邏輯學專業人士如何解釋看下面這道邏輯題？

01-03

關於一道MBA上邏輯漏洞的題目，如下：
英國哲學家伯特蘭·羅素有一個關於歸納主義者火雞的故事。在火雞飼養場里，有一隻火雞發現，第一天上午9點鐘主人給它餵食。然而作為一個卓越的歸納主義者，它並不馬上作出結論。它一直等到已收集了有關上午9點給它餵食這一經驗事實的大量觀察；而且，它是在多種情況下進行這些觀察的：雨天和晴天，熱天和冷天，星期三和星期四……它每天都在自己的記錄表中加進新的觀察陳述。最後，它的歸納主義良心感到滿意，它進行歸納推理，得出了下面的結論：「主人總是在上午9點鐘給我餵食。」可是，事情並不像它所想像的那樣簡單和樂觀。在聖誕節前夕，當主人沒有給它餵食，而是把它宰殺的時候，它通過歸納概括而得到的結論終於被無情地推翻了。大概火雞臨終前也會因此而感到深深遺憾。　　

　　在這則故事中，火雞的歸納及其失敗類似於下面哪項？　　
　　A．在過去很長一段時間裡，人們認為地球不動，太陽繞地球轉，直到科學的發展推翻這一結論。　
　　B．在過去很長一段時間裡，由於人們一直不曾看見白色以外顏色的天鵝，認為天鵝都是白色的，直到澳州發現黑天鵝才推翻這一結論。
　　C．過去人們一直在物理上絕對相信「以太」的存在，直到愛因斯但相對論提出後，才推翻「以太」存在說。

　　D．一個識字的人出於對他所讀不懂的書的神秘感，而認為「所有的書都是好的」。當然這個結論是不成立的。
　　E．甲地有一座金礦，綜合考察乙地的各項地理條件類似甲地而認為乙地也有金礦，實際開採發覺這個結論是錯誤的。
答案B，我選E 。

問題不單單是得出了錯的答案，而在於邏輯題目考的是什麼？
題干可以歸納出：火雞犯了以偏概全的錯誤。
天鵝固然是

可是難道E選項中的金礦不是嗎？以地理條件為唯一尺度。
因為我是非邏輯專業的學生，語感有不好。所以請問下，如果是邏輯專業的學生，這道題如何解答。

這裡考察的邏輯就是「歸納」，看到很多天「主人九點餵食」，推斷每天「主人九點餵食」看到很多隻「天鵝是白的」，推斷每隻「天鵝是白的」，即你看到了P事件發生很多次，於是你推斷P每次都會發生，非P一定不會發生。

E只看到了一個的金礦的例子，就要推斷這種類似條件是類似情況，最多只能叫類比，歸納要求觀測足夠多的事實，才可以下結論。

AC都不是純粹的歸納，以太和地球運動情況都是無法直接觀測的，必須在歸納的結論的基礎上再進行「演繹推理」才能得到。

D不用解釋了吧，根本就是一個錯誤假設的情況。

其實很簡單，主要是樣本數的問題。

原題中，火雞是由聖誕節之前無數天，推出了一個它認為普適的結論，但被聖誕節發生的事所推翻。

B選項，人類是由「澳州發現黑天鵝」之前，觀察了無數的天鵝，也得出了人類自認為通用的結論，但最終被澳洲的黑天鵝推翻。

這兩個都是統計意義上的歸納，具有在一定範圍內的可靠性。

而E呢，只是因為甲地有一座金礦，乙地的各項地理條件類似甲地，認為乙地也有金礦。這是由個體到個體的推斷，而我們通常不將單一樣本的歸納看作是一種有效意義的統計行為。

如果改為A、B、C三地都有一座金礦，D地的各項地理條件類似於A、B、C三地，認為D地有金礦，那麼就和火雞的例子類似了。

火雞故事的問題在於，火雞科學家採用了一種非常穩健安全的歸納方式，但是依然得到了一個錯誤的結論。

對於人類來說，這就相當於是忽然觀察到這樣的情況：牛頓力學忽然就錯了，並且不是因為相對論和量子力學所描述的那種極端的情況出錯，而是牛頓力學在普通宏觀微速的情況下錯了，我們無法預測任何物體的軌跡，所有物體都不停地隨機閃爍出現，自己也不知道自己身在何方，一段時間之後，自己的每個身體部分也隨機閃爍出現在別的地方，先是手腳，然後是內臟，最後自己也就這樣不明不白地死了……很荒謬？的確很荒謬，但是這有什麼不可能呢？如果人類僅僅是高級生物飼養的一群寵物，他們制定了我們這個宇宙的局部區域的規則，並且可以任意改動這些規則，這有什麼不可能的呢？

羅素的火雞問題，並不是想說明一個草率的歸納或者一個簡單的類比是不成立的，他想說明的是，一個非常嚴謹的歸納，即便我們考察了幾乎所有情況下這條規律是否成立，都沒有找到反例，這條規律也有可能不成立。這並不是以偏概全的問題，而是歸納推理的不必然性問題。

我不是專業人士只是說說我的看法。火雞科學家在它的能力範圍內沒有犯錯。我們的研究不就也和火雞科學家一樣嘛？我們觀察總結然後驗證再觀察再總結再驗證。這是個循環持續改正的結果，這個循環的次數越多越容易接近真實。我們通過萬年無數的循環才有今天的成果。在題主給的題目中，火雞科學家用它的一生來驗證它的結論，在它死前它證明了它的結論不完美。它並沒有以偏概全，因為它一輩子的絕大多數的數據是支持它的結論。但是錯了一次就表明它的結論不完善。什麼是以偏概全，以偏概全是在你能夠獲得的數據中你只選擇了個例來得出一個普遍性的錯誤結論。而火雞科學家恰恰相反它尊重科學，它用大量數據來檢驗它的結論。

它恰恰反應出數據的層次性。