怎样的解释才是好的解释?最简单的解释不总是最好的吗?为什么人经常吞疯解释吗?这些只是我们本周关于解释本质的部分问题。

让我们从一个看似无辜的问题开始。假设我们对同一件事有两种相互矛盾的解释。我们如何在它们之间做出选择?一个完全合理的想法是，我们应该总是从更简单的开始。但是，是什么证明了这种想法呢?你可能会怀疑，更简单的解释更可能是正确的。我认为这种想法是有道理的。但同样重要的是，有时一个简单的解释可能太简单了。如果我们要把简单性作为解释的指南，我们需要一个可以被称为相对而不是简单的绝对概念。我们的解释最好简明扼要相对我们要解释的证据。我们不应该提供简单到无法解释证据的解释，但我们也不应该让我们的解释比证据所要求的更复杂。

但现在我们面临另一个问题。我们究竟该如何在基于证据的过于简单的解释和基于证据的过于复杂的解释之间取得平衡呢?在这里，恐怕没有什么硬性规则，当然也没有什么算法可以应用。这更像是个案分析，当你看到的时候你就知道了。

然而，我们在试图对我所设想的那种情况作出解释时所采用的推理是有名称的。哲学家称之为诱导的推理。我打赌大多数人都很熟悉归纳推理而且演绎推理,但诱导的推理这可能是一个不太熟悉的术语。溯因推理或推理有时也被称为最佳解释推理，但这可能并不透明。让我举一个例子来说明这个概念。

假设你是调查吉米·苏格拉底谋杀案的警探。你有两个主要嫌疑人，弗雷迪·尼采和汤米·霍布斯。这是反对尼采的例子。在苏格拉底死前不久，有人发现他和苏格拉底有过激烈的争论。警察在尼采家后院的灌木丛里发现了凶器。

这听起来很可怕。现在我们来看看霍布斯的理论。霍布斯也恨苏格拉底。那晚，一名目击者看到一名符合霍布斯描述的男子从犯罪现场跑了出来。在你断定霍布斯就是我们要找的人之前，考虑一下这个附加的事实。就在谋杀发生一小时后，霍布斯被发现在一百英里外的一家餐馆里，和他的搭档安静而亲密地共进晚餐。

你可能会认为，既然我们得到了支持两个不同假设的非决定性证据——一方面，我们有激烈的争论和灌木丛中的枪把我们拉向一个假设，而另一方面，我们有目击者的证词把我们拉向另一个假设——我们唯一的选择就是挖掘更多的证据，希望找到一些关键的证据，最终证实一个假设，同时否定另一个假设。

但一个溯因推理者可能会说我们根本不需要这么做。我们已经有足够的证据了。我们只需要用一点溯因推理来帮助我们解决这个问题。当然，内推推理者可能会说，这是尼采做的。如果不是，那枪是怎么进他家院子的?霍布斯是怎么这么快就离开犯罪现场的?这就是绑架的美妙之处即使我们的证据在某种意义上是不完整和不确定的，它可以帮助我们找到最好的解释，而不是漫无目的地寻找更多的证据。

但溯因推理真的是找到真相的可靠方法吗?它可以可靠地引导我们找到简单的解释，但为什么认为最简单的总是最好的尤其是如果我们说的最好是“真实的”?

例如，考虑以下对苏格拉底之死的另一种解释。也许霍布斯是在陷害尼采。霍布斯知道尼采和苏格拉底会打起来，便安排他们在他知道他们会被看到的地方见面。在他们分手后，霍布斯谋杀了苏格拉底，并把枪放在院子里。当然，到目前为止，我们已经忽略了在一百英里外的亲密晚餐这一不方便的事实。我们如何解释这一事实?嗯，也许霍布斯有一辆可以在相对较短的时间内把他送去100英里外的交通工具，随时待命。他选择的交通工具是一架直升机!它停在附近的一个直升机停机坪。他杀了苏格拉底，上了直升机，在飞过院子的时候放下枪，把直升机降落在一百英里外，那里有个司机正等着带他去赴宴。

这听起来可能有点疯狂，至少从目前的证据来看是这样。当然这很复杂，至少从目前的证据来看是这样。正是这种明显的无动机的复杂性，我们可以这样称呼它们，而溯因推理倾向于回避。所以，除非我们决定检查该地区的直升机场是否有可疑的起飞和降落，否则我们几乎没有理由认为这是一个假设。当然，仅凭溯因推理并不会迫使甚至引诱我们去考虑它。

但这一事实引发了以下问题。如果我们甚至不允许自己考虑每一个逻辑上可能的解释，我们怎么能确信我们知道最好的解释呢?

一方面，你可能认为这就是溯因推理的美妙之处。它不需要我们把自己逼疯，寻找证据来排除所有可能的可能性。如果选择是特别的或者太复杂，或者与我们已经知道的不一致，我们可以直接忽略它。

我明白了，但这些都不能保证我们因为缺乏某种解释的优点而排除的替代方案——比如简单性，仅举一个例子——一定是错误的。除非我们有一些更可靠的真相追踪方法来确定哪些逻辑上可能的选择值得认真对待，哪些不值得，否则我们无法保证我们认为最好的解释一定是正确的。在没有任何这样的保证的情况下，溯因推理可能看起来至少有点像骗局。

这也许很神秘，但我不打算完全排除绑架。毕竟，人们一直都在进行溯因推理。不仅仅是科学家。也是普通人。甚至婴儿也会这样做。在大多数情况下，我们非常擅长于此，尽管它有缺陷。

这意味着，作为哲学家、心理学家和认知科学家，我们的任务是将溯因推理的频繁成功视为必然，然后尝试弄清楚它是如何以及为什么如此有效，以及它何时会出错。这正是我们这周要做的。我们希望得到你的帮助。

图片由尘土飞扬的巴恩斯在Unsplash