歸納問題、否證論與確證理論

立場：歸納缺乏理性證成 不能

休謨（David Hume）在《人性論》（1739）與《人類理解研究》（1748）中提出problem of induction：我們預期「未經驗的事物會類似已經驗的事物」（自然的齊一性，uniformity of nature）。這個原則要如何證成？

• 不能靠演繹：自然齊一性是偶然的，不是必然真理，其否定並不自相矛盾。
• 不能靠經驗：用「過去歸納成功」來支持「未來歸納也會成功」，本身就是在使用歸納，形成循環。

舉例：太陽每天都升起，這不能邏輯地保證明天也升起。

對核心問題的意涵：若「發現真理」要求對通則有理性的證成，休謨式論證似乎讓答案是否定的。但要注意，休謨本人對歸納的態度是：它是由習慣（custom）驅動的心理傾向，而非理性推論。

最強反駁／回應：（a）「歸納本身就是理性的標準」，要求為它另找證成是不合理的要求（類似「日常語言」式回應）；（b）Reichenbach 式的實用辯護；（c）可靠論（reliabilism）：知識不需要能夠被證成的保證，只需要方法在世界中確實可靠。此外，Hume 問題也可分成「認識論」與「形上學」兩面來討論：如何區分可靠與不可靠的歸納，以及這差別究竟是什麼（可參考 SEP〈The Problem of Induction〉，Henderson 撰）。

立場：科學不用歸納，只靠猜想與反駁 有條件

波普（Karl Popper）接受休謨的批判：全稱命題無法被有限觀察「證實」。他的解方是falsificationism（否證論）：科學理論的特徵在於可被經驗反駁（可否證性，falsifiability）；好的科學就是提出大膽的猜想，並嘗試嚴格檢驗。通過檢驗的理論只是「被corroborated（佐證）」，而不是「被確證為真」。

對核心問題的答案：科學無法證明任何理論為真，但可以證明某些理論為假，因此能透過淘汰錯誤而接近真理。

關鍵難處一：佐證的地位。若佐證不是「理由相信為真」，我們憑什麼在實務上依賴通過檢驗的理論（例如據以造橋）？批評者（如 Salmon 等人）認為波普在這裡悄悄帶入了歸納。

關鍵難處二：逼真度（Verisimilitude）。為了說「科學愈來愈接近真」，波普（在《猜想與反駁》時期）用truth-content與falsity-content定義：理論 A 比 B 更逼真，若 A 的真內容不少於 B、假內容不多於 B（且至少一者嚴格成立）。

1974 年，David Miller 與 Pavel Tichý 各自獨立證明：這個定義只能用在真理論之間；對於兩個假理論，若 A 比 B 有更多的真結論，它必然也有更多的假結論，所以兩者根本無法按波普的條件比較（SEP〈Truthlikeness〉的表述是：波普式定義下，沒有任何假理論比另一個假理論更接近真）。這正好擊中要害，因為科學史上的理論幾乎都是假的（至少嚴格說來）。

後續發展：後人另闢蹊徑，例如以「世界之間的相似度」定義真近似度（Tichý、Oddie 等人的likeness approach），以及修正版的內容進路。這些是活躍的研究，但尚無共識，且相似度度量常帶有語言／框架相對性的疑慮。

最強反駁：否證本身也不是決定性的（Duhem–Quine：受檢驗的是理論加輔助假說的整體），且如上所述，逼真度的形式化問題使「接近真理」這個目標本身缺乏公認的定義。

立場：以形式規則定義「證據支持假說」 有條件

Hempel（1945）想把confirmation（確證）當作證據與假說之間的邏輯關係。他提出「尼柯條件」（Nicod's criterion）：一個是烏鴉又是黑色的個體，確證「所有烏鴉都是黑的」；再加上「等值條件」（邏輯等值的假說被同樣證據確證）。

烏鴉悖論（raven paradox）：「所有烏鴉是黑的」與「所有非黑的東西都不是烏鴉」邏輯等值。因此一隻白色的球鞋（非黑、非烏鴉）似乎也在確證「烏鴉是黑的」，這違反直覺。

