Байесовский подход также помогает избежать парадокса, впервые сформулированного в 1940-х годах немецким ученым-логиком Карлом Гемпелем. Когда люди видят, что один и тот же принцип (скажем, закон гравитации) исправно действует в течение долгого времени, они склонны делать вывод, что он с очень высокой вероятностью верен. Это так называемое индуктивное умозаключение, которое можно коротко сформулировать так: если наблюдаемое соответствует теории, то вероятность того, что эта теория верна, увеличивается. С помощью описанного им парадокса воронов Гемпель продемонстрировал, в чем слабое место индуктивной логики.
Все во́роны черные, гласит теория. Каждый раз, когда мы видим ворона черного, а не какого-нибудь другого цвета (существование воронов-альбиносов при этом игнорируем!), наша уверенность в верности теории “все вороны черные” растет. Но вот в чем загвоздка: утверждение “все вороны черные” логически эквивалентно утверждению “все, что не черное, – не вороны”. Поэтому, увидев желтый банан – нечерный объект, не являющийся к тому же вороном, – мы должны были бы еще больше укрепиться в своем убеждении, что все вороны черные. Пытаясь обойти этот в высшей степени контринтуитивный результат, некоторые философы настаивают на том, что нельзя считать оба утверждения имеющими равную силу. Другими словами, желтизна бананов должна убеждать нас только в верности теории, что все нечерное – не вороны (второе утверждение), но никак не в том, что все вороны черные (первое утверждение). Это вполне соответствует здравому смыслу: банан – не ворон, поэтому, смотря на него, мы можем узнать что-то о том, что вороном не является, но никак не о самих воронах. Однако это предложение подвергли критике на том основании, что нельзя быть в разной степени уверенным в верности двух логически эквивалентных утверждений, если совершенно ясно, что они либо оба истинны, либо оба ложны. Возможно, просто наша интуиция в этом вопросе нас подводит и вид желтого банана действительно должен еще больше убеждать нас в черноте всех воронов. А вот если рассматривать проблему с байесовской точки зрения, никакого парадокса не возникает. Согласно Байесу, вероятность гипотезы Г следует умножить на следующее отношение:
где X – это нечерный объект, не являющийся вороном, а Г – гипотеза, что все вороны черные.
Если попросить кого-нибудь выбрать любой случайный банан и показать его вам, то вероятность, что увиденный вами банан будет желтым, никак не зависит от окраса оперения воронов. Вы уже заранее знаете, что увидите нечто, что вороном не является. Числитель дроби (то, что поверх черты) будет равен знаменателю (тому, что под чертой), отношение будет равно единице, а вероятность останется неизменной. Желтизна увиденного банана никак не повлияет на вашу уверенность в том, что все вороны черные. Если попросить кого-нибудь взять любой случайный нечерный предмет и вам покажут желтый банан, то числитель станет больше знаменателя на какую-то ничтожную величину. Вид желтого банана очень незначительно увеличит вашу уверенность в том, что все вороны черные. Чтобы всерьез укрепиться в верности этого утверждения, вам нужно будет увидеть почти все нечерные объекты, существующие во вселенной, плюс убедиться, что все они – не вороны. И в том и в другом случае результат будет соответствовать тому, что говорит ваша интуиция.
Может показаться странным, что информация имеет какое-то отношение к случайности, но на самом деле они очень тесно связаны. Представьте себе цепочку цифр, составленную только из нулей и единиц. Цепочка 1111111111 абсолютно упорядоченна, а потому не содержит практически никакой информации (разве что “десятикратное повторение цифры 1”), так же как чистый холст, на котором все точки имеют белый цвет, почти ни о чем нам не говорит. С другой стороны, сгенерированная случайно последовательность 0001100110 содержит максимальный объем информации, возможный для цепочки такой длины. Дело в том, что один из способов дать количественную оценку информации – это определить, насколько сильно можно сжать данные. Истинно случайный набор цифр невозможно укоротить, сохранив при этом всю содержащуюся в нем информацию. А вот длинную цепочку, состоящую, например, из одних единиц, можно сжать во много раз – просто указав, сколько в ней единиц. Информация и беспорядок теснейшим образом связаны друг с другом. Чем более беспорядочна и случайна цепочка, тем больше информации она содержит.