），排除掉可能的逻辑错误，到底还有什么地方不可靠？

当你试图把归纳推理用在现实中时，会发现存在着不可逾越的沟壑，所有归纳推理其实都隐含了两个基础假设，分别是“充分性假设”和“连续性假设”，一旦假设不成立，即使逻辑正确，整个推理还是错的。这两个坑，别说我们绕不过去，连科学也绕不过去，下面简单解析一下。

1.充分性假设

在推理前，你默认做了一个假设， 你已具备了足够的知识，充分了解了“ 结论中的对象所在集合中的所有元素，或者，能触发结论中的现象的所有可能因素 ”。

什么意思呢？

比如完全归纳推理，刚才的例子“太平洋、大西洋、印度洋、北冰洋都已经被污染，所以，地球上的所有大洋都已被污染”，你的基础假设是“ 太平洋、大西洋、印度洋、北冰洋是地球上的全部大洋”。

再比如简单枚举推理，通过观察100只乌鸦，推出所有乌鸦都是黑色的，你的基础假设是“100只乌鸦可以代表所有乌鸦”。这种集合的假设，与推理过程无关，完全依赖于人的认识，典型的反例就是“黑天鹅”，17世纪之前，欧洲人认为所有天鹅都是白色的，但随着第一只黑天鹅在澳大利亚发现，与其相关的所有信念都动摇了。

后来人们更聪明了，直接把这种归纳得出的结论叫“猜想”或“假设”，比如著名的“哥德巴赫猜想”，哥德巴赫从无数的实例中归纳出一个猜想：任一大于2的偶数都可写成两个质数之和。将近300年后的今天，据说计算机已经验证了4x10^30以内的所有偶数，都符合猜想，但因未经穷举，所以它还是猜想。

再看科学归纳推理，一个基础假设是，你在实验开始前就已经认识了可能影响结果的所有因素。可实际情况往往事与愿违，随便在科学史中就能找到反例。

16世纪时，范·赫尔蒙特做了一个实验，他在称量过的土中种了一株柳树，每天浇量过的水。五年之后，这株柳树的重量增加了164磅，而土质损失了仅2盎司，因此他得出结论，柳树的新物质差不多全由水组成。实验方法用的是标准的“穆勒五法”中的共变法，锁定其他因素不变，只保留两个变量：水和柳树的重量，观察它们之间的因果联系。当然，这个结论明显不对，因为当时人们还未发现空气的存在，更别提二氧化碳和植物的光合作用了。

还有一个关于求同法的反例，名为“科学的酒徒”。这个酒徒在第一个晚上喝了威士忌和汽水，第二个晚上喝了朗姆酒和汽水，第三个晚上喝了白兰地和汽水，他并不想每天晚上都喝醉，于是用求同法归纳后，决定以后再也不喝汽水了。当然，这是一个讽刺，这个推理的关键前提是人们需认识到“酒精”的存在，若没认识到这个因素，则就会用求同法归纳出“汽水”这个错误的结论，若认识到这个因素，则应选择求异法，通过不停替换汽水来找真相。

相关性和因果性

再深入解析，穆勒五法如此严密的归纳逻辑之所以绕不开充分性假设，本质还是出在了因果关系上。因果关系不是存粹逻辑推理思维的产物，而需要用头脑中的逻辑结合现实，不断研究和探索才能获取的。很多事物之间确实存在着联系，但是还是要区分“相关性联系”和“因果性联系”。只要发现一种情况发生伴随着另外一种情况发生，我们就说它们之间具有相关性。

比如大数据分析表明，喝咖啡的人也长寿，这就是一种相关性，而有相关性的事件之间不一定同时存在着因果性。喝咖啡的人虽然和长寿的人高度重叠，但也许他们长寿的原因，是喜欢喝咖啡的人相对有钱、有时间，也注重健康，也许，隐藏因素“坚持运动”才是他们长寿的真正原因。

所以，当别人斩钉截铁的告诉你一个因果关系时，无论在逻辑上看上去多么的正确，都不一定真实。两只鹰在天上飞舞，它们总是保持方向的一致，你很可能会以为它们之间存在着某种沟通，但实际上，你把镜头拉远一点，就会发现地上奔跑着的野兔，它们只不过是在追逐同一只野兔而已。

