当前尚未出现标准的、广泛认可的归纳推理模式，但许多研究者已经证明，建立准确表述、数学化的归纳模式至少是有可能实现的。与模式识别以及学习相关的模式已经成为计算机科学研究的主要任务，许多这样的模式都已得到实际应用，从在机场识别恐怖分子的面孔到识别信用卡欺诈都包含在内。
来自密歇根大学的计算机科学家约翰·霍兰德，来自加州大学洛杉矶分校的心理学家基思·霍利约克（Keith Holyoak），来自密歇根大学的心理学家理查德·尼斯贝特（Richard Nisbett）以及来自普林斯顿大学认知科学实验室的保罗·萨加德（Paul Thagard）已经设计出了一个通用的认知模型，它展示了新经济人的可能面貌。36霍兰德及其同事所构建的模型的基本结构包含以下构成：
◎ 行为主体。有一位行为主体与其他行为主体及所处的环境进行互动。
◎ 目标。行为主体拥有一个或多个试图达成的目标，这样行为主体就能感知到他的当前状态与目标状态之间的差距，例如，“我很饿”或“我遇到危险了”。行为主体的工作就是作出更加接近目标的决策。
◎ 经验法则。行为主体拥有一些经验法则，能够根据世界的当前状态制定行动计划。这些法则被称为“条件-行动规则”，或者说更广为人知的“如果-那么规则”。举个例子，“如果火炉很热，那么不要触摸”。行为主体在任何时候的经验法则集合被称为行为主体的心智模型。
◎ 反馈与学习。行为主体的心智模型记录了哪些规则曾帮助他实现目标，而哪些规则曾让他远离目标。曾经取得过成功的规则的使用频率通常高于失败的规则，从环境中获得的反馈能够让行为主体不断学习。
归纳本质上是一个解决问题的工具，行为主体通过这个工具来接近目标。规则的集合会受到行为主体所处环境的反馈影响，为行为主体的外部世界创造出一个内在模型。随后，行为主体会利用这个内在模型来预测应该采取何种措施以便更好地应对在追求目标过程中所遇到的各种形势。
这种归纳式地解决问题、学习以及通过类比进行推理的过程看起来相当复杂。然而，正如霍兰德所言，这种机制在生物界普遍存在，只不过其复杂程度各有不同。低级的细菌也会使用归纳式的问题解决办法——在遇到不同浓度的食物时，细菌会朝着浓度更高的方向前进，这种行为中隐含了一个预测，即那个方向会有更多它所喜爱的微粒。细菌的DNA提供了一个细菌世界的心智模型：如果食物的浓度正在增加，那么很有可能会继续增加（如果食物分子是完全随机分布的，那么这个结论不正确）。细菌拥有目标（食物）、识别模型（化学梯度），会进行预测（食物在哪个方向），并且采取行动（摆动鞭毛） 。随后，细菌会从环境中得到非常直接的反馈：如果规则好使，那么它就能存活和繁衍，否则就会死掉。
