6. Modelli di simulazione statistica: Modello Globale

6.a) Simulazione statistica dell'evoluzione dell'intelligenza

  • Valori reali e valori osservati!

Il Modello Sociale o Modello Individuale riformulato ci è servito per determinare che il gene significativo o informazione genetica dell’intelligenza è quello di potenziale minore.  Dunque, se il modello generico proposto dalla Teoria dell’Evoluzione Condizionata della Vita (TGECV) è corretto, dovremmo poter eseguire modelli di simulazione statistica di processi di trasmissione biologica ereditaria in grado di creare una variabile artificiale W di coefficienti intellettuali che si comporti come i dati statistici osservati nello studio longitudinale.

Modelli di simulazione statistica del QI
Quozienti d'intelligenza artificiali
Grafici Soggetto Commenti
q350 ICMW Molto alta
q360 ICMW Simil un ICMG

La seconda grande sorpresa è stata per me il fracasso del modello dell'intelligenza sociale semplificato per raggiungere questo obiettivo di simulazione statistica dei processi e dei meccanismi di ereditarietà biologica.

L’introduzione dell’evoluzione nel senso apportato dalla Teoria dell’Evoluzione Condizionata della Vita e della capacità di generare variabili quantitative con perturbazioni che le avvicinano alle variabili reali, definisce un nuovo modello di simulazione statistica, che chiamerò Modello Globale, per facilitare i riferimenti allo stesso ed il ragionamento.

Il risultato tipico della variabile generata W è osservabile nel grafico q150. Considerando che W ha componenti aleatori (generati con numeri aleatori), il grafico rappresenta la media di 10 stime per le correlazioni corrispondenti del modello della simulazione statistica di QI.

La correlazione della variabile di coefficienti artificiali d'intelligenza W è superiore di molto alle variabili naturali, l'indice di correlazione multidimensionale (ICM), che è stato moltiplicato per 3 a fini comparativi, è superiore a 25.

Evoluzione dell’intelligenza Modello complesso e deviazioni aleatorie
Evoluzione dell’intelligenza con il metodo VIG

Per questo introdurremo nel modello Globale di simulazione statistica le deviazioni aleatorie nell’espressione e nella misurazione dell’intelligenza, come pure altre variabili che intervengono nell’evoluzione dell’intelligenza e che avevamo eliminato per semplicità nei due modelli, quello Individuale e quello Sociale.

Come sappiamo, le differenze nei valori corrispondenti alle misurazioni del quoziente d'intelligenza delle stesse persone possono essere molto grandi. Esistono comunque deviazioni dovute alla diversa espressione della capacità in ogni momento, ed a maggior ragione, in anni diversi.

Un ulteriore fattore che provoca o può provocare lo stesso tipo di deviazioni è il test particolare utilizzato e persino ogni prova specifica all'interno di un test di intelligenza standard.

Possiamo di conseguenza introdurre negli algoritmi genetici dei modelli di simulazione statistica un fattore addizionale di aleatorietà per queste cause, allo scopo di migliorare la simulazione dei processi reali. Sebbene le differenze osservate siano superiori al 10% rispetto alla media in alcuni casi, introdurrò, con l’ausilio di numeri aleatori, una deviazione media di un 3% verso l’alto e di un 3% verso il basso.

Per la stessa ragione per cui ho introdotto elementi d’errore nelle variabili F dei figli, occorre impiegare lo stesso modello d’errore nelle variabili M delle madri e P dei padri nell’effettuare i modelli di simulazione statistica dei processi orientati alla famiglia per l’ereditarietà genetica dei geni maschili e femminili.

Tuttavia, la correlazione della variabile statistica oggetto della simulazione nel Modello Globale non si riduce sensibilmente.

 
 

6.b) Complessità della simulazione statistica con algoritmi d'ottimizzazione

Bisogna introdurre più elementi affinché i modelli di simulazione statistica dell'evoluzione dell'intelligenza siano accettabili. Cominciano, però, ad apparire livelli di complessità elevati negli algoritmi d'ottimizzazione statistica e l'obiettivo non è facile da raggiungere, poiché deve diminuire la correlazione nei gruppi non ordinati, soprattutto nei gruppi piccoli. Allo stesso tempo, nei gruppi ordinati si deve abbassare la correlazione nei gruppi piccoli e mantenerla in quelli grandi.

6.b.1. Affinità genetica

Occorre prima di tutto cercare di eliminare le semplificazioni effettuate nel ragionamento teorico del modello d'evoluzione dell'intelligenza nella Teoria Generale dell'Evoluzione Condizionata della Vita.

A tal fine, si può includere negli algoritmi del modello di simulazione statistica d'evoluzione dell'intelligenza l'interessante effetto filtro sull'affinità genetica dei genitori citato dalla stessa teoria, detto altrimenti il potenziale risultante dalla combinazione genetica sarà uguale all'intersezione dei potenziali e non al potenziale del gene minore o cromosoma.

Ovviamente la diminuzione dovuta alla mancanza di affinità genetica non sarà probabilmente fissa in tutti i casi e quindi verrà trattata nella simulazione dei processi come una variabile statistica aleatoria, creeremo cioè, con numeri aleatori, un altro margine di un 3% in più o meno per il possibile effetto indotto dai genitori.

Dopo aver considerato l’effetto filtro o affinità genetica, la correlazione è diminuita nuovamente, ma non di molto. Da parte sua, la complessità degli algoritmi d’ottimizzazione nei modelli di simulazione statistica dell’evoluzione dell’intelligenza aumenta un po’ per volta.