Hãy nhớ lại vấn đề của con gà tây. Bạn nhìn vào quá khứ và rút ra một quy tắc nào đó về tương lai. Đúng vậy, những rắc rối của việc dự đoán truy hồi quá khứ có thể còn tồi tệ hơn những gì chúng ta đã học, bởi chính dữ liệu quá khứ đó có thể khẳng định một lý thuyết và điều trái ngược với lý thuyết đó! Nếu sống sót đến sáng mai, có thể là a) bạn có nhiều khả năng bất tử hoặc b) bạn càng đến gần cái chết hơn. Cả hai kết luận này đều dựa trên cùng một dữ liệu. Nếu là con gà tây đang được chăm sóc trong một thời gian dài, bạn có thể hoặc ngây thơ tin rằng việc chăm sóc đó khẳng định được sự an toàn của bạn hoặc cho rằng điều đó khẳng định nguy hiểm của việc bị biến thành bữa tối. Hành vi tâng bốc giả dối trước đây của một người quen có thể khẳng định tình cảm thật sự mà anh ta dành cho tôi và sự quan tâm của anh ta đối với lợi ích của tôi; nó cũng có thể khẳng định đức tính vụ lợi và tính toán của anh ta nhằm mục đích đoạt lấy công việc làm ăn của tôi vào một ngày nào đó.
Vì thế, không đủ có quá khứ có thể sai đường, mà còn có nhiều mức độ tự do trong cách chúng ta diễn giải về các sự kiện quá khứ.
Đối với phiên bản kỹ thuật của ý tưởng này, hãy xem xét một chuỗi các chấm tròn trên trang đại diện cho một con số theo thời gian - biểu đồ đó giống với Minh họa 1 về 1000 ngày đầu tiên ở Chương 4. Ví dụ, giáo viên trung học yêu cầu bạn mở rộng chuỗi chấm tròn đó. Với một mô hình tuyến tính, tức là sử dụng một thước đo, bạn chỉ có thể chạy được một đường thẳng, chỉ một đường thẳng từ quá khứ đến tương lai. Mô hình tuyến tính này là duy nhất. Chỉ có duy nhất một đường thẳng có thể vẽ từ một chuỗi các điểm. Nhưng bạn cần phải khéo léo hơn. Nếu không giới hạn mình trong một đường thẳng, bạn sẽ thấy rằng sẽ có một tập hợp lớn các đường cong - những đường cong có thể thực hiện việc kết nối các chấm tròn đó. Nếu vẽ từ quá khứ theo một đường thẳng, bạn tiếp tục được một xu hướng. Nhưng có thể sẽ xảy xa vô số độ lệch trong tương lai so với tiến trình của quá khứ.
Đây là những gì mà nhà triết học Nelson Goodman gọi là lối quy nạp: Chúng ta vẽ ra một đường thẳng bởi trong đầu chúng ta chỉ có mô hình thẳng - việc một con số đã tăng lên trong suốt 1000 ngày liền sẽ khiến bạn tin rằng nó sẽ còn tiếp tục tăng lên. Nhưng nếu bạn nghĩ đến một mô hình phi tuyến tính, khi đó có thể khẳng định rằng con số này phải giảm xuống vào ngày 1.001.
Ví dụ, bạn quan sát một viên lục ngọc. Hôm qua và hôm kia nó đều có màu xanh lục. Hôm nay nó cũng màu xanh lục. Và điều này sẽ giúp khẳng định thuộc tính “xanh lục” của nó chúng ta có thể cho rằng viên lục ngọc đó sẽ vẫn có màu xanh lục vào ngày mai. Nhưng đối với Goodman, lịch sử về màu sắc của viên lục ngọc đó cũng có thể khẳng định thuộc tính “grue” của nó. Vậy thuộc tính grue là gì? Thuộc tính grue của viên lục ngọc phải là xanh lục cho đến một ngày cụ thể nào đó, ví dụ ngày 31/12/2006, nó trở thành xanh dương và từ đó về sau sẽ mãi là xanh dương.
Lối quy nạp khó hiểu này là một phiên bản khác của lối liên tưởng ngụy biện - bạn đối mặt với vô số “câu chuyện” giải thích cho những điều mình đã nhìn thấy. Sự sắc bén trong lối quy nạp của Goodman là nếu không còn cách nào để “khái quát hóa” những điều mình nhìn thấy, để suy ra từ những điều không biết, bạn sẽ vận hành bằng cách nào? Rõ ràng, câu trả lời là bạn nên vận dụng “lý lẽ thông thường”, nhưng lý lẽ thông thường của bạn có thể không được phát triển tốt đối với các biến số Extremistan.
