आगमन on kenji.blog

क्या एक नीला सेब देखने से यह साबित होता है कि 'कौवे काले होते हैं'? : हेम्पेल के कौवे

Thu, 10 Sep 2026 21:00:00 +0900

वैज्ञानिक किसी सिद्धांत को कैसे सिद्ध करते हैं? आमतौर पर, वे दुनिया का निरीक्षण करते हैं और डेटा एकत्र करते हैं, इस विधि को ‘आगमन’ (Induction) कहा जाता है। उदाहरण के लिए, यदि हम इस परिकल्पना को सिद्ध करना चाहते हैं कि “सभी कौवे काले होते हैं”, तो हम दुनिया भर के कौवों का निरीक्षण करेंगे और एक-एक करके पुष्टि करेंगे कि वे काले हैं।

लेकिन 1940 के दशक में, तर्कशास्त्री कार्ल हेम्पेल (Carl Hempel) ने इस सामान्य वैज्ञानिक पद्धति में छिपे एक अजीब तार्किक खामी की ओर इशारा किया। यही हेम्पेल के कौवे (Hempel’s Ravens) का विरोधाभास है, जो कहता है कि “केवल एक नीला सेब या लाल जूते देखने से ही इस बात का प्रमाण मिल जाता है कि ‘कौवे काले होते हैं’”।

तर्क का बदलाव : प्रतिधनात्मक (Contrapositive) का जादू

हेम्पेल के तर्क को समझने के लिए, हमें हाई स्कूल के गणित में सिखाई जाने वाली ‘प्रतिधनात्मक (Contrapositive)’ की अवधारणा को याद करना होगा।

तर्कशास्त्र में, यदि कोई कथन “यदि A है, तो B है” सत्य है, तो उसका प्रतिधनात्मक “यदि B नहीं है, तो A नहीं है” भी हमेशा सत्य होता है (इसे तार्किक समतुल्यता कहा जाता है)।

परिकल्पना $H_1$: “सभी कौवे काले होते हैं (यदि कौवा है, तो काला है)”

आइए इस परिकल्पना $H_1$ का प्रतिधनात्मक लें। यह होगा: “यदि काला नहीं है, तो कौवा नहीं है”।

परिकल्पना $H_2$: “सभी गैर-काली चीजें कौवे नहीं हैं”

तर्कशास्त्र के नियमों के अनुसार, $H_1$ और $H_2$ का बिल्कुल एक ही अर्थ (समतुल्य) है। यदि एक सिद्ध हो जाता है, तो दूसरा भी अपने आप सिद्ध हो जाएगा।

बिना कौवा देखे कौवे को सिद्ध करना

अब, परिकल्पना $H_1$ (कौवे काले होते हैं) की पुष्टि करने के लिए, हर बार जब हम एक काला कौवा देखते हैं, तो परिकल्पना की सत्यता (प्रमाण) थोड़ी मजबूत हो जाती है। यह ऐसी बात है जिससे हर कोई सहमत होगा।

लेकिन, चूंकि $H_1$ और $H_2$ का अर्थ एक ही है, इसलिए परिकल्पना $H_2$ (जो काला नहीं है वह कौवा नहीं है) का प्रमाण खोजना, परिकल्पना $H_1$ का प्रमाण बन जाना चाहिए।

तो, $H_2$ का प्रमाण क्या है? हमें बस ऐसी चीजें खोजनी हैं जो “काली नहीं हैं, और कौवे नहीं हैं”।

मान लीजिए मेज पर एक “नीला सेब” है। यह काला नहीं है, और कौवा भी नहीं है। इसलिए, यह $H_2$ का समर्थन करने वाला प्रमाण है।
अलमारी में “लाल जूते” हैं। यह भी काले नहीं हैं, और कौवे भी नहीं हैं। यह $H_2$ का प्रमाण है।
आकाश में “सफेद बादल” तैर रहे हैं। यह भी $H_2$ का प्रमाण है।

