Rozumowanie indukcyjne

Rozumowanie indukcyjne, indukcja – wnioskowanie, w którym przesłanki dostarczają poparcia dla wniosku, lecz nie gwarantują jego prawdziwości. Inaczej niż w poprawnym rozumowaniu dedukcyjnym wniosek wykracza poza to, co wynika logicznie z przesłanek. Indukcja pozwala przechodzić od zbadanych przypadków do przypadków jeszcze niezbadanych, formułować uogólnienia i przewidywać przyszłe zdarzenia.

W węższym znaczeniu indukcją nazywa się uogólnianie obserwacji, tradycyjnie opisywane jako przechodzenie „od szczegółu do ogółu”. Szersze użycie terminu obejmuje również inne wnioskowania niededukcyjne. Ich wniosek może dotyczyć pojedynczego zdarzenia, a nie ogólnego prawa. Od tych rozumowań odróżnia się indukcję zupełną przez wyliczenie oraz indukcję matematyczną, które są metodami wnioskowania niezawodnego.

Indukcja odgrywa rolę zarówno w życiu codziennym, jak i w naukach empirycznych. Problem jej uzasadnienia dotyczy podstaw, na których można uznawać wnioski o tym, czego dotychczas nie zaobserwowano. Badanie stopnia poparcia hipotez przez dane stanowi przedmiot logiki indukcyjnej.

Charakterystyka

Prawdziwość przesłanek poprawnego wnioskowania dedukcyjnego wyklucza fałszywość jego wniosku. W rozumowaniu indukcyjnym prawdziwe przesłanki mogą natomiast prowadzić do fałszywego wniosku. Ocenia się zatem nie tylko zgodność przesłanek z rzeczywistością, lecz także siłę poparcia, jakiego udzielają wnioskowi. Zawodność nie oznacza, że każde takie wnioskowanie jest bezwartościowe ani że wniosek i jego zaprzeczenie są jednakowo prawdopodobne.

Przykłady dedukcji i indukcji
Rodzaj rozumowaniaPrzesłankiWniosek
Dedukcja Wszyscy ludzie są śmiertelni.
Sokrates jest człowiekiem.
Sokrates jest śmiertelny.
Indukcja Większość Greków jada oliwki.
Sokrates jest Grekiem.
Sokrates jada oliwki.

W pierwszym przykładzie prawdziwość obu przesłanek gwarantuje prawdziwość wniosku. W drugim przesłanki go uprawdopodobniają, lecz Sokrates może należeć do mniejszości Greków, którzy nie jadają oliwek.

Rozróżnienia indukcji i dedukcji nie można sprowadzić do przeciwstawienia wnioskowania od przypadków jednostkowych do praw ogólnych oraz wnioskowania w kierunku przeciwnym. Przesłanka mówiąca o większości członków pewnej grupy może uprawdopodobniać wniosek o należącej do niej jednostce, nie zapewniając jego prawdziwości. Również przewidywanie kolejnego przypadku na podstawie przypadków wcześniejszych nie musi przyjmować postaci zdania ogólnego.

Samo użycie prawdopodobieństwa we wniosku nie przesądza o indukcyjnym charakterze rozumowania. Z założenia, że każda ścianka sześciennej kostki ma taką samą szansę wypadnięcia, można dedukcyjnie wyliczyć prawdopodobieństwo określonego wyniku. Indukcyjny charakter ma natomiast oszacowanie tego prawdopodobieństwa na podstawie częstości wyników zaobserwowanych w skończonej serii rzutów.

Zakres pojęcia indukcji zależy od przyjętej klasyfikacji rozumowań. W niektórych ujęciach obejmuje ono wszelkie wnioskowania niededukcyjne, podczas gdy w innych odróżnia się od niego np. rozumowanie abdukcyjne, służące wyborowi wyjaśnienia obserwowanych faktów. Samo rozróżnienie argumentów dedukcyjnych i indukcyjnych także jest przedmiotem dyskusji, zwłaszcza gdy kryterium podziału ma stanowić intencja osoby rozumującej, a nie relacja między przesłankami i wnioskiem. Gilbert Harman(inne języki) proponował ujmowanie indukcji enumeracyjnej jako szczególnego przypadku wnioskowania do najlepszego wyjaśnienia.

Rodzaje rozumowań indukcyjnych

Przedstawione postacie rozumowania wyróżnia się według różnych kryteriów. Mogą się one częściowo pokrywać.

Indukcja enumeracyjna niezupełna

Indukcja enumeracyjna niezupełna, nazywana też indukcją przez proste wyliczenie, polega na przyjęciu ogólnej prawidłowości na podstawie zaobserwowania niektórych jej przypadków. Przesłanki stwierdzają, że zbadane przedmioty pewnego rodzaju mają daną własność, a wniosek przypisuje tę własność wszystkim przedmiotom tego rodzaju. Nie ma jednak przesłanki stwierdzającej, że zbadano całą klasę.

