解决提议
解决它和直觉的冲突，哲学家们提出了一些方法。美国逻辑学家纳尔逊·古德曼（Nelson Goodman）建议对我们的
推理添加一些限制，比如永远不要考虑支持论断“所有P满足Q”且同时也支持“没有P满足Q”的实例。
其他一些哲学家质疑“等价原理”。也许红苹果能够增加我们对论断“所有不是黑的东西不是乌鸦”的信任度，而不增加我们对“所有乌鸦都是黑色的”信任。这个提议受到质疑，因为你不能对等价的两个命题有不同的信任度，如果你知道他们都是真的或都是假的。
古德曼，以及其后的威拉德·冯·奥曼·蒯因，使用术语“projectible predicate”来描述这些类似于“乌鸦”和“黑色”的命题, 所有这类命题是支持归纳推理法的；而“非projectible predicate”则为与只相反的后者,如“非黑”和“非乌鸦”这些命题并不支持归纳推理法。蒯因还提出一个需要证实的猜想：如果任何命题是projectible的；在无限物件组成的全集中，一个projectible的命题的补集永远是非projectible的。
这样一来，虽然“所有乌鸦都是黑的”和“所有不是黑的东西都不是乌鸦”这两个命题所拥有的信任度必须相等，但只有“黑色的乌鸦”才能同时增加两者的信任度，而“非黑色的非乌鸦”并不增加任何一个命题的信任度。
还有些哲学家认为其实这个命题是完全正确的，出错的是我们自己的逻辑。其实观察到一个红色的苹果确实会增加乌鸦都是黑色的可能性！这就相当于：如果有人把宇宙中所有不是黑的物体都给你看，而你发现所有的物体都不是乌鸦，那你就完全可以断定所有乌鸦都是黑的了。这个“悖论”看上去荒谬只是因为宇宙中“不是黑的”物体远远多于“乌鸦”，所以发现一个“不是黑的”物体只增加了极其微小的对于“乌鸦都是黑的”的信任度，而相对而言，每发现一只黑的乌鸦就是一个有力的证据了。
贝叶斯定理
除了以上的陈述以外，「归纳法原理」还有另一种形式，就是贝叶斯推理。
设X为支持论断T的一个实例,而I表示我们所有的已知信息。
T成立的几率，已知X和I都是成立的，可以推得
这里Pr(T|I)表示在只有I是已知成立的情况下，T成立的几率；Pr(X|TI)表示在T和I都已知成立的情况下，X成立的几率；而Pr(X|I)表示在只有I是已知成立的情况下，X成立的几率.
应用实例
利用这个原理，这个悖论就不会出现了。如果有人随机选一个苹果，那么他看到一个红苹果的几率和「乌鸦」的颜色是完全没有关系的。这时分子等于分母，所以分数等于1，所以以上讨论的几率不会改变。所以看见一只红色的苹果不会增加人们对「乌鸦都是黑色的」的信任度。
而如果那人是随叫随到选择一个非黑的物件，那个物件正好是一个红的苹果，那么我们对得到一个分子大于分母的，几乎等于一的假分数。所以在这个情况下，看见一只红苹果确实会极微小地增加我们对「乌鸦都是黑色的」的信任度。
其实，随着一个人看到的不是黑色的东西的增加（并发现其中没有乌鸦），「乌鸦都是黑色的」的几率会趋向于1。
解决方法
解决亨佩尔乌鸦悖论的方案可分为四类:甲,否认或修改尼科德判据;乙,否认换质位定律;丙,否认或修改等值条件;丁,认为尼科德判据中的"验证"与等值条件中的"验证"不是同一个概念。目前学界所提出的各类解决乌鸦悖论的方案绝大多数属于甲类,其中贝叶斯型方案被认为是最成功的一类。但即使是贝叶斯型方案,也存在严重问题;否认换质位定律又违犯逻辑,丁类方案也不可取。但是,逻辑等值的命题可以不是同一个命题,所以支持等值条件的亨佩尔论证是错误的。
