歸納:冰山一角的學習神器
"相關性不等於因果關係，但它確實是一個暗示。"卡爾．皮爾遜
在日常生活中，演繹是從自訂的環境中慢慢限縮到自己可以定義的事物作為理論，類比則是從自身生活經驗中比對後得出一個類似樣子與陌生物品做比較，身為類比天才和演繹殘廢的普通人我們來說，前者過於耗費心神而後者過於簡化而失真，歸納成了我們生活中最常用的方式，藉由直接反覆觀看許多相同試驗結果得出一些理論，這也被稱為統計學，成為許多碩士生不得不面對的事務(除了文學以外)，但這也產生出許多問題，歸納的出現改變了甚麼?歸納為甚麼變成我們研究方法的主流?歸納的缺點又是甚麼?更重要的，歸納對我們的學習產生什麼影響?
歸納的方式很簡單，我們要做的就是觀察事物，把每次觀察事物記錄下來，之後從中找出相同或相異的點後，開始針對相同或相異的點進行測試看看是否能回現之前的結果，舉例來說:我近期考試成績不理想，開始想:考試成績的因素跟哪一個東西有關?我把前一個月禮拜的作息表來看看，發現我的讀書方式是以觀看課本內容為主，即使有其他因素(可能是心情不好或是沒時間充分休息...)，但我純粹控制"讀書"這個因素，其他的基本不管，把"讀書"換成"刷考古題"，維持一個禮拜後去重新測試成績發現成績比之前用讀書的還要多10分，因此確定了"讀書方式"和"成績"之間的關係。
這種方式的優點很明顯，可以在簡化背景的狀況下快速得出兩個事務之間的關係，在這個基礎上，為了讓簡化假設更有說服力，會藉由大量實驗結果來讓背景忽略不計，假想一個母體，藉由抽樣多個事件來反推母體的模樣，把這些事件的細節抓出來用數字統計，找出事物之間的關係，用相關系來取代因果關係，因果關係是人的觀念，只有概率和相關係數是自然語言，這個方法完美規避因果關係的追問，讓我們的論文在書寫時不用想那麼多前提假設來追問前因和後果，直接說明兩者的交互關係即可，這也讓統計推論成為目前的研究方式主流。
歸納的缺點在於觀察範圍的侷限，不管你觀察數萬個數據，但總是會有一個例外在你的歸納那無法解釋，更荒謬的點在於推論，你也無法知道你的推論的交互關係是否如此，舉例來說:你花精力做好歷年購買香菸的統計圖和人年均死亡率的圖，發現購買香菸和死亡率都是上升趨勢，你得出抽菸會使死亡率上升，但總是會有人即使不抽菸還是會恩為肺癌死亡，甚至有人抽了一輩子的菸最終也沒得到肺癌死掉，如果把基因加進去，會發現抽菸把基因某些對菸有反應的基因刺激而導致肺癌...。如同飛機的黑箱子，在你無法完全解剖或是法律允許的狀況下，你只能一直猜事情的相關性並且雙手合十祈求其他因素不會是那個影響力最大進而要重新統計。
即使如此，歸納在我們生活中仍扮演重要的部分，它可以讓我們快速從現實裡找出規律來推出未知事務，學習能力的好壞也來自於此，你能否快速歸納每個知識並且羅列成一個現實需要的東西。舉例來說:當我們在創作時，我們一定會有一個想要表達的主題，這時我們的大腦會調用相關主題的記憶，想盡辦法打出一些字詞，或是遇到新的事物時，開始在腦中想一些類似的概念來分類標籤。這些標籤可以幫助你在判斷問題時能夠加快反應，你會覺得學習不夠快的原因也是來自你的歸納庫裡的相關標籤缺乏，這個遲鈍會隨著你有足夠的標籤底蘊而加快學習速度，甚至你會認為這個歸納標籤還是太過於廣泛容易混淆而開始繼續拆分更細的標籤，讓你在之後的判斷更能精確也能讓他人感到印象深刻。
如果把人的認知換成一個工廠，人先用類比把原料做第一次加工，之後由歸納做第二次加工，再由演繹做出適度雕塑包裝變成我們日常中思維的運行工具，時時為我們平時討論的想法出現一個模板，我們只要做的就只有把這個模板稍微修一點點就能直接送出回答。學習的關鍵還是在於累積，如同建立一個自己的世界，不同的知識慢慢聚集，你會發先這些會發生融合、互斥或是延伸等其他新奇的事物，我們跟那些學習老手相差也只在於此，隨著世界強調結果和效率，我們也自身在一個有許多人提供結果的網路生活中，不用做任何事就能享有他人成果，這也導致我們越來越對於自己的思考遲鈍感到不耐煩，也對事物越來越不好奇，陷入評價競爭當中，變成自我折磨的來源。我們該做的或許好好觀看自己，讓自己也能享受的機會，好好探索世界的斑斕色彩。
