歸納法 on kenji.blog

看到青蘋果能證明「烏鴉是黑的」？：亨佩爾的烏鴉

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

科學家是如何證明理論的？通常，我們透過觀察世界並收集資料的「歸納法（Induction）」來進行。例如，如果想證明「所有烏鴉都是黑的」這個假說，你可能會觀察世界各地的烏鴉，並一一確認牠們是黑色的。

然而在1940年代，邏輯學家卡爾·亨佩爾（Carl Hempel）指出了這種理所當然的科學方法中隱藏的一個奇妙邏輯漏洞。這就是**「只要看到青蘋果或紅鞋子，就能成為『烏鴉是黑的』的證據」的亨佩爾的烏鴉（Hempel’s Ravens）**悖論。

偷換邏輯：逆否命題的魔法

要理解亨佩爾的主張，我們需要回想高中數學學過的**「逆否命題」**概念。

在邏輯學中，如果某個命題「若A則B」為真，那麼它的逆否命題「若非B則非A」也必然為真（這稱為邏輯等價）。

假說 $H_1$：「所有烏鴉都是黑的（如果是烏鴉，就是黑色的）」

讓我們取這個假說 $H_1$ 的逆否命題。也就是「如果不是黑色的，就不是烏鴉」。

假說 $H_2$：「所有不是黑色的東西，都不是烏鴉」

根據邏輯學的規則，$H_1$ 和 $H_2$ 的意義完全相同（等價）。只要證明了其中一個，另一個也就自動被證明了。

不看烏鴉來證明烏鴉

那麼，為了確認假說 $H_1$（烏鴉是黑的），每找到一隻黑烏鴉，該假說的可靠性（證據）就會增強一點。這是任何人都會認同的。

但是，既然 $H_1$ 和 $H_2$ 意義相同，那麼找到假說 $H_2$（不是黑色的東西就不是烏鴉）的證據，理應直接成為假說 $H_1$ 的證據。

那麼，$H_2$ 的證據是什麼呢？只要找到「不是黑色，且不是烏鴉的東西」就可以了。

假設桌上有一顆**「青蘋果」**。它不是黑色的，也不是烏鴉。因此，它是支持 $H_2$ 的證據。
衣櫃裡有一雙**「紅鞋子」**。這也不是黑色的，也不是烏鴉。這是 $H_2$ 的證據。
天空飄著**「白雲」**。這也是 $H_2$ 的證據。

因為 $H_2$ 的證據與 $H_1$ 的證據具有相同的價值，在邏輯上會得出以下奇怪的結論：

「在房間裡觀察到越多的青蘋果或紅鞋子，就越能證明『所有烏鴉都是黑的』這個假說的正確性」

為什麼違背直覺？

世界上沒有任何一位鳥類學家會因為看到青蘋果就更加確信「烏鴉是黑的」。明明在邏輯上是完全正確的，為什麼我們的常識會拒絕接受呢？

在哲學與統計學界，針對這個悖論提出了幾種解決方案。

1. 貝氏主義的解決方法（資訊量的差異）

從現代統計學（貝氏機率）觀點出發的最有力反駁，是著眼於「證據強度（資訊量）」的差異。

世界上「不是黑色的東西」比「黑色的東西」多得多，而「不是烏鴉的東西」更是比「烏鴉」多出天文數字。

當你看到一顆青蘋果時，它的確能成為「所有烏鴉都是黑的」的證據，但它作為證據的價值（機率的提升幅度）幾乎趨近於零。在廣闊的宇宙中，即使確認了無數「不是黑色的東西」中的一個，它對「烏鴉是黑的」的機率所帶來的提升，其影響力僅相當於從沙漠中拿走一粒沙。相對而言，直接發現一隻黑烏鴉，則具有壓倒性巨大的證據價值。

換句話說，邏輯上「青蘋果可以成為證據」，但實際上「其作為證據的價值等同於零，因此可以忽略不計」，這就是貝氏學派的解決方法。

2. 「室內鳥類學」的極限

這個悖論凸顯了科學的根基——「歸納法（從觀察中導出一般法則）」——是建立在多麼脆弱的前提之上。如果只依賴邏輯等價性，就會產生所謂的「室內鳥類學」：不需要出門，只需觀察房間裡的雜物，就能驗證宇宙中的各種法則（例如「所有天鵝都是白的」、「所有外星人都不是綠色的」等等）。

