引子：好的推理應該是什麼樣？#

我們希望推理是「好」的——能可靠地把真理從謬誤中篩出。但什麼是這些可靠的方法？它們的依據又是什麼？

本章先簡介形式邏輯，再進入歸納推理與科學推理的核心問題。

一點邏輯#

論證的零件#

論證有兩個基本部件：

  • 前提（premises）：起點，是論證所接受的假設。
  • 結論（conclusion）：由前提推出之物。

如果我們不願接受結論，有兩條批評路徑：

  • 拒絕某個前提（指控它不真，untrue）。
  • 拒絕推導方式（指控它無效，invalid）。

「不真」與「無效」是兩件不同的事，這兩個詞不能混用。

「邏輯」也不等於「有道理」——邏輯只關心「有沒有任何方式讓前提為真而結論為假」，不關心提出論證是否合宜。

論證的「形式」#

亞里斯多德（Aristotle, 384-322 BC）首創對論證的系統分類，他發現論證可依其形式（form）分類。最著名的形式之一是 modus ponens（肯定前件）：

p
若 p 則 q
所以 q

這裡 p 與 q 可以代入任何命題——談母牛或哲學家無妨。邏輯研究的是形式，不是特定例子。

真值表#

古典邏輯的兩個假設：

  • 每個命題的真值只能是「真」（T）或「假」（F），不能兩者皆是。
  • 「不」（not, ¬）、「且」（and, &）、「或」（or）、「若…則…」（→）這些連接詞，可以透過它們對真值所做的事來定義。

例如否定（¬）的真值表：

p¬p
TF
FT

連言（&）的真值表：

pqp & q
TTT
TFF
FTF
FFF

這些連接詞稱為真值函數（truth-functional）或布林算子（Boolean operators）——熟悉資料庫與試算表的人會在「布林搜尋」中遇到它們。

由此我們可以驗證為何 modus ponens 是好的規則：當 p 與 p → q 都為真時，q 必然為真。

矛盾與套套句#

  • 矛盾（contradiction）：例如 p & ¬p，無論 p 真假皆為假。
  • 套套句（tautology）：例如 ¬(p & ¬p)，無論 p 真假皆為真。

一個論證有效（valid），等價於「若前提則結論」是個套套句——沒有任何真值指派能讓前提全真而結論為假。

驗證有效性的常用技巧是歸謬法（reductio ad absurdum）：把結論的否定加入前提，看能否導出矛盾。安瑟倫（Anselm）的本體論論證即此形式。

量詞的革命#

德國數學家弗雷格（Gottlob Frege, 1848-1925）在 1879 年的《概念文字》（Begriffschrift）中創立現代邏輯。

舉例來說，下列推理為何錯誤？

  • 「每個探究都會在某處停下，所以有某處所有探究都在那裡停下。」
  • 「每個人都有母親，所以有某人是所有人的母親。」

弗雷格的關鍵突破是區分兩種資訊：

  • 把「主詞」項挖掉，留下開放句（open sentence）或謂詞（predicate），如「x 是富有的」。
  • 用量詞（quantifier）描述謂詞被滿足的次數：
    • 存在量詞（∃x）φx：「有某物是 φ」。
    • 全稱量詞（∀x）φx：「一切皆是 φ」。

量詞順序的差別#

把「x 是 y 的母親」寫作 x M y。比較：

  • (∀y)(∃x) x M y：「每個人都有母親」（對 y 而言，存在某 x 是其母）。
  • (∃x)(∀y) x M y：「有某人是所有人的母親」（存在某 x，對所有 y 而言皆是其母）。

這兩個量詞的順序改變產生了天差地別的意義。

萊布尼茲曾期望邏輯記號能讓人類「以計算解決爭端」。美國憲法第二修正案「為維持自由州的安全，州民持有及攜帶武器之權利不可侵犯」——「the people」是「每個個人」還是「作為集體的人民」？若先賢能用量詞結構表達，每年三萬條人命或可不必流。

語言與邏輯#

形式邏輯研究資訊的形式，但哲學還要決定日常語句究竟呈現什麼形式——這出奇地棘手。

真值條件 vs. 含意#

  • 「她窮，但她誠實」——嚴格說只是「她窮且她誠實」，但「但」字暗示了「窮人誠實是不尋常的」這個諷刺。
  • 「她寫詩並學會閱讀」——若實際上她先學會閱讀再寫詩，順序的呈現會誤導讀者。

