講演繹和歸納之前，我先帶你回想一下你的政治老師，或者政治課本。在馬哲的部分，有一組普遍論和特殊論的概念，還有白馬和馬的故事，我不知道你還有沒有印象。
我的印象特別深刻，當時老師問我們：“是普遍性蘊含在特殊性之中，還是特殊性蘊含在普遍性之中？”
我們當時什么都還沒學，憑著感覺，異口同聲答：“特殊性蘊含在普遍性之中。”
路人甲乙丙普通人多的是，普通人里會有那么幾個特殊的嘛。
果然中套，全部答錯。
老師說的普遍性是哲學概念，不是我們理解的普遍就是滿大街都是。特殊性也是哲學概念，不是指的特別少見，和常見的東西都不一樣。
老師指的特殊性，是說白馬、黑馬、大花馬、大馬、小馬、不大不小馬、公馬、母馬、3歲馬、5歲馬....這每一個具體的個體都是特殊性。而從這無數個個體中抽象出來的概念“馬”是普遍性。
所以正確答案是，普遍性蘊含在特殊性之中，沒有這一個個的個體，從哪抽象出馬這個概念來。
36kr 2012年6月有一篇文章，題目叫《Google的貓臉識別：人工智能的新突破》，介紹的就是Google X 實驗室開發出了一套具備自主學習能力的神經網絡系統，
文章說到“常見的人臉識別是由程序員預先將整套鑒別系統寫好，告訴計算機人臉應該是怎樣的，電腦只需通過攝像頭獲取數據，然后對包含同類信息的圖片作出標識，從而達到‘識別’的結果。這就有點演繹的感覺。你把原理、規則告訴我，然后我拿著規則到現實中去套。”
而Google的神經網絡系統是通過機器學習的方式，無需人類告訴它“貓咪應該長成啥樣”。項目負責人之一Andrew稱：“我們沒有像通常做的那樣自己框定邊界，而是直接把海量數據投放到算法中，讓數據自己說話，系統會自動從數據中學習。”另外一名負責人Jeff則說：“我們在訓練的時候從來不會告訴機器說：‘這是一只貓。’系統其實是自己發明或者領悟了“貓”的概念。”這就是為什么大家驚呼厲害了word電腦，可以自己歸納了。
當然演繹和歸納在邏輯史也有一個發展過程，本篇以簡單好用為主，就不贅述了。
演繹推理，你就可以理解為從普遍真理中發現特稱真理。
歸納推理，你就可以理解為從特稱的真理中發現一個普遍真理
大白話來理解呢，比如老師告訴你一個公式，你叭叭叭舉一反三，把三道題都做對了。這就算是從普遍真理（這個公式）中，發現3個特稱真理（三道題的正確答案）了。比如你學了什么營銷原理，投資方法，社群管理的招數，然后用于了自己的營銷實踐、投資實踐、社群管理實踐中，具體問題具體分析，都讓你結合原理給分析出來了，演繹小能手獎章頒給你。
那么反過來，如果你發現了一堆亂七八糟的現象，然后你火眼睛睛，發現有的現象就是出來搗亂的，把搗亂的現象扔掉，剩下的總結一下，發現這些現象都符合一個公式（原理），你把這個公式活生生地發現了，之后所向披靡，好幾百年，沒人能用一個反例打敗你，恭喜你歸納小能手非你莫屬。
再思考起問題來，你就有了兩個很厲害的武器。如果這個問題，前人，前人的前人，前人的前人的前人，絞盡腦汁思考過，提出了很厲害的模型，讓你發現了，你就拿起來，結合現實的前提條件，按照模型里的公式，推論出結果，然后等著別人贊你英明神武。
如果這個問題，你發現你在故紙堆里翻啊翻啊，跟聰明人聊啊聊啊，發現這個問題，你沒能找到成熟的解決方案，沒有那個原理，恭喜你，天將降大任于斯人也，你就發揮自己的聰明才智，通過觀察、實驗，搜集大量的數據，然后盡可能地去發現一個公式，這個公式可以解釋所有的現象。然后你大喊一聲，老子發現了一個理論。嗯...每個博士生理論上都是要脫這樣一層皮，一頓文獻綜述，和導師海聊，發現了一個無人區，然后實驗實驗實驗，訪談訪談訪談，就為了提出一個新理論，做出理論創新，然后答辯的時候被其他老師一頓挑毛病。
演繹推理是歸納推理的逆過程。如果你問我是拿公式套現實容易，還是從現實中抽象出理論容易，我選前者，我一般也會建議來問我的人，盡可能用演繹法來解決問題，畢竟在無人區探索，太艱辛了。多翻翻書，多問問人，我相信絕大多數人的絕大多數問題，都已經被聰明人反復琢磨過了。你打聽到大的原則，在根據你的具體情況小修小補，是最高效的。但是如果你希望享受創造的快感，享受老子天下第一的樂趣，那就多練練歸納吧，畢竟你用來演繹的那些原理也是牛人辛辛苦苦歸納出來，人生在世，你也不妨試試啊。
