每个人都说：“相信你的直觉。”但
没有人解释你的直觉是如何思考的。
查尔斯·皮尔斯做到了。
他称之为溯因推理——最佳猜测的逻辑。从想法到假设的跳跃。这种思维方式并不能保证你一定正确，但能让你足够接近事实，值得一试。
19世纪末，皮尔士（发音为“purse”）提出了一个关于人类如何形成信念的模型。这种信念的形成并非等待神灵的启示或遵循完美的规则，而是从不确定性入手，对我们自以为知道的事物感到不安，并形成一个值得检验的猜测。
他通过自己的工作创造了“探究”一词。这种逻辑如今在早期产品战略、设计研究和推测性人工智能提示中随处可见。但大多数人从未听说过它，或者从未听说过他。
皮尔士是一位逻辑学家、数学家、物理学家，以及许多其他领域的专家，他是美国实用主义的奠基人。但他真正痴迷的是我们如何形成信念……以及如何改变它们。
他相信真理并非唾手可得，而是需要你努力奋斗才能获得。而获得真理的途径并非加倍努力……而是甘愿犯错。
对于皮尔士来说，怀疑并非弱点，而是真正思考的开始。
他概述了人类推理的三种基本方式：
皮尔斯认为，溯因推理是思维的起点，是所有洞察力的源泉。它引领新想法进入思维领域，让产品团队能够推测某个指标下降的原因，让设计师能够预见到混乱的发生，让研究人员能够提出正确的问题——而不仅仅是分析数据。
溯因推理是从观察到可能性的飞跃。从“这到底是怎么回事？”到“也许是这样”。它并不能保证你是对的，但它能给你提供一些可以测试的东西。
演绎法起源于亚里士多德，它从普遍真理出发，并由此推理。
如果所有人都会死，而内特是人类，那么内特也是会死的。
非常简单。无需猜测。
它是系统、策略和自动化的逻辑。它是工程师确保代码正常运行的方式，也是合规团队发现违规行为的方式。演绎是我们利用已知知识进行推理的方式。但演绎并不能产生新的见解。它只能验证符合规则的内容。我喜欢这样理解：演绎建立在现状之上，而不是可能实现的。
归纳法也源于亚里士多德，但经过以下思想家的扩展：弗朗西斯·培根和大卫·休谟，反之亦然。它根据观察到的情况推断可能发生的情况。
到目前为止，太阳每天都会升起，因此，明天它大概也会升起。
它是科学、分析和机器学习背后的逻辑。它能发现模式、发现趋势并标记概率。归纳推理能告诉团队用户做了什么，但不一定能告诉他们为什么做，或者下一步该做什么。
它很强大，但都是事后诸葛亮。它是一种回顾。没有溯因推理来构建问题，也没有演绎推理来施加约束，归纳推理只是收集数据。它只是观察，却不知道究竟要寻找什么。
皮尔士不仅研究我们如何推理，他还研究我们如何相信，以及为什么错误的信念如此难以动摇。在他1877年的论文《信念的固着》中，他列举了人们判断真理的四种常见方式：
其中只有一种说法欢迎质疑。其他说法则鼓励安慰。它们之所以让人感觉真实，是因为它们一直以来都让人感觉真实。可能是因为某个可信的人说过这些话（锚定效应），也可能是因为它们易于重复，难以质疑。
信念并不总是来自证据。它来自情感、重复，有时甚至是便利。
这就是为什么人们会继续从事有害的工作，并相信阴谋论。这就是为什么整个团队围绕着一个在启动会议上感觉正确的想法展开工作，但之后就再也没有被重新讨论过。
皮尔斯的警告不仅仅是哲学层面的，它非常实用：
如果你忽略了怀疑带来的不适，你也就忽略了学习的机会。
大多数现代设计工作都始于一种直觉。你注意到一些事情。你猜测它发生的原因。你验证这个猜测。
这就是绑架。
你不是在证明必然为真，也不是在确认可能为真。你是在问：这里可能发生了什么？
这是探索研究和旅程地图的核心。真正以人为本的设计。这种设计需要长时间地与模糊性共存，以便从中汲取经验，而不是停留在幻灯片上假装自己已经知道了。
问题？
我们不会把溯因推理当成一门技能来教。我们把它当成直觉。高级设计师“大概知道”的东西。
我想皮尔斯不会同意。对他来说，溯因推理不是魔法，而是逻辑。溯因推理是可以训练的，可以解释的，而且也值得实践。
如果说演绎法是数学的逻辑，归纳法是科学的逻辑，那么溯因法就是设计的逻辑。
优秀的设计师总是在别人追寻答案之前提出更精妙的问题。这也是为什么他们不仅仅是在建造，而是在观察。
溯因推理并不仅限于设计。每当我们试图理解一些不明确的事物时，它都会出现。而没有什么比我们如何使用生成式人工智能更切题（或更容易被忽视）了。
在 GenAI 出现之前，深度思考进展缓慢。你必须面对模棱两可的情况，理解零散的信息，并挑战自己的假设。这种方式效率不高，但确实有效。
现在，有了 GenAI，我们就有了一个可以模拟新观点、提出反驳意见并帮助我们比以往更快地测试想法的工具。
但大多数人并非如此使用。他们带着结果而来，而不是带着疑问。他们寻求的是确认，而不是探索。他们把这个工具当成了自动售货机。
提示法运用得当，就能起到溯因推理的作用。你先提出一个假设，然后提出问题，探索可能成立的结论。之后，不断完善假设。
如果使用不当，该工具会反映你的第一个假设。听起来很有说服力，但却无法加深你的理解。
早在语言模型出现之前，皮尔斯就对此发出过警告。当信念被过快接受时，它就会停止进化。当质疑从学习过程中消失时，学习也会随之消失。
提示是练习溯因推理的机会，但只有我们像自己思考一样小心地使用它时，才有意义。
我们并非为真理而设计，而是为可以演变的信念而设计，这意味着我们要适应模糊性，提出更好的问题，并抵制急于获得确定性的冲动。
如果人工智能要帮助我们思考（而不仅仅是产生结果），那么我们必须教会人们如何谨慎地推测并检验假设。我们还必须教会人们如何在不失去控制的情况下改变想法。
查尔斯·皮尔士为我们提供了一个模型，帮助我们在事实不全的情况下进行推理。这是一种灵活且愿意犯错的思维方法。
它仍然有效。
如果你对这些思维习惯是如何养成的感兴趣，我曾专门写过关于弗里德里希·福禄贝尔的文章，他是一位向我们展示如何塑造学习方式的教育家。
