环之神伊菲尔塔尔几乎所有的未来视应该都是基于演绎推断做出的。因为在记载之中环之神想要做出预言之前都需要酝酿很长一段时间，那时候他或是在国与国之间旅行，或者是在认真观察。而他的预言都相对比较模糊，但是几乎就没有错过。

环之神伊菲尔塔尔并未真的可以看到未来，他只是能够观察到人生了病，于是他就预言这个人活不长了。他也观察到国家的经济在走向崩溃，阶级固化，利益集团之间的矛盾无法消除，于是他就预言国家将会灭亡。

要知道虽然命运难以捉摸，但是偶然性之中却有着必然。这一切并没有什么神秘的，环之神伊菲尔塔尔与其像是个神棍，不如说他是个像福尔摩斯一样的敏锐的侦探。他只是拥有比一般人更强的观察能力，并且对于世界规律的理解超出常人，所以才能做出像是魔法一样的预言。

而环之神的另外一个权能——“毁灭”权能也就更加“邪恶”一点了，他对应的是归纳学习。

这里需要做一个澄清，这里的归纳学习的归纳（inductive）和数学归纳法的“归纳（induction）”的确是一个词，也是一个意思，但是他们侧重的并不是完全一眼的。归纳学习的意思是“基于不完全归纳的学习”他更强调归纳的不完整性。数学归纳法则指的是“完全归纳演义”，这里的归纳是完全的——也就是已经考虑到了所有的情况。

大家最常说的机器学习实际上都是归纳学习，也就是根据一系列现象推断出本质。所有的归纳学习基本上都是不完备的，也就是说学习的时候我们看不到所有可能的例子。要知道，这些例子可能有无限个。

在数学证明的时候，我们可以轻而易举地对无限个例子进行操作，例如我们可以说“对于全体自然数”，但是在计算机进行机器学习的时候，是不可能枚举所有的自然数的，我们只能根据不完整的信息进行归纳。

这就导致归纳学习是有偏见（bias）的，这个偏见来源于传入的不完整性。有一个经典的寓言故事就概括了这种不完整性，那就是盲人摸象。在进行归纳学习的时候，我们都是摸象的盲人，我们摸不到全部的大象，只能摸到一部分，而我们就会根据我们看到的一部分做出带有偏见的归因，这些归因一般都是片面的。

这就是为什么说“毁灭”权能是邪恶的了，因为归纳学习一般都学不到绝对正确的结论。演绎推断一般可以保证推断出来的结果绝对正确，而归纳学习则只能通过实验跑出一个正确率来说明自身的有效性。就算是达到了99%的正确率，却总还是有出错的可能性。

这也是现在机器学习最让人诟病的部分了，这1%的出错率若是发生在比较关键的地方，就会造成严重的后果。例如在基于机器学习的自动驾驶上，就算是1%的错误率都有可能造成严重车祸。

环之神伊菲尔塔尔预测天气应该就是进行了归纳学习，他或许清楚的知道大气分子运动规律和天气之间的关系，但是他没办法观察并且推演每一个分子的运动，所以他只能进行相对模糊的归纳推理。他在发现地区性的天气周期变化，并且根据这些例子推理明天的天气。这就像是小学数学里的找规律题一样，先给孩子们看一串数，然后问他们下一个是几。