祖母绿的变色特性
不但过去是有误导性的，而且我们对过去事件的解释也存在很大的自由度。
回忆一下火鸡问题。你观察过去，然后得出关于未来的规律。根据过去预测未来的问题可能比我们已经讨论的问题还要严重，因为相同的过去的数据既可以证明一个理论，又可以同时证明完全相反的理论！如果你明天还活着，这可能意味着你更可能长生不老，或者你更接近死亡。两个结论依赖于完全相同的数据。如果你是一只被喂养了很长时间的火鸡，你可以要么天真地以为喂食证明你是安全的，或者聪明地知道它证明了你最后成为晚餐的危险。一个熟人过去对我的殷勤可能表明他真的喜欢我，并且他关心我是否愉快，也可能表明他企图有一天抢走我的饭碗。
所以，不但过去是有误导性的，而且我们对过去事件的解释也存在很大的自由度。
为了从技术层面证实这一点，在纸上画出一系列代表时间序列的点，就像第四章中显示前1 000天情况的图4–1。假设你的高中老师让你延长这些点的序列。用线性模型，也就是用直尺，你只能画出一条直线，从过去到未来的一条单一直线。线性模型是唯一的，从一系列点中有且只有一条直线穿过，但情况可能更微妙。如果你不将自己限制在直线中，你会发现许多曲线都能把这些点连起来。如果你用线性方式解释过去，你只能朝一个趋势继续，但未来对过去的偏离有无数种可能。
一系列似乎处于增长的菌群数量（或者销售量，或者任何在一段时间内观察的变量，比如第四章火鸡喂食的总次数）。
图11–3
很容易确定趋势，有且只有一个线性模型不符合数据。你能够预测未来的连续变化。
图11–4
从更大的范围看，嘿，别的模型也可以。
图11–5
真正的“产生过程”非常简单，但与线性模型完全无关！有些部分看起来是线性的，于是我们被线性模型愚弄了。
图11–6
这就是哲学家纳尔逊·古德曼（Nelson Goodman）所说的归纳之谜：我们画出一条直线，只是因为我们手边有一把直尺；一个数字在过去1 000天都在增长，使你更相信它会继续增长。但如果你头脑中有非线性模型，它可能意味着数字会在第1 001天下降。
假设你观察一颗祖母绿。它在昨天和前天都是绿色的，今天也是绿色的，通常这会证明它的“绿色”特性：我们能够假设这颗祖母绿在明天是绿色的。但对戈德曼来讲，祖母绿过去的颜色同样能够证明它的变色特性。什么是变色特性？祖母绿的变色特性就是到某个特定的日子之前，比如2006年12月31日之前，一直是绿色，之后是蓝色。
归纳之谜是叙述谬误的另一个版本——对于你所看到的东西存在无穷种“解释”。戈德曼的归纳之谜的重要之处在于：如果不存在对所看到事物的唯一“一般化”解释，无法对未知进行唯一的推断，那么你该怎么做？显然，回答是你应该使用“正常思维”，但你的正常思维对于某些极端斯坦的变量来说可能发展得不太好。