文 | 鱼爱吃猫
我们已经知道了几种非常主流的论证方法：断言和否定、比较论证、条件论证、三段论，等等。这些方法，从推理逻辑上讲，都是为了得到一个必然性的结论。它们有一个共同的名字：演绎论证。
还有另一种同等重要的论证方法，名叫归纳论证。与演绎论证不同，归纳论证只能得出可能性结论。
归纳论证也有前提和结论这两个要素。在演绎论证中，我们只用一个正确的命题作为起点（大前提）。它通常是个全称命题，包括许多事物，例如：“每棵树都有根系”。演绎的基本原理是，从一个我们已经知道为真的命题出发，经过抽丝剥茧的分析（通过小前提得到结论），得出原始命题的背后隐含的是什么。
在这样的论证中，结论的真实性已经包含在大前提中，论证只是把它形之于外。所以，演绎的过程也是解析的过程，因为它把一个事实还原成了它的组成部分。
而在归纳论证中，前提则是一个由特称命题组合而成的系列证据。这些证据是得出一个关于它们共性的可信结论的基础。在这背后，真正驱动人们搜集证据的，是合理的假设。对于尚不知道的事物，我们只能用合理的假设去推断、想象它的样子，将这个样子作为研究的起点。
这样的描述或许在你看来比较眼熟。没错，这就是科研工作者的日常，也是用科学精神研究任何问题的正确方法。有先人说过，科学就是在一片黑暗中摸索正确的道路。既然是黑暗，那么善用归纳论证则是科学的必由之径。甚至可以毫不夸张地说，整个科学的帝国都建立在归纳论证的基础上。
科学家一直致力于收集零散的信息，以期推导出一般的模式和规律。一旦这样的模式和规律被探测到，可信的推测就有了坚实的土壤。例如，如果我观测到，只要现象Y不发生，现象X就绝不会出现（假设我已经观测了成千上万次现象X），那么我就可以合理地推测：如果明天现象X会出现，则现象Y一定会发生。
从这里可以看出，归纳论证的目的是对大量的事物作出可信的一般性结论（即有高度可能性）。你可能会问：为什么不作出完全确定的结论？这是因为，逐一检测特定范围内的所有成员，来确定是否每个成员都具有某项特征，这样的做法基本上是不可能的。
自然科学和社会科学发展到今天，研究的范围越来越大，样本选取的难度也越来越大。没有哪项研究是可以覆盖对象范围内的所有个体的，因此统计学方法成了所有科学的必备工具。而统计学的核心，正是归纳论证。只要你选取的样本足够多，足够有代表性，就可以用来代表整体，从而支持你作出可信的结论。
讲完了归纳论证，我们可以为逻辑的语言做一个小结了。逻辑的语言是论证，论证展现的是推理的核心——推理的过程。在最简单的形式里，它使我们从一个观点出发并接受另一个观点。
如果要评定论证的正确性，我们第一步要确定的，是我们所要评定的论证是否是一个真正的论证。也就是说，两个基本要素——前提和结论，都齐全了吗？如果一个论证找不到有效的支持证据，它无论看起来再漂亮，也是错误的。只有证据充足的命题可以得出结论。一个缺乏证据的命题仅仅是一个观点，我们可以自由地选择接受或不接受。
如果这一点清楚了，我们接下来就要看几点：前提是正确的吗？前提与结论有显著的相关性吗？论证的结构合理吗？结论是否反映了前提的量和质？这些点，在昨天的文章中都详细分析过了。
如果一个论证通过了上述所有评定，那么我们可以自信地说，这是个完整而正确的论证。它得出的结论可能不为我们所熟悉，甚至不为我们所喜欢，然而它很可能代表着真相，也就是人类穷尽生命所追求的东西。