Schemat takiego wnioskowania można zapisać, oznaczając przez S badaną klasę, przez P rozpatrywaną własność, a przez a1,…,an zbadane przedmioty. Nad kreską znajdują się przesłanki, a pod nią wniosek indukcyjny, który nie wynika z nich logicznie:

a1∈S,P(a1)a2∈S,P(a2)⋮an∈S,P(an)∀x∈SP(x)

Zapis P(ai) znaczy, że przedmiot ai ma własność P, a wniosek ∀x∈SP(x) przypisuje ją wszystkim elementom klasy S.

Przykładem jest wnioskowanie, że wszystkie łabędzie są białe, na podstawie obserwacji wyłącznie białych łabędzi. W tym przykładzie S oznacza klasę wszystkich łabędzi, P własność bycia białym, a a1,…,an poszczególne zbadane łabędzie. Przykłady potwierdzające nie wykluczają istnienia niezbadanych przypadków odmiennych. Jeden kontrprzykład wystarcza do obalenia takiego twierdzenia ogólnego, choć może ono wcześniej znajdować poparcie w licznych obserwacjach.

Siła indukcji enumeracyjnej nie zależy wyłącznie od liczby przypadków potwierdzających. Ważna jest także ich różnorodność. Powtarzanie obserwacji w bardzo podobnych okolicznościach nie zastępuje badania przypadków, w których przypuszczalna prawidłowość mogłaby nie zachodzić.

Indukcja statystyczna

W indukcji statystycznej wniosek dotyczy własności statystycznych pewnej populacji, a przesłanki opisują jej część, czyli próbę. Przedmiotem wnioskowania może być np. proporcja elementów o określonej własności. Do podstawowych zastosowań należą estymacja (szacowanie liczbowych cech populacji na podstawie próby) oraz testowanie hipotez (ocena zgodności hipotez z danymi).

Ocena uogólnienia wymaga uwzględnienia liczności próby i jej reprezentatywności. Odpowiednio dobrana próba może dostarczyć silniejszego uzasadnienia niż duża liczba przypadków pochodzących z niereprezentatywnej części populacji. Przykładem jest ocena całego transportu owoców na podstawie zbadanej części dostawy.

W statystyce ocenia się m.in. niezawodność procedury przy wielokrotnym pobieraniu prób z tej samej populacji. Przedział ufności to wyznaczony na podstawie próby przedział wartości służący szacowaniu parametru (liczbowej cechy populacji). Na przykład poziom ufności 95% oznacza, że przy spełnieniu założeń modelu i metody pobierania próby co najmniej 95% tak wyznaczanych przedziałów obejmuje prawdziwą wartość parametru w długiej serii hipotetycznych powtórzeń. W tej interpretacji nie przypisuje się prawdopodobieństwa 95% temu, że parametr należy do konkretnego przedziału wyznaczonego z otrzymanych danych.

Przewidywanie i wnioskowanie o jednostce

Wnioskowanie indukcyjne może prowadzić do przewidywania konkretnego przyszłego zdarzenia. Na podstawie dotychczasowego przebiegu zjawiska oczekuje się, że następny przypadek będzie podobny do poprzednich. Choć takie przewidywania są podstawą wielu działań praktycznych, wcześniejsze doświadczenie nie czyni ich logicznie koniecznymi.

Inną postacią jest przejście od prawidłowości statystycznej do wniosku o jednostce. Jeśli większość członków pewnej grupy ma daną własność, przynależność jednostki do tej grupy może przemawiać za przypisaniem jej tej własności. Takie wnioskowanie, w odróżnieniu od zastosowania bezwyjątkowego prawa ogólnego, pozostaje zawodne.

Wnioskowanie przez analogię

 Główny artykuł: Analogia.

We wnioskowaniu przez analogię znane podobieństwo przedmiotów pod pewnymi względami służy do przypisania im podobieństwa pod kolejnym względem. Jeśli dwa przedmioty mają pewne wspólne własności, a jeden z nich ma ponadto własność dotąd niesprawdzoną u drugiego, można na tej podstawie przypuszczać, że drugi także ją ma. Przykładem jest oczekiwanie, że kolejna kostka cukru rozpuści się w wodzie, skoro rozpuściły się kostki badane wcześniej. Wniosek dotyczy tu następnego przypadku, a nie wszystkich możliwych przypadków.

