MOLWICK

Simulação estatística da evolução da inteligência

A simulação no Estudo EDI confirmará os resultados anteriores sobre a natureza inata da inteligência, mas precisa ajustar o Modelo Social com desvios aleatórios para tornar os valores do quociente de inteligência artificial mais realistas.

Capa do livro O Estudo EDI. Crepúsculo sobre o mar com nuvens, Galiza.

 

EVOLUÇÃO E DESENHO DA INTELIGÊNCIA

O ESTUDO EDI

Autor: José Tiberius

 

 

6. Modelos de simulação estatística: Modelo Global

6.a) Simulação estatística da evolução da inteligência

  • Valores reais e valores observados!

O Modelo Social ou Modelo Individual devidamente reformulado serviu-nos para determinar que o gene significativo ou informação genética da inteligência é o de menor potencial. Agora, se o modelo genérico proposto pela Teoria da Evolução Condicionada da Vida (ECV) está correto deveríamos poder realizar modelos de simulação estatística de processos de herança biológica capaz de criar uma variável artificial W de coeficientes de inteligência que se comportasse como os dados estatísticos observados no estudo longitudinal.

A segunda grande surpresa, para mi, foi o fracasso do modelo da inteligência social simplificado para conseguir este objetivo de simulação estatística dos processos e mecanismos de herança biológica.

Modelos de simulação estatística de QI
Quocientes de inteligência artificiais
Gráficos Tema Observações
q550 ICMW Muito grande
q560 ICMW Semelhante a ICMG
 

A introdução da evolução no sentido apontado pela Teoria da Evolução Condicionada da Vida e da capacidade de gerar variáveis quantitativas com perturbações que as aproximem às variáveis reais define-nos um novo modelo de simulação estatística que chamarei Modelo Global para facilitar as referencias ao mesmo no próprio raciocínio.

Evolução da inteligência Modelo complexo e desvios aleatórios
Esquema complexo do método LoVeInf após incluir possíveis desvios aleatórios dos valores observados.

O resultado típico da variável gerada W pode observar-se no gráfico Sim.des.ori.1. Tendo em conta que W tem componentes aleatórias, o gráfico representa a média de 10 estimativas para as correlações correspondentes do modelo da simulação estatística de QI.

A correlação da variável de coeficientes artificiais de inteligência W está muito acima das variáveis naturais, o índice de correlação multidimensional (ICM) multiplicou-se por 3 para efeitos comparativos, é superior a 25.

Por isso vamos introduzir no modelo Global de simulação estatística os desvios aleatórios na expressão e medição da inteligência e outras variáveis que interveem na evolução da inteligência e que tínhamos eliminado por simplicidade nos modelos Individual e Social.

Como sabemos, as diferenças nos valores correspondentes às medições do quociente de inteligência das mesmas pessoas podem ser muito grandes. Sem dúvida existem desvios devidos à diferente expressão da capacidade em cada momento, e com maior motivo, em anos diferentes.

Outro fator que provoca ou pode provocar o mesmo tipo de desvios é o teste particular utilizado e inclusivamente cada prova específica dentro de um teste de inteligência standard.

Consequentemente, podemos introduzir nos algoritmos genéticos dos modelos da simulação estatística um fator adicional de aleatoriedade por estas causas, para melhoras a simulação dos processos reais. Ainda que as diferenças observadas sejam superiores a 10% em relação à média nalguns casos, introduzirei com a ajuda de números aleatórios um desvio médio de 3% para cima e de 3% para baixo.

Pela mesma razão que introduzi elementos de erro nas variáveis H dos filhos, deve colocar-se um mesmo padrão de erro nas variáveis M de mães e P de pais a realizar os modelos de simulação estatística dos processos numa abordagem à família pela herança genética dos genes masculinos e femininos.

Contudo, a correlação da variável estatística objeto de simulação no Modelo Global não desce de forma importante.

 
 

6.b) Complexidade da simulação estatística com algoritmos de otimização

É necessário introduzir mais elementos para que os modelos de simulação estatística da evolução da inteligência sejam aceitáveis. Contudo, começam a aparecer uns níveis de complexidade elevados nos algoritmos de otimização estatística e o objetivo não é fácil, visto que deve baixar a correlação nos grupos sem ordenar, sobretudo nos grupos pequenos. Ao mesmo tempo, nos grupos ordenados deve baixar-se a correlação nos grupos pequenos e mantê-la nos grandes.

6.b.1. Afinidade genética

A primeira coisa que teremos que tentar é eliminar as simplificações realizadas na argumentação teórica do modelo de evolução da Teoria Geral da Evolução Condicionada da Vida.

Em relação a isto, pode incluir-se nos algoritmos do modelo de simulação estatística de evolução da inteligência o interessante efeito filtro sobre a afinidade genética dos progenitores que menciona a citada teoria tendo em conta que o potencial resultante da combinação genética será igual à interseção dos potenciais e não ao potencial do menor gene ou cromossoma.

Claro que a diminuição devida à falta de afinidade genética seguramente não será fixa em todos os casos e, portanto, será tratada na simulação dos processos como uma variável estatística aleatória, ou seja, criaremos com números aleatórios outra margem de 3% em mais ou menos pelo possível efeito arrastado dos progenitores.

Depois de ter em conta o efeito filtro ou afinidade genética, a correlação voltou a baixar, mas não muito. Por seu lado, a complexidade dos algoritmos de otimização nos modelos de simulação estatística da evolução da inteligência vai aumentando.