溯因推理基础

溯因推理，就是为一个出乎意料的现象找出最有可能的解释。演绎推理能保证结论为真，而溯因推理是根据现有证据做出的“最佳猜测”，就像医生根据发烧症状诊断流感一样。在开头的情境中，你很可能选了洒水器，因为它是能解释“人行道湿了，旁边的街道却是干的”这一反差的最简单解释。 请注意：当你突然听到一声巨响时，留意自己最先想到的解释，再把它和其他合理的原因比较一下，然后再下结论。

溯因推理通常也叫“最佳解释推理”，它从观察到的现象出发，反过来推测可能的原因。演绎推理从一般规则推导出具体的确定结论，比如“所有人都有一死，因此苏格拉底也有一死”；溯因推理则先观察现象，再提出一个能解释它的假设或原因。它很大程度上依赖情境和可能性，而不是绝对的逻辑。

它的关键原则包括简单性（奥卡姆剃刀原则）和解释力。一个好的溯因猜测，能用最少的假设解释所有事实。不过，因为它终究是猜测，所以始终是“可被推翻的”，也就是说，新数据可能证明它是错的。

日常生活中的例子：

• 医疗：病人出现咳嗽和发烧症状。医生通过溯因推理判断为“病毒感染”，因为这是最常见的原因，虽然也可能是罕见的过敏反应。
• 科技：你的手机连不上 Wi-Fi，但笔记本电脑可以正常连接。你推断问题出在手机设置上，而不是路由器上。
• 社交：你给朋友发了消息，对方好几个小时都没回。你猜“对方在忙”，而不是“对方生气了”，因为前者是迟迟不回复的更常见解释。

理解溯因推理后，你就能主动寻找其他解释，而不是困在最初的猜测里。

实用主义哲学家查尔斯·桑德斯·皮尔士将溯因推理形式化，并将它区分为一种用于生成解释性假设的重要推理形式。当前研究将它视为科学发现和日常认知的核心组成部分。

• 皮尔士将溯因推理界定为形成解释性假设的过程，并将它与演绎推理（推导结果）和归纳推理（从具体事例中概括规律）区分开来 [1]。
• Douven（2017）：论证了将溯因推理视为“最佳解释推理”（IBE）的合理性，认为简单性、融贯性（解释在逻辑上协调一致）等解释上的优点，会引导我们选择假设 [2]。
• Magnani（2001）：在诊断任务中，区分了“创造性”溯因推理（提出新假设）和“选择性”溯因推理（从已知候选假设中选择）[3]。

溯因推理不能保证结论为真。它也容易受到确认偏误的影响，也就是我们更偏爱符合自己已有看法的解释。