Kontrprzykład ma odmienne znaczenie dla uogólnienia i dla takiego przewidywania jednostkowego. Jeden przypadek niezgodny z twierdzeniem „każdy element klasy ma daną własność” obala to twierdzenie. Nie wyklucza jednak, że własność tę będzie miał następny zbadany element. Przypadki niezgodne z oczekiwaną prawidłowością osłabiają wówczas poparcie dla przewidywania.

Siła analogii zależy nie tylko od liczby podobieństw. Mill wskazywał, że trzeba odrzucić podobieństwa, których brak związku z przewidywaną własnością został ustalony. Znane różnice między porównywanymi przedmiotami również mogą przemawiać przeciw wnioskowi.

Indukcja eliminacyjna

Indukcja eliminacyjna opiera się na wykluczaniu hipotez konkurencyjnych wobec przyjmowanego wniosku. Jej klasyczne postacie wiążą się z tablicami Francisa Bacona i kanonami Johna Stuarta Milla. Związek tej metody z dedukcją zależy od założeń rekonstrukcji. Jeśli rozpatrywana lista możliwości jest wyczerpująca, a wszystkie poza jedną zostały wykluczone, wybór ostatniej możliwości ma charakter dedukcyjny. Trudność stanowi jednak uzasadnienie, że nie pominięto istotnych alternatyw.

Ograniczenie eliminacji hipotez ilustruje problem doboru krzywej. Skończony zbiór wyników pomiarów można przedstawić jako punkty na płaszczyźnie, przez które przechodzi nieskończenie wiele krzywych algebraicznych. Kolejne pomiary wykluczają część tych krzywych, lecz nadal pozostawiają nieskończenie wiele możliwości. Sama zgodność z takim zbiorem danych nie wyznacza więc jednej zależności między badanymi wielkościami.

Kanony Milla

 Główny artykuł: Kanony Milla.

W Systemie logiki dedukcyjnej i indukcyjnej(inne języki) (1843) Mill przedstawił metody badania związków przyczynowych przez porównywanie okoliczności występowania i niewystępowania zjawisk. Wyróżnił pięć kanonów, w tym łączną metodę zgodności i różnicy, będącą połączeniem dwóch metod podstawowych.

Kanony Milla
KanonPorównywane przypadki i regułaWarunki i ograniczenia
Jedynej zgodności W różnych przypadkach występowania badanego zjawiska wyszukuje się jedyną wspólną okoliczność. Mill wiąże ją przyczynowo z tym zjawiskiem. Wniosek osłabia możliwość, że to samo zjawisko powstaje za sprawą różnych przyczyn. Wspólna okoliczność może wówczas nie być przyczyną żadnego ze zbadanych przypadków.
Jedynej różnicy Porównuje się przypadek, w którym zjawisko zachodzi, z przypadkiem, w którym nie zachodzi. Pozostałe okoliczności mają być takie same, a porównywane przypadki ma różnić jeden czynnik. Mill uznaje go za przyczynę, skutek albo niezbędny składnik przyczyny zjawiska. Znaczenie ma rzeczywista zgodność pozostałych okoliczności. Wskazany czynnik nie musi stanowić samodzielnej i pełnej przyczyny.
Połączonej metody zgodności i różnicy Zestawia się serię przypadków występowania zjawiska, mających tylko jedną wspólną okoliczność, z serią przypadków jego niewystępowania, których jedyną wspólną okolicznością jest brak tego czynnika. Mill traktuje tę procedurę jako pośrednią metodę różnicy. Nie przypisuje jej takiej samej siły jak bezpośredniemu porównaniu przypadków różniących się tylko jednym czynnikiem.
Reszt Od badanego skutku odejmuje się te jego części, których zależność od określonych czynników ustalono wcześniej. Pozostałą część wiąże się z pozostałymi czynnikami. Konieczna jest poprawność wcześniejszych ustaleń i uwzględnienie wszystkich istotnych czynników. Mill zaleca osobne sprawdzenie działania pozostałego czynnika albo wyprowadzenie ze znanych praw wniosku o tym działaniu.
Zmian współtowarzyszących Zmianom jednego zjawiska towarzyszą określone zmiany drugiego. Jest to podstawa poszukiwania ich związku przyczynowego. Samo współzmienianie się nie wyznacza kierunku zależności. Zjawiska mogą być również skutkami wspólnej przyczyny.

Przykład kanonu zgodności można przedstawić w tabeli. Wielkie litery oznaczają okoliczności poprzedzające zjawisko, a małe – zaobserwowane następstwa:

Schemat porównania przypadków w kanonie zgodności
PrzypadekOkoliczności poprzedzająceNastępstwa
I A,B,C a,b,c
II A,D,E a,d,e

W obu przypadkach występują A i a, natomiast pozostałe wymienione okoliczności i następstwa są różne. Porównanie wskazuje więc A jako kandydata na przyczynę a. Mill podkreślał jednak, że trzeba jeszcze sprawdzić, czy nie pominięto innej wspólnej okoliczności. Możliwość wytworzenia A i zaobserwowania następującego po nim a pozwala dalej badać tę zależność.