哲學家因此區分：

  • 真值條件（truth-condition）：句子嚴格陳述的內容。
  • 含意（implicature）：呈現方式所暗示之物。

「你還在打你太太嗎？是或不是？」這類律師陷阱：說「是」承認以前打過，說「否」給人「現在仍打」的暗示。要破解必須說：「否，因為我從未開始。」單純真值表的「否」涵蓋了三種狀況，無辜者必須用足夠的字句指明自己屬於哪一種。

「線性思考」、「咄咄逼人」？#

形式邏輯有時被指控為「陽剛」、「強迫」、「只支持線性思考」——這些指控都是誤解。

  • 邏輯只告訴你「一組命題是否能同時為真」，它不選邊站，不指示思考方向。
  • 它對假設「每命題非真即假」的二值架構保持中性——若你不喜歡，可採用模糊邏輯或多值邏輯，但會付出複雜性的代價。

契訶夫（Anton Chekhov）小說中「她的丈夫既相信她又不相信她」這種看似矛盾的描述，邏輯不會跳起來指責——我們會自然地尋找其他詮釋（例如「半信半疑」）。正是「字面上的矛盾」促使我們尋找更好的解讀。

似真推理：從歸納到貝氏#

形式邏輯擅長演繹：從前提保證結論。但日常推理多半並非演繹——它們是似真（plausible）或合理（reasonable）的，前提為真而結論為假雖有可能但不可能發生。

機率與基率#

我們押輪盤的單一號碼為何不該太自信？因為「多數可能結果都不是 x」。賭場遊戲是設計來讓我們知道完整的可能性空間並能精確計算機率的小領域。

休謨的歸納問題#

休謨（David Hume）提出歸納問題（problem of induction）：

「就過去經驗而言，它只能對它所認知的特定對象、特定時段給出直接、確定的資訊；但為何此經驗應延伸至未來時間、其他對象——而這些對象就我們所知，可能只是表面上相似？這是我堅持要問的核心問題。」

從「過去如此」推出「未來如此」，是歸納推論（inductive inference）。我們時時刻刻在做這件事，但它的「推理鎖鏈」是什麼？

金豎琴的彩票寓言#

布萊克本提供一則絕妙寓言：

  • 假設我們是天堂中的脫體靈魂；上帝即將賦予我們九幕的人生。
  • 每人抽一張票，票上對應九幕中各幕正午晴空的顏色。
  • 顏色有六種，故共有 6^9 ≈ 一千萬張可能的票。只有完全猜中者得金豎琴。
Straightie：blue blue blue blue blue blue blue blue blue
Wavy：     red orange yellow green blue violet ...
Kinkie：   blue blue blue blue blue yellow yellow yellow yellow

天堂中，每張票機率相等——上帝可能偏好直線、波浪、或拐彎。

到了第五幕末，天空連續五次都是 blue。多數人已被淘汰，剩下 6^4 = 1296 張票，其中包括 Straightie 與 Kinkie。

  • Straightie 主張：「未來幾幕應該繼續藍——你看自然如此一致。」
  • Kinkie 反駁：「未來幾幕應該轉黃——同樣的證據對我同樣支持。」

雙方的紀錄完全相同（都是五次全中）。Straightie 想要「自然均勻性」（uniformity of nature）的論證——但 Kinkie 也能援引這個原則來支持自己。

休謨的結論：「任何來自經驗的論證都不可能證明過去與未來的相似性，因為這些論證都奠基於這份相似性的預設。」

我們所有人在骨子裡都站在 Straightie 那邊——但這只是「自然的習慣」，與動物無異。歸納推論在邏輯上沒有特殊地位。

機運：貝氏定理的妙用#

疾病檢測的悖論#

假設你檢驗一個罕見疾病：

  • 人群中只有 1/1000 罹病。
  • 檢驗準確率超過 99%——若你患病，必呈陽性；若你不患病，1% 的機率呈「假陽性」。

你檢驗呈陽性。你罹病的機率是？

多數人說「幾乎篤定罹病」——錯。正確答案略低於 10%。

推理：1000 人受測，其中 1 人患病檢測為陽性；其餘 999 人中約 10 人為假陽性。共 11 人陽性，只有 1 人真患病——機率約 1/11。

這稱為忽略基率的謬誤（fallacy of ignoring the base rate）。

條件機率與貝氏定理#

定義條件機率 Prob(a/b)：在 b 為真的條件下 a 為真的機率。則：

  • Prob(a & b) = Prob(a) × Prob(b/a) = Prob(b) × Prob(a/b)

由此可得貝氏定理：

Prob(h/e) = Prob(h) × Prob(e/h) / Prob(e)

其中：

  • Prob(h)：假設的先驗機率（prior probability）。
  • Prob(e/h)：假設與證據的契合度。
  • Prob(e)：證據本身的先驗機率（包含「有多少其他途徑可產生此證據」）。

