让机器归纳，你来演绎-《世界观》读书笔记

2017-08-22 约 2584 字预计阅读 6 分钟

这篇文章来自巡洋舰新伙伴所办的公众号小分子简读是《世界观：科学史与科学哲学史导论》原著名：Worldviews: An Introduction to the History and Philosophy of Science，作者：Richard DeWitt 这本书的读书笔记中的一篇。

对于理工科的你来说，本书逻辑缜密，加深和拓展了你对科学历史与科学哲学的认知。

对于非理工科的你来说，本书简明易懂，是一本优秀的科普读物，让你对科学不再陌生。

对于我们每一个普通人，本书蕴含的哲学智慧，可以衍射到日常生活的方方面面，让你足不出户观世界。

全书共三部分（30章），分别阐述了世界观的基本问题（第1-8章），从亚里士多德的世界观到牛顿世界观的转变（第9-22章），以及科学与世界观的近代发展（第23-30章）。强烈建议你仔细研读第一部分关于世界观基本问题的探讨。

如果你还不习惯阅读此类书籍，耐下心来只字不差阅读非常重要，慢慢来比较快。尝试记下文章脉络，边读边思考。鼓励跳出科学的范畴，尽可能和你感兴趣的任何话题联系起来，并将思考所得记录下来，只有这样你才能通过阅读提高深入思考的能力。

下面将要分享的是这本书中关于推理的一章，作者结合了当前的人工智能的话题，做到了上面说到的活学活用。

万用的经验归纳

你上的高中是否有过这么一个学霸 —— 各大考试各个学科总能拿高分，次次年级第一，解题速度比老师还快，解题思路比老师还清晰。或者你本身就是这么一个学霸，那真是恭喜啦。假设这个学霸现在要参加高考，你觉得他会不会在这场考试中也位居年级第一呢？

肯定没问题啦，他从没失手过，最近表现也和往常一样好，精神状态也非常好，不出意外，高考也是我们年级第一。和大多数人一样，你是不是也这么想？不过今天“小分子”对他高考拿不拿第一没那么感兴趣，我想告诉你的是，你在帮这位学霸预测高考表现时，基于以往经验事实的总结，用的是第一种推理方法 —— 归纳法。

想想你在现实生活中有多少结论是通过这样的归纳法得出来的，我想一定不少，据说人99%的推理都是用归纳法。比如，身边哪个朋友申请出国成功了，赶紧去向他讨教经验，仿佛你照着同样的路走一遍，成功就十拿九稳。

归纳法就这么好用吗？我们来仔细看看前面的措辞：“不出意外，高考也是我们年级第一”，“仿佛你照着同样的路走一遍，成功就十拿九稳。”聪明的你可能已经发现归纳法存在的问题了 —— 归纳法只能得到概率性结论，而非确定性结论。即使之前零失误的超级学霸，高考也有可能意外落马；即使有十拿九稳的经验保障，也并不意味着百分百成功。

既然归纳法不能保证结论的正确性，为什么我们如此热衷于使用归纳法呢？那是因为，归纳法消耗的认知能量低，简单来说，有些事情虽然你不知道为什么，但大部分人都这么做，且都成功了，你也就相信这么做能成，而不去深究背后的原因。人是感性动物，很容易受到经验事实的刺激，凭感觉和直觉来作出判断，积累知识。

不可不知的理性演绎

与归纳法相对应的是演绎法，所谓演绎，是基于概念性事实的理性推理。还记得我在上一篇公号文章（答读者 | 能力圈模型和概率论让你轻松看懂佛法）中提到的“人类一思考，上帝就发笑”吗？我并没有目睹“上帝”在千千万万人面前大显神通，嘲笑人类无知。相反，我并不知道真实的“上帝”是否存在，而是根据我在文中提出的“能力圈”模型，将那个掌握世间万物的“全知全能”定义为“上帝”，那么从人类文明的发展进程看，我们只掌握了“小知小能”，在“上帝”面前很小儿科。

以上的推理过程便是演绎法，如果我提出的“能力圈”模型这个前提正确，那么推出的结论就一定正确，即确定性结论。尽管如此，人类大约只有1%的结论是由演绎法推理得出，因为与归纳法不同，演绎法建立在理性的逻辑推理之上，消耗的认知能量更高。

演绎法既然能保证结论正确，那我们直接用就好啦。如果这么想，还是 too naïve。前面提到了，要保证结论正确，首先前提得正确，而前提的复杂性我们在事实和真理两章中都有阐述。比如最为经典的亚里士多德三段论：所有人都会死，苏格拉底是人，所以苏格拉底会死。其中，“所有人都会死”这个前提假设，是否是根据经验归纳出来的呢，如何保证它的正确性呢？

不过“小分子”觉得，如果前提正确，归纳法只能得出概率性结论，演绎法则能推出确定性结论，还是略胜一筹。

让机器归纳，你来演绎

讲到这，“小分子”不禁想起了现在非常热的话题 —— 人工智能，机器可以帮医生读片啦，自动驾驶有望取代司机啦，未来会计将面临失业…… 人工智能就像个充满魔力的怪兽，只要你给它喂足够多的数据，它就能训练出一个模型，做出比人类更快更精准的预测。

发现没，人工智能根据海量数据训练出模型可不就是归纳推理！你给机器百万张人脸的照片，它便很快训练出一个模型，精准识别人脸。想象一下，如果现在给你一百万张人脸的照片，你要花多长时间将他们一一识别呢？在智能时代，拼经验总结能力，你还真干不过机器。

这是否说明你没有机器聪明？别忘了你还有大招 —— 演绎推理。未来人工智能的演绎推理能力能否胜过人类“小分子”并不确定，但至少目前，大量人工智能还是做着经验归纳的工作。如果你能灵活运用工具，让善于归纳的机器帮你归纳，你来进行演绎推理，还担心工作会被机器取代吗？

总结

归纳推理和演绎推理是两种不同的推理方法

归纳推理基于经验事实，得出概率性结论，属于感性和直觉推理，消耗认知能量低

演绎推理基于概念性事实，在保证前提的情况下，得出确定性结论，属于理性推理，消耗认知能量高