चूंकि $H_2$ के प्रमाण का मूल्य $H_1$ के प्रमाण के समान ही है, तार्किक रूप से निम्नलिखित अजीब निष्कर्ष निकाला जा सकता है:

“कमरे के अंदर आप जितने अधिक नीले सेब और लाल जूते देखते हैं, उतनी ही यह परिकल्पना सिद्ध होती जाती है कि ‘सभी कौवे काले होते हैं’”

graph TD A["कथन H1: सभी कौवे काले होते हैं"] <-->|तार्किक समतुल्यता (प्रतिधनात्मक)| B["कथन H2: जो चीजें काली नहीं हैं, वे कौवे नहीं हैं"] C["अवलोकन: काला कौवा"] -->|प्रमाण है| A D["अवलोकन: नीला सेब"] -->|प्रमाण है| B D -.->|इसलिए यह भी प्रमाण होना चाहिए?| A style A fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style B fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style C fill:#2196F3,stroke:#333,color:#fff style D fill:#FF9800,stroke:#333,color:#fff

यह हमारी सहज बुद्धि (Intuition) के विरुद्ध क्यों है?

दुनिया में ऐसा कोई पक्षीविज्ञानी नहीं है जो नीला सेब देखकर इस बात पर और विश्वास करने लगे कि “कौवे काले होते हैं”। तार्किक रूप से यह पूरी तरह से सही होना चाहिए, लेकिन हमारी सामान्य समझ इसे क्यों अस्वीकार करती है?

दर्शनशास्त्र और सांख्यिकी की दुनिया में, इस विरोधाभास के लिए कई दृष्टिकोण प्रस्तावित किए गए हैं।

1. बेयसियन समाधान (सूचना की मात्रा में अंतर)

आधुनिक सांख्यिकी (बेयसियन प्रायिकता) के दृष्टिकोण से सबसे मजबूत प्रतिवाद “प्रमाण की शक्ति (सूचना की मात्रा)” में अंतर पर केंद्रित है।

दुनिया में “काली चीजों” की तुलना में “गैर-काली चीजें” बहुत अधिक हैं, और इसी तरह, “कौवों” की तुलना में “जो कौवे नहीं हैं” वे खगोलीय रूप से अधिक हैं।

जब हम एक नीला सेब देखते हैं, तो यह निश्चित रूप से इस बात का प्रमाण है कि “सभी कौवे काले होते हैं”, लेकिन एक प्रमाण के रूप में इसका मूल्य (प्रायिकता में वृद्धि) शून्य के करीब है। इस विशाल ब्रह्मांड में अनगिनत “गैर-काली चीजों” में से किसी एक की पुष्टि करने से “कौवे काले होने” की प्रायिकता में केवल उतनी ही वृद्धि होती है जितना रेगिस्तान से एक रेत का कण हटाना। दूसरी ओर, सीधे तौर पर एक काला कौवा देखना एक प्रमाण के रूप में बहुत बड़ा मूल्य रखता है।

यानी, बेयसियन समाधान यह है कि तार्किक रूप से “नीला सेब प्रमाण है”, लेकिन व्यावहारिक रूप से “प्रमाण के रूप में इसका मूल्य शून्य के बराबर है इसलिए इसे नजरअंदाज किया जा सकता है”।

2. ‘इनडोर पक्षीविज्ञान’ की सीमाएं

यह विरोधाभास इस बात को उजागर करता है कि विज्ञान का मूल आधार ‘आगमन’ (अवलोकन से सामान्य नियम निकालना) कितनी कमजोर धारणा पर आधारित है। यदि हम केवल तार्किक समतुल्यता पर भरोसा करते हैं, तो ‘इनडोर पक्षीविज्ञान’ संभव हो जाएगा, जहां हम बाहर जाए बिना, केवल कमरे के अंदर कबाड़ का निरीक्षण करके ब्रह्मांड के किसी भी नियम (“सभी हंस सफेद होते हैं”, “कोई भी एलियन हरा नहीं होता”, आदि) को सत्यापित कर सकते हैं।