妓女 Mandy Rice-Davies 聞悉某貴族否認與她有染時冷冷回應：「他當然會這麼說，不是嗎？」——她正是在指出：無論真相如何，這位貴族都會做相同陳述，因此 Prob(e) 偏高，使其證詞無價值。

重訪金豎琴的彩票#

對 Straightie 的票 S 應用貝氏：

  • Prob(S) = 1/6^9（先驗）。
  • Prob(E/S) = 1（若 S 為真，前五幕全藍是必然）。
  • Prob(E) = 1/6^5（前五幕全藍）。
  • Prob(S/E) = 1/6^4 = 1/1296——正是直覺得到的數字。

問題：Kinkie 的計算結果完全相同！邏輯仍對兩人保持沉默。

機率推理的力量#

貝氏定理可重訪殭屍可能性、設計論證、邪惡問題、神蹟等議題。它防範兩個常見謬誤：

  • 忽略基率。
  • 忽略假陽性的機率。

即使先驗機率難以精確量化，仍可指定範圍估算；而且證據夠強時，初始信念差異會被淹沒。

然而某些統計推論方法只看「結果在隨機假設下小於 5% 機率」就推論「不是隨機」——貝氏指出此推理常出錯：若先驗機率極低，再不可能的結果也不該推翻它。從袋中隨機抓七個字母擺出 PQAERTU 的機率極小，但那就是隨機。「莎士比亞作品中的母音模式正是 666 次野獸名」之類的瘋狂解讀，正是這種誤推的產物。

解釋與典範#

從經驗律到機制#

歸納是把經驗中的規律推及更廣的世界。但科學還想理解為何如此。

  • 波以耳定律（Boyle’s law）：氣體壓力與體積成反比。這是經驗律，告訴我們發生什麼，但不告訴我們為何。
  • 氣體分子運動論提供了「機制」：氣體是運動中的分子，壓力來自分子撞擊容器壁。由此可推出波以耳定律。

找到機制不能繞過歸納問題——機制中元素的持續均勻運作仍是經驗外推。但它減少獨立假設的數量——這是科學的解釋與簡化理想。

休謨對「先驗因果知識」的攻擊#

「清晰明確」的因果是什麼樣？多數人覺得「推撞」式的因果（如撞球）特別易懂；「遠距作用」或「心對身的作用」則神秘。連牛頓本人都認為遠距作用是「任何有思考能力的哲學家」都不會接受的荒謬。

休謨給出爆破性的論斷：

「我們對因果關係的知識，從來不是先驗推得的；它完全來自經驗——當我們發現特定對象總是與某結果相連時。」

「亞當即使理性能力完美無缺，也無法從水的流動性與透明性推論出它會讓人窒息，或從火的明亮溫暖推論出它會把他燒掉。」

我們以為自己能先驗預測撞球碰撞的結果——這只是習慣強到使自己隱形的錯覺。

牛頓 vs. 笛卡兒式理想#

牛頓 1687 年發表《自然哲學的數學原理》（Principia Mathematica）時，許多同時代科學家失望——他們想知道「重力是什麼」，牛頓只告訴他們「重力做什麼」。休謨主張：這就是科學能做的全部。

「彈性、重力、部分聚合、衝量傳遞——這些大概就是我們能在自然中發現的最終原因與原理。我們若能精確探究、理性推論，將特定現象追溯到、或接近這些一般原理，就應慶幸自己的幸運了。」

庫恩的典範轉移#

當代科學哲學家庫恩（Thomas Kuhn, 1922-96）將休謨「習慣」的觀念帶入科學史：

「常態科學」（normal science）在一組典範（paradigms）下運作；當典範本身被挑戰時，便進入「革命科學」階段。科學是「和平間奏被知識性激烈革命打斷的歷程」。

這不等於「相對主義」——典範可以被檢驗其優劣：

  • 「天空是有洞的不透明帷幕」這種典範曾流行，現已被淘汰。
  • 科學的偉大正在於它內建糾錯機制——實驗、預測、檢驗不斷篩除壞點子。
  • 缺乏自我糾錯機制的領域（精神分析、宏大政治理論、新時代科學、創造論「科學」）不值得我們的信任。

本章工具總覽#

我們在本章獲得的思考工具：

  • 形式邏輯：避免矛盾、判斷有效性。
  • 歸納推理：意識到我們對「自然均勻性」的根本依賴。
  • 機率推理：尤其是貝氏定理，防範基率與假陽性的盲點。
  • 模型建構與解釋：對「先驗因果知識」保持警覺。

這些工具將協助我們進入下一章——關於世界本身的思考。

Backward 上帝 世界 Forward