每個人都說：“相信你的直覺。”但
沒有人解釋你的直覺是如何思考的。
查爾斯·皮爾斯做到了。
他稱之為溯因推理——最佳猜測的邏輯。從想法到假設的跳躍。這種思維方式并不能保證你一定正確，但能讓你足夠接近事實，值得一試。
19世紀末，皮爾士（發音為“purse”）提出了一個關于人類如何形成信念的模型。這種信念的形成并非等待神靈的啟示或遵循完美的規則，而是從不確定性入手，對我們自以為知道的事物感到不安，并形成一個值得檢驗的猜測。
他通過自己的工作創造了“探究”一詞。這種邏輯如今在早期產品戰略、設計研究和推測性人工智能提示中隨處可見。但大多數人從未聽說過它，或者從未聽說過他。
皮爾士是一位邏輯學家、數學家、物理學家，以及許多其他領域的專家，他是美國實用主義的奠基人。但他真正癡迷的是我們如何形成信念……以及如何改變它們。
他相信真理并非唾手可得，而是需要你努力奮斗才能獲得。而獲得真理的途徑并非加倍努力……而是甘愿犯錯。
對于皮爾士來說，懷疑并非弱點，而是真正思考的開始。
他概述了人類推理的三種基本方式：
皮爾斯認為，溯因推理是思維的起點，是所有洞察力的源泉。它引領新想法進入思維領域，讓產品團隊能夠推測某個指標下降的原因，讓設計師能夠預見到混亂的發生，讓研究人員能夠提出正確的問題——而不僅僅是分析數據。
溯因推理是從觀察到可能性的飛躍。從“這到底是怎么回事？”到“也許是這樣”。它并不能保證你是對的，但它能給你提供一些可以測試的東西。
演繹法起源于亞里士多德，它從普遍真理出發，并由此推理。
如果所有人都會死，而內特是人類，那么內特也是會死的。
非常簡單。無需猜測。
它是系統、策略和自動化的邏輯。它是工程師確保代碼正常運行的方式，也是合規團隊發現違規行為的方式。演繹是我們利用已知知識進行推理的方式。但演繹并不能產生新的見解。它只能驗證符合規則的內容。我喜歡這樣理解：演繹建立在現狀之上，而不是可能實現的。
歸納法也源于亞里士多德，但經過以下思想家的擴展：弗朗西斯·培根和大衛·休謨，反之亦然。它根據觀察到的情況推斷可能發生的情況。
到目前為止，太陽每天都會升起，因此，明天它大概也會升起。
它是科學、分析和機器學習背后的邏輯。它能發現模式、發現趨勢并標記概率。歸納推理能告訴團隊用戶做了什么，但不一定能告訴他們為什么做，或者下一步該做什么。
它很強大，但都是事后諸葛亮。它是一種回顧。沒有溯因推理來構建問題，也沒有演繹推理來施加約束，歸納推理只是收集數據。它只是觀察，卻不知道究竟要尋找什么。
皮爾士不僅研究我們如何推理，他還研究我們如何相信，以及為什么錯誤的信念如此難以動搖。在他1877年的論文《信念的固著》中，他列舉了人們判斷真理的四種常見方式：
其中只有一種說法歡迎質疑。其他說法則鼓勵安慰。它們之所以讓人感覺真實，是因為它們一直以來都讓人感覺真實。可能是因為某個可信的人說過這些話（錨定效應），也可能是因為它們易于重復，難以質疑。
信念并不總是來自證據。它來自情感、重復，有時甚至是便利。
這就是為什么人們會繼續從事有害的工作，并相信陰謀論。這就是為什么整個團隊圍繞著一個在啟動會議上感覺正確的想法展開工作，但之后就再也沒有被重新討論過。
皮爾斯的警告不僅僅是哲學層面的，它非常實用：
如果你忽略了懷疑帶來的不適，你也就忽略了學習的機會。
大多數現代設計工作都始于一種直覺。你注意到一些事情。你猜測它發生的原因。你驗證這個猜測。
這就是綁架。
你不是在證明必然為真，也不是在確認可能為真。你是在問：這里可能發生了什么？
這是探索研究和旅程地圖的核心。真正以人為本的設計。這種設計需要長時間地與模糊性共存，以便從中汲取經驗，而不是停留在幻燈片上假裝自己已經知道了。
問題？
我們不會把溯因推理當成一門技能來教。我們把它當成直覺。高級設計師“大概知道”的東西。
我想皮爾斯不會同意。對他來說，溯因推理不是魔法，而是邏輯。溯因推理是可以訓練的，可以解釋的，而且也值得實踐。
如果說演繹法是數學的邏輯，歸納法是科學的邏輯，那么溯因法就是設計的邏輯。
優秀的設計師總是在別人追尋答案之前提出更精妙的問題。這也是為什么他們不僅僅是在建造，而是在觀察。
溯因推理并不僅限于設計。每當我們試圖理解一些不明確的事物時，它都會出現。而沒有什么比我們如何使用生成式人工智能更切題（或更容易被忽視）了。
在 GenAI 出現之前，深度思考進展緩慢。你必須面對模棱兩可的情況，理解零散的信息，并挑戰自己的假設。這種方式效率不高，但確實有效。
現在，有了 GenAI，我們就有了一個可以模擬新觀點、提出反駁意見并幫助我們比以往更快地測試想法的工具。
但大多數人并非如此使用。他們帶著結果而來，而不是帶著疑問。他們尋求的是確認，而不是探索。他們把這個工具當成了自動售貨機。
提示法運用得當，就能起到溯因推理的作用。你先提出一個假設，然后提出問題，探索可能成立的結論。之后，不斷完善假設。
如果使用不當，該工具會反映你的第一個假設。聽起來很有說服力，但卻無法加深你的理解。
早在語言模型出現之前，皮爾斯就對此發出過警告。當信念被過快接受時，它就會停止進化。當質疑從學習過程中消失時，學習也會隨之消失。
提示是練習溯因推理的機會，但只有我們像自己思考一樣小心地使用它時，才有意義。
我們并非為真理而設計，而是為可以演變的信念而設計，這意味著我們要適應模糊性，提出更好的問題，并抵制急于獲得確定性的沖動。
如果人工智能要幫助我們思考（而不僅僅是產生結果），那么我們必須教會人們如何謹慎地推測并檢驗假設。我們還必須教會人們如何在不失去控制的情況下改變想法。
查爾斯·皮爾士為我們提供了一個模型，幫助我們在事實不全的情況下進行推理。這是一種靈活且愿意犯錯的思維方法。
它仍然有效。
如果你對這些思維習慣是如何養成的感興趣，我曾專門寫過關于弗里德里希·福祿貝爾的文章，他是一位向我們展示如何塑造學習方式的教育家。