हेम्पेल के कौवे एक बहुत ही दिलचस्प विरोधाभास है जो यह दर्शाता है कि हम अनजाने में “प्रमाण” और “प्रमाणित” जैसे शब्दों का उपयोग करते हैं, जिन्हें केवल शुद्ध प्रतीकात्मक तर्कशास्त्र के नियमों द्वारा पूरी तरह से नहीं समझा जा सकता है।

क्या पन्ना हरा है, या 'ग्रू' रंग का? : गुडमैन की आगमन की नई पहेली

Thu, 10 Sep 2026 21:00:00 +0900

हम ‘अतीत के अनुभवों’ से ‘भविष्य’ की भविष्यवाणी करते हैं। “सूरज कल भी पूर्व से उगा था, इसलिए वह कल भी पूर्व से ही उगेगा।” “अब तक देखे गए सभी पन्ने हरे रंग के थे, इसलिए अगली बार निकाला जाने वाला पन्ना भी हरा ही होगा।”

इस प्रकार के तर्क को ‘आगमन’ (Induction) कहा जाता है, और यह सभी विज्ञानों का आधार है। लेकिन 1955 में, दार्शनिक नेल्सन गुडमैन ने एक अजीब रंग अवधारणा तैयार की जो यह दर्शाती है कि इस आगमन में एक मौलिक दोष है। इसे ही ‘ग्रू (Grue)’ का विरोधाभास कहा जाता है।

एक नए रंग ‘ग्रू (Grue)’ की परिभाषा

गुडमैन ने ‘हरा (Green)’ और ‘नीला (Blue)’ मिलाकर ‘ग्रू (Grue)’ नामक एक नए गुण (रंग) को इस प्रकार परिभाषित किया:

ग्रू (Grue) की परिभाषा: किसी वस्तु के ‘ग्रू’ होने का अर्थ है कि यदि इसे एक विशिष्ट समय $t$ (उदाहरण के लिए, 1 जनवरी 2030) से पहले देखा जाता है, तो यह ‘हरा (Green)’ है, और यदि इसे समय $t$ के बाद देखा जाता है, तो यह ‘नीला (Blue)’ है।

$$ \text{Grue} = \begin{cases} \text{Green} & (\text{समय} < t) \\ \text{Blue} & (\text{समय} \ge t) \end{cases} $$

इस परिभाषा के अनुसार, वर्तमान में (समय $t$ से पहले) आपके हाथ में मौजूद हरे रंग का पन्ना एक ही समय में ‘हरा’ होने के साथ-साथ ‘ग्रू’ भी है।

यह एक विरोधाभास क्यों है?

विरोधाभास तब उत्पन्न होता है जब हम भविष्य की भविष्यवाणी करने का प्रयास करते हैं। मानव जाति द्वारा अब तक देखे गए सभी पन्ने ‘हरे’ रहे हैं। इसलिए, हम आगमन का उपयोग करते हुए इस प्रकार भविष्यवाणी करते हैं:

परिकल्पना A: “सभी पन्ने ‘हरे’ हैं”

लेकिन, जरा रुकिए। चूँकि अब तक देखे गए पन्ने समय $t$ से पहले के हैं, इसलिए वे सभी ‘ग्रू’ रंग के भी रहे होंगे। अतः, बिल्कुल उन्हीं अवलोकन डेटा के आधार पर, निम्नलिखित भविष्यवाणी भी सत्य हो सकती है:

परिकल्पना B: “सभी पन्ने ‘ग्रू’ रंग के हैं”