Kanonów nie należy traktować jako procedur automatycznie zapewniających prawdziwe rozstrzygnięcie każdego problemu przyczynowego. Ich zastosowanie wymaga wiedzy o badanych okolicznościach, a wielość przyczyn i łączenie się skutków utrudniają proste porównania. W metodologii Milla badanie przyczyn współdziała z formułowaniem hipotez i dedukowaniem ich następstw.

Dosłowne zastosowanie kanonu różnicy wymagałoby ustalenia wszystkich okoliczności towarzyszących zjawisku i sprawdzenia, że porównywane przypadki różnią się tylko badanym czynnikiem. W praktyce wcześniejsza wiedza teoretyczna pozwala zawęzić zbiór możliwych przyczyn i kontrolować czynniki uznane za istotne. Eliminacja odbywa się więc w obrębie możliwości wyodrębnionych na podstawie tej wiedzy.

Indukcja zupełna i matematyczna

Indukcja enumeracyjna zupełna, czyli wyczerpująca, polega na sprawdzeniu wszystkich elementów rozpatrywanej skończonej klasy. Jeśli każdemu z nich przysługuje określona własność i wyliczenie obejmuje całą klasę, to własność tę można przypisać wszystkim jej elementom. W tym przypadku wniosek wynika logicznie z przesłanek. O niezawodności decyduje dodatkowa przesłanka o wyczerpaniu wszystkich przypadków, której brakuje w indukcji niezupełnej.

W zapisie z tymi samymi oznaczeniami dochodzi przesłanka S={a1,…,an}, stwierdzająca, że wyliczenie obejmuje całą klasę:

P(a1), P(a2), …, P(an)S={a1,a2,…,an}∀x∈SP(x)

Prostą ilustracją tego schematu jest rozumowanie o skończonej grupie osób:

Anna ma dokładnie troje dzieci: Piotra, Pawła i Paulę.
Piotr studiuje, Paweł studiuje i Paula studiuje.
Wniosek: Wszystkie dzieci Anny studiują.

Przesłanka wymieniająca wszystkie dzieci jest niezbędna. Bez niej wiedza o Piotrze, Pawle i Pauli nie wykluczałaby istnienia kolejnego dziecka Anny, które nie studiuje.

Indukcja matematyczna także nie polega na uprawdopodobnieniu twierdzenia przez nagromadzenie przykładów. Dowód dla liczb naturalnych obejmuje sprawdzenie przypadku początkowego i wykazanie, że prawdziwość twierdzenia dla dowolnej rozpatrywanej liczby pociąga jego prawdziwość dla liczby następnej. Z zasady indukcji wyprowadza się następnie wniosek dotyczący wszystkich liczb z danego zakresu. Podobieństwo nazwy nie oznacza zatem tożsamości z zawodnym wnioskowaniem na podstawie obserwacji.

Ocena siły wnioskowania

Przy ocenie indukcji trzeba odróżnić prawdziwość przesłanek od siły związku między nimi a wnioskiem. Nawet trafne obserwacje mogą stanowić zbyt wąską podstawę uogólnienia. W ocenie wnioskowania statystycznego istotne jest, czy zbadana część zbioru dostarcza informacji o całej populacji, a nie jedynie o szczególnie dobranej grupie.

Poparcie zależy również od wiedzy tła (informacji i założeń przyjętych przed oceną nowych danych) i rozpatrywanych hipotez alternatywnych. Ta sama obserwacja może być zgodna z kilkoma hipotezami. W probabilistycznych teoriach indukcji bada się m.in., jak prawdopodobne byłyby dane przy założeniu prawdziwości każdej z konkurencyjnych hipotez oraz jak wiarygodne były one przed uwzględnieniem tych danych.

W probabilistycznej ocenie indukcji odróżnia się wartość prawdopodobieństwa hipotezy po uwzględnieniu danych od wzrostu tego prawdopodobieństwa pod ich wpływem. Potwierdzenie absolutne wiąże się z dostatecznie wysokim prawdopodobieństwem hipotezy, natomiast potwierdzenie przyrostowe zachodzi wtedy, gdy dane zwiększają to prawdopodobieństwo w porównaniu z oceną sprzed ich uwzględnienia.

