推理

推论
来源情况、​过程类型
上级分类	过程
拥有特性	推理方式
範例項目	溯因推理、​backward chaining
Stack Exchange標籤	https://stackoverflow.com/tags/inference

推理或推論（英語：inference）是「使用理智從某些前提（已知）導出結論」的思維過程。

推理传统上分为演绎推理（deduction）和归纳推理（induction），这一区分至少可追溯至亚里士多德（公元前4世纪）。第三种类型，溯因推理（abduction），由查尔斯·桑德斯·皮尔士提出。

各领域研究推理的不同方面：逻辑学研究有效的推理形式，认知心理学研究人类如何实际进行推理，人工智能研究者开发自动推理系统以模拟人类推理。

推理可以指两个不同的概念：一是指基于证据和推理过程得出的结论（名词）；二是指得出这一结论的过程（动词）。归纳推理是从多个特殊观察中概括出一般结论的过程：这一结论可能正确，也可能仅在特定条件下正确。

推理的有效性取决于推理的形式。一个推理可以形式有效但结论为假（只要前提中至少一个为假），也可以形式无效却所有前提和结论均为真。但有效的形式加上真实的前提必然得出真实的结论。

演绎推理给出正确的前提，就必然推出结论（结论不能为假，悖论除外）。演绎推理无法使知识扩增，因为结论自包含于前提之内。逻辑学中有名的三段论就是典型的例子：

• 人皆有一死
• 苏格拉底是人
• 所以，苏格拉底会死

正确的推理形式必须有效。以下是一个无效形式的例子：

• 所有A都是B（所有苹果都是水果）
• 所有C都是B（所有香蕉都是水果）
• 因此，所有C都是A（所有香蕉都是苹果）

这个推论前提为真但结论为假，说明其形式无效。有效的形式则不同——例如前提“所有高个子都是法国人”为假，“约翰·列侬是高个子”为真，但推理形式有效时，前提的假并不使推理本身无效。

在归纳推理当中，当前提为真时，可推出某种概率性的结论。归纳推理可以扩展知识，因为结论比前提包含更多的信息。大卫·休谟曾举出归纳推理的范例：

• 在我记得的过去每一天中，太阳都会升起
• 所以，太阳明天将会升起

溯因推理（abductive reasoning），又称推理到最佳解释。这种推理方法的结论并非逻辑必然，而是要找出给定证据最可能的解释。溯因推理在科学发现和日常诊断中广泛使用：医生根据症状推断病因，侦探根据线索推断作案过程，都是溯因推理的典型应用。

错误的推理称为谬误。非形式逻辑学家整理了大量的谬误列表。认知心理学家则记录了人类推理中的多种认知偏差。

确认偏差是其中最著名的偏差之一——人们倾向于寻找、解释和记忆符合已有信念的信息，而非可能反驳它的信息。这一现象在沃森选择任务中得到系统展示。

合取谬误是概率推理中的常见错误——人们倾向于判断两个事件的合取比其中单一事件更可能发生，因为细节更具体、更“有代表性”。经典的琳达问题展示了这一效应。这些偏差通常用启发式（mental shortcuts）来解释。

在人工智能领域，推理机（inference engine）是专家系统和业务规则引擎的核心组件，负责从知识库中自动推导出新结论。Prolog编程语言基于谓词逻辑的子集，使用反向链接算法进行推理。近年来，基于描述逻辑的[[网络本体语言]]（OWL）使得语义网中的知识可以被自动推理。

贝叶斯推断使用概率论的数学规则来量化不确定性条件下的推理：先验信念通过贝叶斯定理根据新证据更新为后验概率。贝叶斯框架的一个理想特性是它将演绎逻辑（确定性推理）作为其子集。

• 系理
• 證據
• 可废止推理
• 逻辑推理
• 邏輯
• 直言三段论
• 逆推法
• 推理片
• 推理小說