常見回應：（1）接受結論，但指出白鞋的確證力度「極其微小」（貝氏派的做法，取決於背景知識，例如世上非黑物體遠多於烏鴉）；（2）否認尼柯條件或等值條件。SEP〈Confirmation〉對此有詳細梳理。

對核心問題的意涵：確證論者並不主張證據能「證明」假說為真，而是說證據給予不同程度的支持。此立場能否推到「真」，取決於「支持」與「為真的機率」之間的橋是否成立。

立場：歸納不只缺乏證成，連「規律」的界定都成問題 不能

Goodman（Fact, Fiction, and Forecast，1955）定義謂詞「grue」：某物若在時間 t 之前被檢視且為綠色，或在 t 之後才被檢視且為藍色，則為 grue。

所有到目前為止觀察過的翠綠寶石，既符合「所有寶石是綠色」，也符合「所有寶石是 grue」。但兩者對 t 之後的寶石預測相反。所以為什麼我們投射（project）「綠」而不是「grue」？

關鍵：兩種歸納在形式上完全相同，因此區別無法來自邏輯形式。Goodman 的方案是「牢固性」（entrenchment）：我們過去成功投射的謂詞較能被投射。批評者認為這把問題推給歷史／實踐。

對核心問題的意涵：即使休謨問題有辦法緩解，「哪些通則可以被證據支持」仍依賴非形式、與語言和背景相關的因素，使科學方法的客觀性打折。

最強反駁：「grue 是含有時間索引的、不自然的謂詞」，但這個回應要求先有「自然類」的形上學區分，正是要被解釋的東西；而且 grue 的對稱性論證指出，從「grue／bleen」的角度看，綠與藍才是含時間索引的。

立場：用機率談「理論為真的可信度」 有條件

貝氏派（Bayesianism）把信念程度（credence）當作機率，遇到證據 E 就依貝氏定理更新：P(H|E) = P(E|H)·P(H) / P(E)。證據 E「確證」H，當 P(H|E) > P(H)。

優點：（1）能精確地說明烏鴉悖論（白鞋確證力極小）；（2）能說明為何多樣化證據、意外預測更有力；（3）可整合波普的洞察：預測失敗會大幅降低理論的機率；（4）「合併意見」（merging of opinions）定理顯示，在某些條件下，不同先驗的人隨證據累積會趨於一致。

對核心問題的答案：貝氏理論能談「這個理論為真的機率是多少」，看似回答了「是否發現真理」。但那個機率以先驗機率（prior）為前提。

最強反駁：

• 先驗問題：先驗從哪來？主觀貝氏派說任何一致的先驗都可以，這樣歸納的「證成」只是相對於先驗；客觀貝氏派試圖找出原則，但都有爭議。SEP〈Confirmation〉指出這使得貝氏確證理論是否有真正的歸納內容仍未定。
• 舊證據問題（problem of old evidence）：已知的事實（如水星近日點進動）如何能確證後來的理論？
• Grue：貝氏框架可以處理 grue，但需要對 grue 與 green 賦予不同先驗，這是把問題移到先驗之中，而非解決。
• 機率為零／無窮多假說：全稱理論在許多先驗下機率為零，需要額外假設。

可能的回答 有條件

• 否定式（懷疑論）：休謨＋Goodman → 沒有理性理由相信科學通則為真。此為不能。
• 可錯論式（波普）：真理是目標，不是被擔保的成果。科學不「持有」真理，只「追求」真理，並淘汰錯誤。此為有條件，但逼真度的困難削弱了「愈來愈接近」的說法。
• 貝氏式：給出理性的信念度，但不給真理的保證。此為有條件。
• 外在論／可靠論：知識不需要證成的保證，只需要方法確實可靠。此為能（但代價是無法從內部確知）。
• 科學實在論的整體論證：「不可思議論證」（no-miracles argument）主張成功的科學最好的解釋就是它近似為真；Laudan（1981）的「悲觀後設歸納」則以歷史上成功但後來被拋棄的理論反駁之。這已屬另一主題（實在論之爭），但與此處緊密相連，因為這兩個論證本身都是廣義的歸納或推論。