Dzieje

Starożytność i średniowiecze

W filozofii greckiej indukcja wiązała się zarówno z tworzeniem pojęć ogólnych, jak i z uzasadnianiem twierdzeń. W indukcji sokratycznej zestawiano przykłady, pomijano różnice między nimi i ujmowano cechy wspólne, aby określić treść danego pojęcia. Arystoteles rozważał pod nazwą epagogé przejście od przypadków jednostkowych do tego, co ogólne, oraz uzyskiwanie pierwszych zasad wiedzy. Jon McGinnis wskazuje na dwie interpretacje tej koncepcji: indukcję jako sposób uzasadnienia sądu oraz jako proces dochodzenia do pojęć lub zasad naukowych.

W Analitykach pierwszych(inne języki) Arystoteles pisał: „ἡ γὰρ ἐπαγωγὴ διὰ πάντων”, czyli „Indukcja bowiem obejmuje wszystkie przypadki”. W rozpatrywanym tam schemacie wymagał, aby klasa, za pośrednictwem której uzasadnia się twierdzenie ogólne, obejmowała wszystkie odpowiednie przypadki jednostkowe.

Wątpliwości dotyczące indukcji formułowano już przed czasami nowożytnymi. Krytycy greccy, w tym Sekstus Empiryk, wskazywali trudność uzyskania pewności, że zbadano wszystkie istotne przypadki lub uchwycono właściwe podobieństwa.

Awicenna w traktacie ‏al-Burhān‎, stanowiącym część Księgi uzdrowienia(inne języki), poddał krytyce możliwość uzyskania za pomocą indukcji koniecznych i pewnych pierwszych zasad nauki. Wskazywał, że sama obserwacja przypadków jednostkowych nie wykazuje koniecznego związku między badaną rzeczą a jej cechą. Jego krytyka obejmowała zarówno indukcję niezupełną, jak i zupełną. Nawet przebadanie wszystkich przypadków nie wystarczało do wykazania konieczności takiego związku.

Zarzucał też błędne koło próbie ustalenia istoty rzeczy za pomocą indukcji: aby rozpoznać obserwowane jednostki jako należące do danego rodzaju, trzeba już znać cechy, które ten rodzaj określają. Przedmiotem krytyki była koncepcja indukcji odziedziczona po tradycji arystotelesowskiej, a nie dzisiejsze rozumienie wniosku indukcyjnego jako jedynie uprawdopodobnionego.

Awicenna odróżniał indukcję (arab. ‏istiqrāʾ‎) od doświadczenia (arab. ‏tajriba‎), które miało pozwalać na ustalanie zależności w określonych warunkach. Wiedza uzyskana w ten sposób dotyczyła wszystkich przypadków spełniających określone warunki, a nie wszystkich przypadków bez ograniczeń. W rekonstrukcji Jona McGinnisa ważne są uwzględnienie warunków obserwacji oraz możliwość korygowania ustaleń po uzyskaniu nowych danych. Nie oznacza to utożsamienia ‏tajriba‎ ze współczesnym eksperymentem.

Pewność doświadczenia Awicenna wyjaśniał przez połączenie powtarzających się obserwacji z ukrytym sylogizmem (rozumowaniem wyprowadzającym wniosek z dwóch przesłanek). Rozumowanie to zakładało, że regularne współwystępowanie zjawisk nie jest przypadkowe, lecz wynika z istotnej zależności między nimi. Samo doświadczenie miało więc pozwalać ustalić, że dana zależność zachodzi, ale nie wyjaśniało, dlaczego zachodzi. Do wiedzy naukowej w ścisłym sensie potrzebne było również takie wyjaśnienie.

Bacon, Mill i Whewell

Francis Bacon w Novum organum(inne języki) (1620) przeciwstawiał prostemu wyliczaniu potwierdzeń systematyczną metodę badania. Miały jej służyć tablice obecności, nieobecności i stopni występowania badanej własności. Porównywanie przypadków pozwalało eliminować proponowane wyjaśnienia, a przypadki negatywne miały szczególne znaczenie. Metoda zakładała przechodzenie od ustaleń mniej ogólnych do ogólniejszych oraz wykorzystywanie ich do dalszych badań.

W XIX wieku Mill rozwinął teorię indukcji, wiążąc ją z analizą przyczynowości. Jego kanony miały systematyzować porównywanie przypadków i doświadczeń. Nie wyczerpywały jednak całości jego metodologii, w której uwzględniał też złożone zależności, dedukcję i sprawdzanie następstw hipotez.

W dyskusji z Millem William Whewell akcentował twórczy udział badacza w indukcji. Polega ona w jego ujęciu także na łączeniu faktów za pomocą odpowiednich pojęć, a nie tylko na gromadzeniu obserwacji. Tak sformułowaną teorię należy następnie sprawdzać przez odnoszenie jej do dalszych faktów.

