演绎法的推演过程是由一般到特殊，而归纳法恰好相反。归纳法是对事物进行归纳总结，从普遍的现象中总结出一般性的结论。
下面解释来自维基百科：
归纳法或归纳推理，有时叫做归纳逻辑，是论证的前提支持结论但不确保结论的推理过程。它基于对特殊的代表的有限观察，把性质或关系归结到类型；或基于对反复再现的现象的模式的有限观察，公式表达规律。
举个例子：
冰是冷的。
弹子球在击打球杆的时候移动。
推断出普遍的命题如：
所有冰都是冷的。
所有弹子球都在击打球杆的时候移动。
正如你看到的那样，归纳法很容易出现过度普遍化的情况，我们经常会根据我们观察到的有限例子具有某种特性，便轻率的得出其它事物也具有相同特性的结论。
举个很常见的例子，很多人都会说，“湖南人都喜欢吃辣”，于是遇到像我这样不那么喜欢吃辣的湖南人时，反而会质问我，“你到底是不是湖南人”。他们似乎把“大多数”这个词给省略掉了，“大多数湖南人喜欢吃辣”不代表“所有湖南人都喜欢吃辣”。而且这个大多数也仅仅是观测到的结果，具体比例也并没有数据支撑。
（关于吃辣，我刚好在一席上发现了一个很有意思的视频，可以消除一些大家对于辣椒的误解，大家有兴趣也可以看看：https://yixi.tv/speech/831。）
还有一个更出名的例子，那便是黑天鹅，这也是塔勒布的《黑天鹅》一书中所阐述的主要概念。
在18世纪欧洲人发现澳洲之前，由于他们所见过的天鹅都是白色的，所以在当时欧洲人眼中，天鹅只有白色的品种。直到欧洲人发现了澳洲，看到当地的黑天鹅后，人们认识天鹅的视野才打开，只需一个黑天鹅的观察结果就能使从无数次对白天鹅的观察中归纳推理出的一般结论失效，引起了人们对认知的反思－以往认为对的不等于以后总是对的。“黑天鹅”隐喻那些意外事件：它们极为罕见，在通常的预期之外，在发生前，没有任何前例可以证明，但一旦发生，就会产生极端的影响。
归纳推理过程中也很容易由于样本的有限性和特殊性而导致统计偏差，得出一些错误的结论。比如幸存者偏差、辛普森悖论、选择性偏差、伯克森悖论等等，关于这些统计偏差，后面会有文章来做更详细的说明，这里就不展开讨论了。
总结看完上面的说明，我们的认知体系似乎显得有些弱不经风。但事实上并非如此，我们的认知是能够在成长过程中不断学习进化的，能够调整和提升认知的人便有机会取得更多的资源，机会来临时也更容易抓住。而认知有限的人，在发展到一定程度后，认知水平就会成为成长的瓶颈，很难取得更高的成就。有一句话说的好，你只能赚到你认知水平范围内的钱，凭运气赚的钱，迟早会凭本事亏掉。
也许你还是会问，这跟我们在现实生活中看到的似乎又不太一样。为什么有些学习差的人反而赚了大钱，而很多大学生却只能碌碌无为的度过一生？难道大学生的认知水平反而更低吗？
如果你问出这样的问题，显然又掉入了幸存者偏差的陷进里，那些学习不好，过得也很差的人并没有出现在你的视野里，而那些学习成绩好也取得了巨大成就的人也被你选择性忽略掉了。因为他们的新闻和传播阈值都比较低，反常的事物更容易吸引人目光和注意。
既然我们的认知如此脆弱，那我们该怎么做呢？我觉得可以从这几个方面入手改善：
放平心态，认清现实。
如果你跟我一样，也发现自己的认知水平亟待提高，那么承认并接受这个事实，然后摆平心态，是我们必须做的一步。接受事实是改变的第一步。如果拒绝承认，每次提及都主动回避，进入自我保护姿态，那改变就无从谈起了。
多结交优秀的朋友。
如果你身边都是跟你一样，甚至不如你的人，那你可能会沉溺在虚无的自我满足中。与优秀的人为伍，并努力让自己跟上他们的脚步，学习他们思考的方式。“想要得到某样东西的最好方法，就是让自己配得上它”，所以需要努力提升自我并向他们靠近。这里有一个很容易陷入的心理陷进，对于优秀的人，近的会嫉妒，远的会羡慕；够得着的会嫉妒，够不着的会羡慕。想要加入他们的队伍，就必须先克服这样的心理状态。
分清事实和观点。