2.连续性假设

大卫·休谟最早意识到这一点，他发现，任何一种归纳推理都隐含着一个时间连续性假设，即“未来还会和过去一样”。（ 也称为经常性联结问题，Constant Conjunction）。

流传最广的例子莫过于英国哲学家伯特兰·罗素提出的“罗素的火鸡”：农场里有群火鸡，农场主每天中午十一点来喂食。火鸡中有位科学家观察了近一年无例外后宣布发现了宇宙一个伟大定律：“每天上午十一点，会有食物降临。”感恩节早晨，它向火鸡们公布了这个定律，但这天上午十一点食物没有降临，农场主将它们捉去杀掉，把它们变成了食物。罗素的火鸡讽刺的就是归纳主义者通过有限的观察，得出自以为正确的规律性、恒古不变的结论。

仔细想想，任何经过严密证明的科学理论都绕不开这个假设，过去实验所得的理论、规律到了明天还能用，这可能只是一个人类科学家的一个单纯、美好的愿望。

小结

关于归纳的深入分析和批判在哲学领域举不胜举，此处仅仅总结了任何归纳都隐含的两个基础假设“充分性假设”和“连续性假设”。希望你能清晰、简单的看到归纳的脆弱性，不是用来批判，而是作为一种质检标准，不仅仅能让你在总结经验时尽可能的靠谱，更重要的，你可以在头脑中做一个因果逻辑的收集器，只吸收确定性强的因果，帮你更容易看透事物，同时为下一步“演绎推理”提供重要的思考素材。

五.演绎：名侦探是怎么练成的？

演绎推理（Deductive Reasoning，也叫演绎法，简称演绎）， 以一个或多个一般性的事件或现象作为前提，推导出具体事件或个别现象。由于结论的知识范围不会超过前提，所以在前提正确、逻辑正确的的情况下，结论百分之百正确。

它的分类和归纳一样，没有标准答案，我还是选了一种自己比较喜欢的分类法列举一下。演绎种类虽然很多，但是你肯定不陌生，基本都是小学数学、语文课的内容，下面我一边列推理类型一边举例子，马上就能懂。

总体可分为两大类：

简单判断推理，只用一个前提，可能加入一些其他辅助前提，就可以得到结论。

复合判断推理，需多个前提组合判断得出结论。

每一类中又有很多细分，下面看一些常用的：

1.简单判断推理-性质判断推理

顾名思义，用来断定某种事物具有或不具有某种性质。具体还分为直接推理和间接推理。直接推理，以一个前提直接推出结论。比如，以“所有鸡蛋都是圆的”前提推出结论“所有圆的都是鸡蛋”，虽然用错了，但是属于直接推理的换位法；间接推理，以一个大前提和一个辅助前提推出结论。典型的间接推理就是三段论，比如经典的亚里士多德的三段论：“所有的人都是要死的，苏格拉底是人，所以苏格拉底是要死的。”

2.简单判断推理-关系推理

前提至少有一个是关系判断，并按其关系的逻辑性质而进行推理。这个小学数学题中常见，如“A大于B，B大于C，所以A大于C”，现实中也常用“长江长于黄河，所以，黄河不长于长江”。

3.复合判断推理-假言推理

根据假言命题（一个假设语句）的逻辑性质进行的推理。具体分为充分条件假言推理、必要条件假言推理和充分必要条件假言推理三种，举三个例子就明白了。

例1：如果一个人骄傲，那么他必定落后。我骄傲了，所以我必定要落后。在这个推理中，骄傲是落后的充分非必要条件；

例2：只有有作案动机，才会是罪犯。我是罪犯，所以我一定有作案动机。在这个推理中，作案动机是罪犯的必要非充分条件；

例3：一个数是偶数当且仅当它能被2整除。这个数是偶数，所以这个数能被2整除。当然，也能得出这个数能被2整除，所以这个数是偶数。在这个推理中，偶数和能被2整除互为充分必要条件。