Szkoła lwowsko-warszawska

W szkole lwowsko-warszawskiej indukcję rozumiano szeroko jako rozumowanie niededukcyjne. Takie ujęcie występowało m.in. u Jana Łukasiewicza, Kazimierza Ajdukiewicza, Tadeusza Czeżowskiego i Marii Kokoszyńskiej.

Problem uzasadnienia indukcji

Czarny łabędź z czerwonym dziobem pływający po wodzie
Łabędź czarny jako kontrprzykład dla uogólnienia „wszystkie łabędzie są białe”

Nawet liczne obserwacje białych łabędzi nie gwarantują, że wszystkie łabędzie są białe. Obserwacja choćby jednego czarnego łabędzia wystarcza do obalenia tego twierdzenia. Pozostaje jednak pytanie, co uzasadnia oczekiwanie, że niezbadane przypadki będą podobne do dotychczasowych.

Argument Hume’a

Klasyczną nowożytną postać problemu sformułował David Hume w Traktacie o naturze ludzkiej (1739). Krótszą wersję przedstawił w Badaniach dotyczących rozumu ludzkiego(inne języki) (1748). Problem dotyczy podstaw przejścia od znanych przypadków do nieznanych, w szczególności od przeszłego doświadczenia do oczekiwań wobec przyszłości.

Hume wskazywał, że sama logika, bez odwołania do doświadczenia, nie dowodzi, iż zaobserwowane prawidłowości będą zachodzić nadal. Można bowiem bez sprzeczności pomyśleć sytuację, w której przyszłe zdarzenia przebiegają inaczej niż dotychczasowe.

Hume odrzucał również argument, że indukcji można ufać, ponieważ dotąd była skuteczna. Aby z jej dotychczasowych sukcesów wnioskować o przyszłej skuteczności, trzeba założyć, że przyszłość będzie pod tym względem podobna do przeszłości. To właśnie założenie ma jednak zostać uzasadnione. Taka obrona indukcji sama jest wnioskowaniem indukcyjnym, a więc prowadzi do błędnego koła.

Hume nie zaprzeczał, że ludzie faktycznie formują oczekiwania na podstawie doświadczenia. Wyjaśniał tę skłonność przez nawyk powstający w wyniku obserwacji powtarzających się związków. Trzeba zatem odróżniać psychologiczne wyjaśnienie praktyki wnioskowania od pytania o jej racjonalne uzasadnienie.

Nowa zagadka indukcji

Nelson Goodman wskazał odmienną trudność, dotyczącą wyboru uogólnienia. Te same dotychczasowe obserwacje zielonych szmaragdów można opisać przy użyciu zwykłego predykatu (wyrażenia określającego własność) „zielony” albo skonstruowanego predykatu grue. Ten drugi przypisuje się przedmiotom zaobserwowanym przed ustaloną chwilą, jeśli są zielone, oraz pozostałym przedmiotom, jeśli są niebieskie. Oba uogólnienia pasują do obserwacji poczynionych przed tą chwilą, lecz prowadzą do odmiennych przewidywań dotyczących szmaragdów po raz pierwszy zaobserwowanych po tej chwili. Problem polega na wyjaśnieniu, dlaczego niektóre predykaty nadają się do uzasadnionego przewidywania, a inne nie.

Główne kierunki odpowiedzi

Proponowane odpowiedzi różnią się tym, jakiego uzasadnienia domagają się dla indukcji. Część próbuje uzasadnić jej racjonalność, inne ograniczają zakres wymagań albo kwestionują sposób postawienia problemu.

  • Odpowiedź Kanta odwołuje się do możliwości wiedzy syntetycznej a priori, czyli twierdzeń o świecie uzasadnianych niezależnie od doświadczenia. Immanuel Kant argumentował, że doświadczenie jest możliwe dzięki pojęciom, które porządkują jego treść. Do takich pojęć zaliczał przyczynowość, a ich konieczność uzasadniał przez wskazanie, że stanowią warunki możliwości doświadczenia.
  • Uzasadnienie probabilistyczne zastępuje wymaganie pewności badaniem stopnia poparcia hipotezy przez świadectwa. Rozwijali je m.in. Rudolf Carnap i przedstawiciele logiki indukcyjnej. Poszczególne teorie różnią się interpretacją prawdopodobieństwa.
  • Uzasadnienie pragmatyczne, kojarzone m.in. z Hansem Reichenbachem, odwołuje się do warunków skutecznego przewidywania. Reichenbach rozpatrywał regułę, która na podstawie dotychczasowej częstości zdarzenia przewiduje jego częstość w dalszym ciągu obserwacji. Jeśli częstość ta dąży do granicy, kolejne oceny uzyskiwane według tej reguły również się do niej zbliżają. Nie gwarantuje to trafności konkretnego bieżącego przewidywania.
  • Falsyfikacjonizm Karla Poppera odrzuca pogląd, że nauka wymaga indukcyjnego uzasadniania praw. W jego ujęciu hipotezy poddaje się testom przez dedukowanie ich następstw i poszukiwanie wyników z nimi niezgodnych. Stanowisko to pozostawia jednak pytania o wybór między hipotezami, których dotąd nie obalono.
  • Analiza pojęcia uzasadnienia, reprezentowana m.in. przez Petera Fredericka Strawsona, podważa wymaganie, aby indukcję uzasadnić na wzór dedukcji. Ocena poszczególnych rozumowań ma odwoływać się do właściwych im standardów.

