归纳推理（Inductive Reasoning） 在某些决策环境中，我们先形成各种各样的工作假设，并根据其中最可信的那个工作假设采取行动，如果不再有效，那么就用新的工作假设取而代之。
接下来，我将构造一个问题，以它为例来说明何为归纳推理，并阐述如何对归纳推理建模。假设现有N个人，每个人独立决定要不要在某个晚上去酒吧消遣。为了更具体起见，我们不妨假设N为100。酒吧的空间是有限的，如果酒吧里不太拥挤，那么来酒吧的人就可以度过一个愉快的夜晚。具体地说，如果这100个可能去酒吧的人当中，只有不到60个人真的去了，那么去的那些人就可以度过一个愉快的夜晚。没有人能够提前知道当晚会来酒吧的确切人数。因此，如果一个人或行为主体预期，当晚去酒吧的人小于60个，那么他就会去（他认为值得一去）；如果他预期去酒吧的人会超过60人，那么他就宁愿待在家里。这些人在做出决策时，不会受自己以前有没有去过酒吧的经验的影响，同时不同行为主体之间也不存在共谋或事先的沟通。唯一可用的信息，是过去几个星期以来出现在酒吧中的人数。这个问题的灵感，来自圣塔菲研究所旁边一家名为“爱尔法鲁”的酒吧。这家酒吧每周四晚上都有爱尔兰音乐会。不过，很多类似的场所中都会出现同样的问题，比如读者可以想象一下你去吃午餐的餐厅，你也许希望它安静点，但是它可能很拥挤。事实上，任何“公地问题”或“协调问题”，只要涉及数量上的限制都是一样的。在这个问题中，我们感兴趣的是，每个星期来酒吧的人数变化的动力学机制。
不难看出，这个问题有两个有趣的特点。首先，如果有一个“显而易见”的模型，所有行为主体都能够根据这个模型，预测来到酒吧的人数并在此基础上决定去不去酒吧，那么通过演绎推理就能够求解了。但是，这里的问题显然不属于这种情况。给定最近来酒吧的人数，可以设想一大批看上去同样合理、同样有根据的模型。因此，也就无法得知其他行为主体可能选择哪个模型，这样某个“有参照意义”的行为主体，也就不能以某种确定的方式给自己选定一个模型。这里不存在演绎理性解，即没有“正确的”预期模型。从行为主体自身的角度来看，这里的问题是不明确的，因此他们被推进了一个归纳的世界。其次，在这里令人烦恼的是，任何一个共同的预期都会被打破。如果所有人都预测很少有人会去，那么所有人都会去，而这个结果将证明这种信念是无效的。同样地，如果所有人都预测大多数人会去，那么将没有人会去，这种信念同样被证伪。[3]由此，行为主体们的预期将被迫变得有所不同。
行文至此，我想请读者暂且先停下来思考一下：随着时间的推移，来到酒吧的人的数量（为了行文方便，以下简称为“到场人数”）会如何动态地变化。它会不会收敛？如果会收敛，那么为什么收敛？或者，它会不会陷入混沌呢？我们又该怎样进行预测？