4.复合判断推理-选言推理

根据选言命题（一个选择性语句）的逻辑性质而进行的推理。一种是前提是两个相容的判断，可能同时为真，所以只有排除1个才能选另一个。

例如：A是教师或者是律师，A不是教师，所以A是律师；另一种的前提是两个不相容的判断，只要明确了一个就能排除另一个，例如：要么A得冠军，要么B得冠军；A没有得冠军，所以，B得冠军。

5.复合判断推理-联言推理

根据联言命题（两个独立的判断，但主语或谓语相同）的逻辑性质而进行的推理。它有两种形式：合成式和分解式。合成式：老师要懂科学，程序员也要懂科学，所以无论老师和程序员都要懂科学；分解式：兵不在多而在于精，所以，兵在于精。

6.复合判断推理-其他

此外还有负判断推理、二难推理等等，不一一列举了。

小结

看了这么多例子应该很容易发现，演绎推理就是我们日常用的逻辑，和吃饭、睡觉一样稀松平常。你可能会奇怪，到底什么时候掌握的呢？我想大概就是小学的数学课上、语文课上、作文里、寒假作业里，只不过是把深奥、复杂的东西简化一下塞到了别的学科中。

就好像给小孩子喝咖啡，不需要教他咖啡豆怎么选、怎么磨，也不需要知道用多少度的水来煮，直接喝速溶就可以了，甜咪咪的味道也不错，长大了有机会再品尝原汁原味的东西吧。

当然，如果小时候没好好学习，那么难保脑袋里有错误的逻辑，这种情况就需要自己补补课了。如果你研究辩论或者想当侦探，那么这些就是重要的基础，需要深入、系统的学习。

你可能觉得单独一种一种看演绎推理似乎都不难，但是混合起来用，没经过系统训练的人挺容易蒙的，福尔摩斯不是一天练成的。

给你一段推理测试一下水平，来自鲁迅的《辩论的灵魂》：“你说甲生疮。甲是中国人，你就是说中国人生疮了。既然中国人生疮，你是中国人，就是你也生疮了。你既然也生疮，你就和甲一样。而你只说甲生疮，则竟无自知之明，你的话还有什么价值？倘若你没有生疮，是说诳也。卖国贼是说诳的，所以你是卖国贼。我骂卖国贼，所以我是爱国者。爱国者的话是最有价值的，所以我的话是不错的，我的话既然不错，你就是卖国贼无疑了！”。

100年后的今天，网上也常见到类似这种“神逻辑”：“我是爱国的，所以我去砸日本车；既然我是爱国的，而你阻止我砸，所以你是卖国的；卖国是不对的，而你是卖国的，所以你的观点是不对的；你的观点是不对的，而我的观点和你不同，所以更加证明了我的观点是正确的”。

我问你，这两段推理中有哪些错误之处？大概有这么几种：偷换概念、隐含假设、四项错误、中项两不周延和大项扩大。如果你没有看懂，说明还有提升空间，可以再系统打磨一下这套基础算法。

六.演绎的脆弱性：逻辑正确不等于真实

和归纳一样，上面更多讲的还是逻辑的世界，存在于你的思想中，下面我们要尝试把演绎逻辑用在现实中，欢迎回到现实世界。

当然，演绎相比归纳，貌似更贴近现实，因为结论的知识范围不会超过前提，所以应该妥妥是对的。真的是这样吗？

假如你是一个学生，在上实验课。老师教你一个公理“乙醇会在78.5度沸腾”，让你实验验证，于是你开始用烧杯盛好乙醇开始加热。

聪明如你脑中早已完成了一个演绎推理，用的还是三段论：“只要是乙醇都会在78.5度沸腾，我烧杯里的是乙醇，所以会在78.5度沸腾”。

结果意外发生了，到了78.5度并没观察到沸腾现象。

聪明如你立马做了第二个演绎推理，用的是一个复合判断推理中的假言推理： “如果烧杯里是乙醇，则我应该会观察到78.5度沸腾，但是我没有观察到沸腾，所以烧杯中不是乙醇”。