आगमन के नियमों के अनुसार, अतीत के सभी अवलोकन जिस मजबूती से परिकल्पना A का समर्थन करते हैं, “बिल्कुल उसी मजबूती” से वे परिकल्पना B का भी समर्थन कर रहे हैं।

graph TD A["अतीत के अवलोकन: सभी पन्ने हरे रंग के थे"] -->|एक ही समय में| B["अतीत के अवलोकन: सभी पन्ने 'ग्रू' रंग के थे"] A --> C["आगमनात्मक भविष्यवाणी A: भविष्य के पन्ने भी 'हरे' होंगे"] B --> D["आगमनात्मक भविष्यवाणी B: भविष्य के पन्ने भी 'ग्रू' रंग के होंगे"] C --> E["समय t के बाद भी हरे ही रहेंगे"] D --> F["समय t के बाद 'नीले' हो जाएंगे!"] style C fill:#4CAF50,stroke:#333,color:#fff style D fill:#2196F3,stroke:#333,color:#fff style F fill:#F44336,stroke:#333,color:#fff,stroke-width:2px

क्या पन्ने नीले रंग में बदल जाएंगे?

यदि परिकल्पना B सही है, तो समय $t$ के आते ही, दुनिया भर के सभी पन्ने एक साथ ‘नीले’ हो जाने चाहिए (ग्रू की परिभाषा के अनुसार)।

हम सहज रूप से सोचते हैं, “ऐसा बेतुका नहीं हो सकता। परिकल्पना B एक अस्वाभाविक शब्दों का खेल है, और परिकल्पना A (हरा) निश्चित रूप से सही है।”

लेकिन गुडमैन का प्रश्न इससे कहीं अधिक गहरा है। “हरा” और “ग्रू”, जब दोनों परिकल्पनाएं पिछले डेटा के साथ पूरी तरह से मेल खाती हैं, तो हम केवल “हरे” रंग की भविष्यवाणी को ही वैध क्यों मानते हैं और “ग्रू” रंग की भविष्यवाणी को खारिज क्यों करते हैं? इसका “तार्किक आधार” क्या है?

“प्रकृति की एकरूपता” को चुनौती

इस समस्या से बचने के लिए, एक प्रतिवाद दिमाग में आ सकता है: “हमें ‘हरा’ जैसी सरल अवधारणाओं का उपयोग करना चाहिए और ‘ग्रू’ जैसी समय-सम्मिलित जटिल अवधारणाओं का नहीं।”

लेकिन गुडमैन ने इसके विपरीत यह दर्शाया कि यदि हम ‘ब्रीन (Bleen: समय $t$ तक नीला, उसके बाद हरा)’ नामक रंग को परिभाषित करते हैं, तो ‘हरा’ रंग की अवधारणा स्वयं एक समय-निर्भर जटिल अवधारणा बन जाती है—अर्थात्, ‘समय $t$ तक ग्रू, और उसके बाद ब्रीन’। दूसरे शब्दों में, हम किस शब्द को ‘मूल’ मानते हैं, यह केवल हमारी भाषाई आदत है।

गुडमैन का ‘ग्रू’ विरोधाभास (आगमन की नई पहेली) यह साबित करता है कि वैज्ञानिक सिद्धांत केवल वस्तुनिष्ठ डेटा द्वारा निर्धारित नहीं होते, बल्कि इस बात पर भी दृढ़ता से निर्भर करते हैं कि “हम दुनिया को समझने के लिए किस वैचारिक ढाँचे (भाषा) का उपयोग कर रहे हैं।”

AI और मशीन लर्निंग के संदर्भ में भी, इस विरोधाभास का आधुनिक समय में गहरा महत्व बना हुआ है, विशेष रूप से ‘ओवरफिटिंग (Overfitting)’ और ‘बायस (Bias)’ की समस्याओं के रूप में—जहाँ समान प्रशिक्षण डेटा होने के बावजूद ‘मॉडल की संरचना (किन विशेषताओं पर ध्यान दिया जाता है)’ के आधार पर भविष्यवाणियां पूरी तरह से बदल सकती हैं।