提出合理假设

提出合理假设，就是为你观察到的事实想出一个暂时说得通的解释。你不是随意猜测，而是寻找规律，比如“灯不亮通常意味着没电”，再把它用到眼前的情况中，缩小可能原因的范围。这种严谨的做法能防止你匆忙下结论，或把时间浪费在不太可能的原因上。

检查一下：在认定某个具体原因导致问题之前，先明确列出两条你能观察到、并且支持这个解释的事实。

这个思考工具依靠的是溯因推理，也常被称为“最佳解释推理”。演绎推理能保证结论成立，归纳推理从数据中总结规律，而溯因推理则把出乎意料的观察结果与已知规律联系起来，提出一个可能的原因。

这个过程通常分为三个阶段：

• 观察：你注意到异常情况，比如“汽车发动机发出咔嗒声，却启动不了”。
• 提取：你在脑海中搜寻会导致这种具体情况的原因，比如“电池没电会导致咔嗒声”“启动电机故障会导致咔嗒声”。
• 选择：你选出最简单、又能解释最多事实的说法，比如“我之前没关车灯，所以电池没电是最合理的解释”。

按照先看数据、再找规律、最后提出假设的顺序，你就能避开“过早定论”的陷阱，也就是大脑认准最先想到的解释便不再考虑其他可能。医生诊断病情、修理工维修发动机、侦探破案时，都经常使用这种方法。

关于假设生成的研究凸显了创造性地发散思路与运用逻辑筛选之间的张力。认知科学研究提示，人们很大程度上依靠启发式方法，也就是思维捷径，来快速提出这些解释，往往为了速度而牺牲准确性。

• 皮尔士（1903）：溯因推理是唯一能够引入新想法的逻辑运算，有别于演绎推理的同义反复和归纳推理的概率判断 [1]。
• 利普顿（2004）：我们自然会偏爱“令人满意”的解释，也就是最能帮助我们理解、最连贯一致的解释，并常常以此代替对解释“有多大可能成立”的判断 [2]。
• 卡尼曼（2011）：系统1思维会根据可得性，也就是什么更容易浮现在脑海里，自动生成假设；这需要系统2参与，对照证据加以核实 [3]。

这个过程的主要风险是确认偏误：一旦形成了合理假设，人就容易排斥与它冲突的证据。此外，可得性启发式可能让我们更偏向那些引人注目或最近出现过的解释，而不是统计上更可能的解释，比如比起溺水，更害怕遭到鲨鱼袭击。最后，有些情境具有欠确定性，也就是说，多个假设都能同样好地解释这些事实。