Logika indukcyjna

Logika indukcyjna bada relację między danymi a hipotezą, której dane te mają udzielać poparcia.

Carnap rozwijał logikę indukcyjną, w której stopień potwierdzenia miał być wyznaczany przez logiczną relację między zdaniami opisującymi dane a hipotezą. Budował funkcje potwierdzenia dla określonych języków formalnych, wykorzystując m.in. założenia symetrii. Odpowiedni dobór tych funkcji miał umożliwiać uczenie się na podstawie doświadczenia, czyli wzmacnianie oczekiwania, że zaobserwowana własność wystąpi także w kolejnych przypadkach.

W podejściu bayesowskim wykorzystuje się prawdopodobieństwo warunkowe (prawdopodobieństwo oceniane z uwzględnieniem dodatkowych informacji) i twierdzenie Bayesa. Niech H oznacza hipotezę, E dane, a B wiedzę tła. Zapis P(H∣E,B) oznacza prawdopodobieństwo hipotezy H po uwzględnieniu danych E i wiedzy B. Przy P(E∣B)>0 zachodzi: P(H∣E,B)=P(E∣H,B)P(H∣B)P(E∣B).

Wzór wiąże ocenę hipotezy po uwzględnieniu danych z jej wcześniejszą oceną oraz z prawdopodobieństwem tych danych przy założeniu hipotezy. Nie określa sam przez się, jakie wartości należy przypisać wszystkim wielkościom. Ustalenia te wymagają uwzględnienia treści hipotez, wiedzy tła i związku między hipotezą a obserwacją. Z tego powodu samo wyliczenie przypadków nie wyczerpuje probabilistycznej analizy wnioskowania.

Twierdzenia o zbieżności bayesowskiej wskazują jednak, że przy odpowiednich założeniach wpływ początkowych ocen prawdopodobieństwa może słabnąć w miarę gromadzenia dostatecznie mocnych danych.

Zastosowanie rachunku prawdopodobieństwa nie usuwa wszystkich problemów uzasadnienia indukcji. Dyskusja obejmuje m.in. dobór prawdopodobieństw początkowych i założeń łączących teorię z danymi. Różnica między formalnymi regułami aktualizacji ocen a uzasadnieniem założeń, na których opiera się konkretna aktualizacja, pozostaje istotna dla oceny wnioskowań.

Jedną z trudności podejścia bayesowskiego jest problem dawnych danych. Jeżeli dane są już zawarte w wiedzy tła i przypisuje się im prawdopodobieństwo równe 1, ponowne ich uwzględnienie nie zwiększa prawdopodobieństwa hipotezy. Dotyczy to również hipotezy, z której dane te wynikają. Powstaje więc pytanie, jak ująć potwierdzanie hipotez przez wcześniej znane fakty. Jedna z odpowiedzi odróżnia ogólne poparcie hipotezy od dodatkowego potwierdzenia, którego dostarczają nowe dane.

Trudności formalnego opisu potwierdzania ilustruje analizowany przez Carla Gustava Hempla paradoks czarnego kruka. U podstaw paradoksu leży założenie, że obserwacja przedmiotu o własnościach F i G potwierdza uogólnienie „wszystkie F są G”. Jeśli ponadto zdania logicznie równoważne mają te same potwierdzenia, to obserwacja białego buta potwierdza zdanie „wszystkie kruki są czarne”. Zdanie to jest bowiem równoważne zdaniu „wszystkie rzeczy nieczarne nie są krukami”. Biały but jest zarazem rzeczą nieczarną i niebędącą krukiem, stanowi więc pozytywny przypadek drugiego uogólnienia.

W jednym z klasycznych ujęć formalnej teorii uczenia metody indukcyjne ocenia się przez to, czy przy określonych założeniach o dostępnych danych prowadzą one ostatecznie do prawdziwej odpowiedzi i pozostają przy niej. Osiągnięcie takiej zbieżności nie oznacza, że na danym etapie badania można z pewnością rozpoznać prawdziwość aktualnej hipotezy. Zamiast poszukiwać jednej uniwersalnej reguły indukcji, podejście to bada, które metody pozwalają osiągnąć określony cel poznawczy w danym problemie.