按推理的结论，你应该找老师质问为什么给假乙醇，但实际上，你应该不会这么干，而是去设想其他解释，比如温度计坏没坏？烧杯脏没脏？乙醇是否被污染？

聪明如你又做出了第三个演绎推理，用的还是复合判断推理中的假言推理，并额外增加了3个辅助假设：“ 如果烧杯里是乙醇，且温度计没坏，且烧杯是清洁的，且乙醇没被污染，则我应该会观察到78.5度沸腾，但是我没有观察到沸腾，所以烧杯中不是乙醇，或者温度计坏了，或者烧杯脏了，或者乙醇被污染了 ”。

你正准备着手排查，忽然又想到酒精灯也是一种情况！所以得再推理一遍，补充一个新的辅助假设。

此时，恰好老师出现了，告诉你公理阐述的有点问题，原话是在“在标准大气压下，乙醇会在78.5度沸腾”，咱们这里是盆地，所以…

回想一下整个过程，你的每一次推理都逻辑正确，但是问题出在哪里了？和归纳一样，演绎逻辑在现实中应用也存在着不可逾越的沟壑，尤其是以下两个问题最为突出：

1.前提的真实性问题

如果前提错了，即使逻辑正确，推理的结果也一样不符合事实。你可能会说，确保前提正确就可以了，但是不要忘了，具有一般性的前提全部是归纳推理的产物，天然是继承了归纳的脆弱性，还记得吗？就是“充分性假设”和“连续性假设”。所以严格的说，你永远也保证不了前提的百分之百正确，更不用说结论了。

2.辅助假设问题

如同酒精的例子，我们在认为前提正确的情况下，一样得到了错误的结论，认为烧杯中不是乙醇。面对真实问题，到底有多少隐藏因素完全依赖你掌握的知识，只有你提前认识到了温度计、酒精灯、烧杯，才有机会把它们变成辅助假设，加入到推理中。此外，在现实中，隐藏因素可能是无限多的，到底有多少，这又转回到了关联性和因果性问题上了，而且甚至还可能是多因果（一因多果或一果多因）。

小结

人的思想中的归纳、演绎自成体系，作为一套基础算法，它们确实能协助你认识事物并进行分析、求证、求解，但是逻辑正确不等于真实，你必须去吸收大量、正确的知识，才能保证这套算法的运算结果逼近真实。

七.总结

逻辑这个领域其实还能再深入解析，有很多细碎的东西在里面，感兴趣可以按照文章中的结构、概念去书中详细学习，我也只是在一直修炼而已，这次算是把零散的笔记串了一下。

读到这里，不知你是否有所感悟，无论是归纳和演绎本身都不完美，那应该如何逼近“事实” 和“真理”呢？如何让自己越来越厉害，而不是依靠原来不太靠谱的经验原地打转呢？想来也不难，我们按确定性简单做一个排序：

首先，确定性最高的是因果关系。一个好的因果关系必须先经过穆勒五法的归纳逻辑形成假设，再用科学实证实验（比如大样本双盲，下篇会提到）结合演绎逻辑证实和证伪，这样得出的结论相对最可靠。

其次，是以这个因果关系为前提且逻辑正确的演绎推理和科学归纳推理。

最后，才是所以其他的推理，包括经验总结、各种花式演绎其实都差不多，就是那么回事。

想来也是，人类社会之所以能持续进步，正是发明了发明的方法，能够把众多验证过的因果积累下来，构筑知识的大厦。如果你忽视前人的思考，忽视客观的规律，把知识当技能一样自己锻炼，通过四处碰壁，总结出一些似是而非的经验，这就是“重新发明轮子”，你的顿悟，可能只是别人的基本功。

相对的，如果你能站在前人的肩膀上，站在人类的知识大厦上，再以这套逻辑算法为翅膀，去探索、实践，可能会飞的更高、看到不一样的风景。

八.相关书籍

1.哲学/逻辑学范畴：《世界观》《逻辑学导论》《推理的迷宫》《逻辑学十五讲》
2.科学入门必读：《科学在研究什么》《思维》
3.其他参考：《MBA百科》

九.相关链接

第一篇：操作系统篇
第二篇：数据篇
第三篇：算法篇
第四篇：应用程序篇

单虓晗写于20180421