讲演绎和归纳之前，我先带你回想一下你的政治老师，或者政治课本。在马哲的部分，有一组普遍论和特殊论的概念，还有白马和马的故事，我不知道你还有没有印象。

我的印象特别深刻，当时老师问我们：“是普遍性蕴含在特殊性之中，还是特殊性蕴含在普遍性之中？”

我们当时什么都还没学，凭着感觉，异口同声答：“特殊性蕴含在普遍性之中。”
路人甲乙丙普通人多的是，普通人里会有那么几个特殊的嘛。

果然中套，全部答错。

老师说的普遍性是哲学概念，不是我们理解的普遍就是满大街都是。特殊性也是哲学概念，不是指的特别少见，和常见的东西都不一样。

老师指的特殊性，是说白马、黑马、大花马、大马、小马、不大不小马、公马、母马、3岁马、5岁马....这每一个具体的个体都是特殊性。而从这无数个个体中抽象出来的概念“马”是普遍性。

所以正确答案是，普遍性蕴含在特殊性之中，没有这一个个的个体，从哪抽象出马这个概念来。

36kr 2012年6月有一篇文章，题目叫《Google的猫脸识别：人工智能的新突破》，介绍的就是Google X 实验室开发出了一套具备自主学习能力的神经网络系统，

文章说到“常见的人脸识别是由程序员预先将整套鉴别系统写好，告诉计算机人脸应该是怎样的，电脑只需通过摄像头获取数据，然后对包含同类信息的图片作出标识，从而达到‘识别’的结果。这就有点演绎的感觉。你把原理、规则告诉我，然后我拿着规则到现实中去套。”

而Google的神经网络系统是通过机器学习的方式，无需人类告诉它“猫咪应该长成啥样”。项目负责人之一Andrew称：“我们没有像通常做的那样自己框定边界，而是直接把海量数据投放到算法中，让数据自己说话，系统会自动从数据中学习。”另外一名负责人Jeff则说：“我们在训练的时候从来不会告诉机器说：‘这是一只猫。’系统其实是自己发明或者领悟了“猫”的概念。”这就是为什么大家惊呼厉害了word电脑，可以自己归纳了。

当然演绎和归纳在逻辑史也有一个发展过程，本篇以简单好用为主，就不赘述了。

演绎推理，你就可以理解为从普遍真理中发现特称真理。
归纳推理，你就可以理解为从特称的真理中发现一个普遍真理

大白话来理解呢，比如老师告诉你一个公式，你叭叭叭举一反三，把三道题都做对了。这就算是从普遍真理（这个公式）中，发现3个特称真理（三道题的正确答案）了。比如你学了什么营销原理，投资方法，社群管理的招数，然后用于了自己的营销实践、投资实践、社群管理实践中，具体问题具体分析，都让你结合原理给分析出来了，演绎小能手奖章颁给你。

那么反过来，如果你发现了一堆乱七八糟的现象，然后你火眼睛睛，发现有的现象就是出来捣乱的，把捣乱的现象扔掉，剩下的总结一下，发现这些现象都符合一个公式（原理），你把这个公式活生生地发现了，之后所向披靡，好几百年，没人能用一个反例打败你，恭喜你归纳小能手非你莫属。

再思考起问题来，你就有了两个很厉害的武器。如果这个问题，前人，前人的前人，前人的前人的前人，绞尽脑汁思考过，提出了很厉害的模型，让你发现了，你就拿起来，结合现实的前提条件，按照模型里的公式，推论出结果，然后等着别人赞你英明神武。

如果这个问题，你发现你在故纸堆里翻啊翻啊，跟聪明人聊啊聊啊，发现这个问题，你没能找到成熟的解决方案，没有那个原理，恭喜你，天将降大任于斯人也，你就发挥自己的聪明才智，通过观察、实验，搜集大量的数据，然后尽可能地去发现一个公式，这个公式可以解释所有的现象。然后你大喊一声，老子发现了一个理论。嗯...每个博士生理论上都是要脱这样一层皮，一顿文献综述，和导师海聊，发现了一个无人区，然后实验实验实验，访谈访谈访谈，就为了提出一个新理论，做出理论创新，然后答辩的时候被其他老师一顿挑毛病。

演绎推理是归纳推理的逆过程。如果你问我是拿公式套现实容易，还是从现实中抽象出理论容易，我选前者，我一般也会建议来问我的人，尽可能用演绎法来解决问题，毕竟在无人区探索，太艰辛了。多翻翻书，多问问人，我相信绝大多数人的绝大多数问题，都已经被聪明人反复琢磨过了。你打听到大的原则，在根据你的具体情况小修小补，是最高效的。但是如果你希望享受创造的快感，享受老子天下第一的乐趣，那就多练练归纳吧，毕竟你用来演绎的那些原理也是牛人辛辛苦苦归纳出来，人生在世，你也不妨试试啊。