从 Hume 到 Jaynes：将归纳视为可信推理的逻辑

归纳问题自 Hume 揭示观察与普遍推理之间逻辑鸿沟以来便一直困扰着人类。传统的尝试方法在两极之间摇摆：拉普拉斯和 Jeffreys 所持的概率乐观主义者试图通过概率来量化信念，而 Popper 所倡导的批判性怀疑者则以 falsification 替代确认。然而，这两种方法都假设归纳必须提供确定或其否定。在本文中，我主张，当归纳被重新诠释为逻辑一致性（即在更新过程中的信念内部一致性）时，归纳问题便消解了。遵循 E. T. Jaynes 的观点，将概率解释为对不完全信息下推理逻辑的延伸。在此解释下，贝叶斯定理不属于经验陈述，而是约束理性信念更新的一致性条件。于是，归纳便成为应用于不确定前提的演绎推理的特例。Falsification 表现为当新数据驱动后验可信度趋于零时的贝叶斯更新的极限形式，而贝叶斯因子则量化了证据强度的连续谱。通过分析性例子（包括拉普拉斯的日出问题、Jeffreys 的混合先验以及基于置信度的改写），我展示只有可信推理的逻辑才能在不产生矛盾的情况下统一这些视角。正确理解的归纳，并非从过去到未来的跃迁，而是在证据、信念与信息之间保持一致性的 discipline。