亨佩爾的烏鴉是一個非常有趣的悖論，它表明我們在無意識中使用的「證據」和「證明」這些詞彙，是無法單憑純粹的符號邏輯規則來完美捕捉的。

祖母綠是綠色，還是「綠藍（Grue）」色？：古德曼的新歸納之謎

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

我們透過「過去的經驗」來預測「未來」。「太陽昨天也從東方升起，所以明天也會從東方升起吧」「至今為止看到的祖母綠全都是綠色，所以接下來挖掘出來的祖母綠也會是綠色吧」

這樣的推論被稱為「歸納法」，是所有科學的基礎。然而在1955年，哲學家納爾遜·古德曼（Nelson Goodman）構想出了一個奇特的顏色概念，指出這種歸納法存在著根本性的缺陷。這就是**「綠藍（Grue）」悖論**。

新顏色「綠藍（Grue）」的定義

古德曼將「綠色（Green）」與「藍色（Blue）」結合，定義了一種新的性質（顏色）「綠藍（Grue）」，如下所示：

綠藍（Grue）的定義： 某個物體是「綠藍」色，意味著如果在特定時間 $t$（例如西元2030年1月1日）之前被觀察到，它就是「綠色（Green）」；如果在時間 $t$ 之後被觀察到，它就是「藍色（Blue）」。

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

根據這個定義，現在（時間 $t$ 之前）你手中拿著的綠色祖母綠，不僅是「綠色」，同時也是「綠藍色」。

為什麼這是一個悖論？

當我們試圖預測未來時，悖論就產生了。至今為止人類觀察到的所有祖母綠都是「綠色」。因此，我們使用歸納法做出以下預測：

假設A：「所有的祖母綠都是『綠色』」

但是，請等一下。至今為止觀察到的祖母綠都是在時間 $t$ 之前的，所以它們應該也都是「綠藍色」。因此，從完全相同的觀察數據中，我們也可以得出以下預測：

假設B：「所有的祖母綠都是『綠藍色』」

如果遵循歸納法的規則，過去所有的觀察支持假設A的強度，與支持假設B的強度是「完全一樣」的。

graph TD A["過去的觀察：所有的祖母綠都是綠色"] -->|同時| B["過去的觀察：所有的祖母綠都是『綠藍色』"] A --> C["歸納預測 A：未來的祖母綠也會是『綠色』"] B --> D["歸納預測 B：未來的祖母綠也會是『綠藍色』"] C --> E["時間 t 之後依然保持綠色"] D --> F["時間 t 之後會變成『藍色』！"] 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

祖母綠會變成藍色嗎？

如果假設B是正確的，那麼當時間 $t$ 到來的那一瞬間，全世界所有的祖母綠都必須同時變成「藍色」（根據綠藍色的定義）。

我們直覺上會認為「不可能有這麼荒謬的事。假設B只是不自然的文字遊戲，假設A（綠色）肯定才是正確的」。

然而，古德曼的提問更具深度。「綠色」與「綠藍色」，這兩個假設都完全符合過去的數據，但為什麼我們只將「綠色」的預測視為正當，而排除「綠藍色」的預測呢？其「邏輯基礎」究竟是什麼？

對「自然齊一性」的挑戰

為了解決這個問題，可能會有人提出反駁：「我們應該使用像『綠色』這樣單純的概念，而不該使用像『綠藍色』這種包含時間的複雜概念。」

但是古德曼反而指出，如果我們定義一種顏色叫「藍綠（Bleen：在時間 $t$ 之前是藍色，之後是綠色）」，那麼「綠色」這個概念本身，就會變成「在時間 $t$ 之前是綠藍，之後是藍綠」這種依賴時間的複雜概念。也就是說，要以哪個詞彙作為「基礎」，不過是我們語言習慣的問題罷了。

古德曼的「綠藍」悖論（新歸納之謎）證明了，科學理論並非單純僅由客觀數據來決定，而是強烈依賴於我們「使用了什麼樣的概念框架（語言）來理解這個世界」。

即使在AI和機器學習的領域中，即便訓練數據相同，根據「模型的結構（關注哪些特徵）」，對未來的預測也會變得截然不同。作為「過度擬合（Overfitting）」和「偏見（Bias）」的問題，這個悖論在現代依然具有重要的意義。