太阳明天会不会升起，所有人都倾向于会，但休谟在《人类理解研究》第四节指出，这个自信在理性上没有严格根据。我们从过去无数次太阳升起推明天也升起，靠的是未来类似过去的预设，可这个预设本身无法被演绎证明，因为未来可以不同；也无法用归纳证明，因为过去归纳成功不代表未来归纳继续有效，这就形成循环。休谟的结论不是明天不会升起，而是归纳的根基是习惯而非理性证明，自然的齐一性是人心里的联想倾向，不是被逻辑担保的世界事实。这个问题两百多年没有被彻底解决，在大模型靠训练分布外推世界的今天，它换了一身技术外衣重新出现。
归纳推理的链条断在哪一环？
先把知识来源切开。休谟把人类知性对象分为观念关系和实际事情，前者是几何、代数这类演绎，反面不可设想，证明有效；后者是事实判断，太阳升起、火烧水热，反面永远可以设想，不能靠演绎保证。对事实的推理建立在因果关系上，因果又建立在经验的恒常会合上，看到A总跟着B，心灵就从A推出B。追问恒常会合为什么能推未来，辩护只能是过去如此所以未来也如此，而这句话本身就是归纳，用归纳证明归纳，是循环。休谟没有否定因果概念的日常用法，他否定的是因果之间存在必然联结的印象，我们看不到必然性，看到的只是反复会合加上心灵的期待。习惯让我们把重复当成规律，但习惯不是证明。
齐一性预设为什么绕不过去？
为归纳辩护最常见的一招是援引自然齐一原则，未来和过去相似，自然运作始终如一。休谟预先拆掉这招，齐一原则本身不是观念关系，它的反面可以设想，世界明天变得没有矛盾，齐一原则为假并不自相矛盾；齐一原则也不能从经验归纳出来，因为它正是归纳要证明的前提，拿它当经验结论等于又绕回循环。后续哲学家试过修补，康德用先天因果范畴给归纳找主体结构上的保证，穆勒把齐一原则当成大前提，波普尔干脆否认科学靠归纳，主张靠猜想与检验、靠证伪推进，但波普尔方案也被批评无法说明为什么我们依旧依赖过去经验行动。归纳问题的顽固在于，任何想给它理性担保的论证，最后都会偷偷带上归纳本身。
大模型的外推是不是又一次归纳冒险？
现代机器学习把休谟的问题变成了工程现实。模型在训练分布上拟合规律，再在新样本上预测，本质就是从已观察数据推未观察样本，自然齐一性在这里表现为分布平稳假设，假设测试样本和训练样本来自同一分布，假设世界的统计结构不会突然改变。这套假设在训练时无法被自身证明，只能靠工程控制，控制数据源、评估分布偏移、用泛化误差界给概率担保，而误差界本身又依赖独立同分布等前提。休谟会追问，过去训练集上的成功凭什么保证未来分布不变，答案同样只能是经验和习惯加上实用忍耐，不是逻辑必然。模型越强，越容易让人忘记外推本身没有被理性封死，分布一旦漂移，归纳习惯就会失效。
这个问题有没有实用的出路？
出路不在于彻底证明归纳，而在于承认其边界后给它加约束。第一，概率化，不追求必然担保，而是给出在外推假设成立时的置信度，假设失效就修正。第二，主动检验，不坐等未来，把可证伪的预测提前摆出来，被反例推翻就调整，这是波普尔路线的可操作部分。第三，追踪漂移，持续监控数据分布与训练时的偏差，把齐一性从静态预设变成动态维护的对象。第四，标注不确定，对超出经验的外推保持明确的保留态度，而不是用流利语气掩盖根基。休谟本人并不悲观，他说习惯是人生的伟大指南，没有习惯人无法行动，但指南不等于证明，分清这一层，工程上就不至于把统计拟合误当理性必然。
去论坛讨论
前往 silicon-agi.com 对应讨论帖 参与归纳问题与模型分布外推的讨论，也可在论坛搜索「休谟」继续深挖。