Uczenie maszynowe wykorzystuje algorytmy uczące się z doświadczenia, np. rozpoznawania lub klasyfikowania wzorców w danych. Ich skuteczność zależy od przyjęcia wstępnych założeń o dziedzinie, w której mają działać, określanych jako ang. inductive bias.

Psychologia rozumowania indukcyjnego

Psychologia poznawcza bada, jak ludzie przenoszą wiedzę o znanych przypadkach na przypadki nieznane. W jednym z typowych zadań eksperymentalnych uczestnicy otrzymują informację, że przedstawiciele pewnej kategorii mają określoną cechę, i oceniają prawdopodobieństwo jej występowania w innej kategorii. W badaniach nad kategoriami zwierząt argumenty oceniano jako silniejsze, gdy zwierzęta wskazane w przesłance były podobniejsze do tych, których dotyczył wniosek. Ocena była również wyższa, gdy zwierzęta z przesłanki były bardziej typowymi przedstawicielami swojej szerszej grupy.

Na oceny wpływa również zestaw przypadków przywołanych w przesłankach. W wielu badaniach osoby dorosłe uznawały uogólnienia za silniejsze, gdy opierały się one na większej liczbie przypadków lub na przypadkach bardziej zróżnicowanych. Wpływ zróżnicowania nie jest jednak bezwarunkowy. Zależy m.in. od wiedzy o rozpatrywanej cesze, a wyniki badań dzieci różnią się zależnie od rodzaju zadania.

To, jakie podobieństwo jest istotne dla wnioskowania, zależy od przenoszonej cechy. W eksperymentach dotyczących właściwości anatomicznych badani chętniej przenosili nową cechę z kur na jastrzębie niż z tygrysów na jastrzębie. Przy właściwościach związanych z odżywianiem i drapieżnictwem kierunek ocen był odwrotny. Modele strukturalno-statystyczne opisują takie wnioskowania za pomocą rachunku prawdopodobieństwa połączonego z reprezentacją wiedzy o relacjach między kategoriami. W zależności od dziedziny modele te mogą wykorzystywać np. strukturę taksonomiczną, relacje przestrzenne lub związki przyczynowe.

Indukcja w metodzie naukowej

Metody naukowej nie sprowadza się do zbierania obserwacji i mechanicznego uogólniania ich wyników. W praktyce badawczej rozumowania indukcyjne współdziałają z tworzeniem wyjaśnień, dedukowaniem przewidywań i ich sprawdzaniem. Już historyczny spór o rolę indukcji obejmował pytania zarówno o odkrywanie hipotez, jak i o ich uzasadnianie.

Mill odróżniał obserwowanie przypadków zastanych w przyrodzie od eksperymentalnego wytwarzania odpowiedniego układu okoliczności. Zaletę eksperymentu widział w możliwości poznania i celowego zmieniania warunków, co ułatwia odróżnienie wpływu badanego czynnika od wpływu innych okoliczności.

Historyczny przykład współdziałania obserwacji, hipotezy i doświadczenia opisał Claude Bernard. Zauważywszy nietypowy, kwaśny odczyn moczu królików przyniesionych do laboratorium, przypuszczał, że zwierzęta od pewnego czasu nie jadły. Sprawdzał tę hipotezę przez naprzemienne karmienie ich trawą i pozbawianie pokarmu: opisywał powrót odczynu zasadowego po karmieniu i kwaśnego po okresie głodzenia. Powtarzał próby na królikach, a następnie także u konia. O konieczności sprawdzenia przypuszczenia pisał: „C’est ce qu’il fallait établir par l’expérience”, czyli „To właśnie należało ustalić doświadczalnie”.

Pierre Duhem i Willard Van Orman Quine zwracali uwagę, że testowi podlega zespół hipotez, a nie tylko pojedyncza hipoteza rozpatrywana w oderwaniu od założeń pomocniczych. Wynik niezgodny z przewidywaniem może wskazywać na błąd pomiaru lub błędność hipotezy pomocniczej, dlatego nie musi jednoznacznie rozstrzygać, którą z testowanych hipotez należy odrzucić.

Uogólnienie empiryczne, statystyczne oszacowanie właściwości populacji i ustalenie przyczyny zjawiska stawiają różne wymagania badaczowi. Rozróżnienie tych zadań pozwala oddzielić pytanie, czy konkretne dane wspierają daną hipotezę, od ogólnego filozoficznego pytania o podstawy wnioskowania wykraczającego poza obserwację.

Zobacz też