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 (TGECV) está correto deveríamos poder realizar uma 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.

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 que chamarei Modelo Global para facilitar as referencias ao mesmo no próprio raciocínio.

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 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.

DESENVOLVIMENTO
QUOCIENTES DE INTELIGÊNCIA ARTIFICIAIS  

Gráficos	Tema	Observações
q550	ICMW	Muito grande
q560	ICMW	Ssemelhante a ICMG

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 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 a 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 da simulação estatística da evolução da inteligência vai aumentando.

6.b.2. Análise de sensibilidade – O Modelo Globus 

Um dos objetivos do Estudo EDI era experimentar o modo de operar da natureza na transmissão da informação genética da inteligência. Sinceramente, não pensava que o modelo estatístico pudesse ter tanta sensibilidade, mas enganei-me e, a meu ver, confirma abertamente as previsões da TGECV.

Uma das simplificações realizadas refere-se ao modelo teórico da Teoria Geral da Evolução Condicionada da Vida, e este indica-nos que existe evolução, que efetivamente o meio ambiente influencia, mas de uma forma mais geral, ou seja, a capacidade aumenta ao longo da vida e transmite-se à descendência.

Também temos a possibilidade de introduzir elementos assimétricos nos algoritmos da simulação estatística de forma a que nos ajude a alcançar o nosso objetivo. Podemos distinguir entre evolução interna e evolução externa. A evolução interna só se produzirá nos genes masculinos que são os que se renovam constantemente na natureza. Lamento, mas a TGECV, em consonância com o que a mim me ensinaram quando era pequeno, recorda que os óvulos estão fixos desde idades muito prematuras das meninas, pelo que parece complicado que os genes femininos possam incorporar muitas modificações.

Além disso, segundo o referido modelo, pode-se distinguir entre evolução interna direta e indireta; na primeira, o potencial aumentará numa porcentagem sobre o seu mesmo valor enquanto que na segunda o incremento de potencial de um gene masculino se unirá com o potencial do correspondente gene feminino e vice-versa. Isto implicará uma assimetria adicional e fará baixar a correlação um pouco mais no modelo de simulação estatística do que se a variação é proporcional ao potencial do mesmo gene.

Agora, pode dizer-se que estamos a chegar a níveis de complexidade estatística muito elevados. Não obstante, convém recordar que a potencia dos computadores atuais simplifica enormemente a realização dos modelos de simulação estatística destes processos genéticos da evolução da inteligência.

Igualmente com os algoritmos de otimização provou-se um fator lógico de evolução interna mínima, tendo-se descartado posteriormente porque pioraria os ajustes obtidos.

Tendo em conta que os parâmetros de evolução interna afetarão a função objetivo R° e a variável quantitativa M1P1° de ordenação prévia da amostra, o efeito sobre as correlações de mudanças nestes parâmetros deveria indicar-nos a bondade das especificações e, mediante a análise de sensibilidade dos parâmetros, a sua magnitude ótima.

A todos estes mecanismos dos modelos de simulação estatística da evolução da inteligência que permitem a análise de sensibilidade é ao que eu chamo algoritmos de otimização. A sua complexidade deriva tanto das funções matemáticas necessárias para o seu tratamento estatístico como a grande acumulação de pequenos conceitos e inovações.

Noutro apartado já comentei que aproximadamente se terão calculado uns 500 milhões de coeficientes de correlação em todo o Estudo EDI sobre a evolução e desenho da inteligência.

MODELO GLOBUS
(Gráficos Modelo Global parametrizado)

AJUSTE DA EVOLUÇÃO INTERNA 

Parâmetros Evo. interna°		T1-d, X3 e X6 e critério de ordenaçãn M1P1°
		Função objetivo
Direta.	Indireta.	R°			M & P
Mães		Gráficos	ICMG	r² máx.	Gráficos	ICMG	r² máx.
5	5	q571°	14,14	0,72	q572°	14,46	0,72
3	3		14,21	0,82		14,81	0,82
1	1		13,49	0,80		13,89	0,80
Nula
0	0	q523	14,98	0,92	q524	16,07	0,92
Pais
1	1		14,06	0,83		16,10	0,87
2	3		14,79	0,87		16,10	0,87
3	3		15,33	0,84		16,47	0,84
4	4		15,09	0,84		16,73	0,84
5	5	q563°	15,61	0,89	q564°	17,77	0,89
6	6		14,30	0,95		16,74	0,95
7	7		13,25	0,83		15,56	0,83
°Os parâmetros da evolução interna afetam a função objetivo R e a ordem M1P1

A análise com variáveis originais não é tão conclusiva como a realizada com variáveis centradas, pois estas últimas geram resultados mais precisos.

O quadro mostra as variações dos resultados em função dos parâmetros de evolução. Em particular pode observar-se como o melhor ajuste se obtém para um valor de 5 para os parâmetros de evolução interna tanto direta como indireta. Convém sublinhar que a diferença nos ICMG é, a meu ver, suficientemente significativa.

Se se observam os gráficos correspondentes compreender-se-á facilmente esta afirmação com a preparação do modelo de quadros estatísticos para a análise de sensibilidade do modelo de evolução da inteligência aos parâmetros de evolução interna. Com as tabelas estatísticas, a complexidade dos algoritmos de otimização transforma-se numa imediata percepção visual das relações subjacentes no modelo.

Sobretudo há que reparar que a melhoria é mais clara para as variáveis estatísticas de médias de valores X3 e X6, visto que a T1-d piora um pouco em relação à Rº mas não em relação à M&P. É como se esta perdesse alguma coisa da sua personalidade ao recortar-lhe os picos.

A figura seguinte mostra os mesmos resultados do modelo de simulação estatística que o quadro Algoritmos de Otimização da evolução interna com a forma gráfica do modelo Globus

Dado o elevado grau de sensibilidade social que este aspecto pode ter e a complexidade técnica mencionada anteriormente, no modelo de simulação estatística da evolução comprovou-se se a suposição contrária funcionaria da mesma forma, por outras palavras, supondo que só as mulheres mudassem os genes. No mesmo quadro podem ver-se os resultados dos algoritmos de otimização; como era de esperar, os ajustes são inclusivamente piores do que com uma situação de evolução nula.

A TGECV, teoria subjacente a esta análise estatística, explica em detalhe a argumentação básica que, a meu ver, anula qualquer interpretação sexista dos resultados, dada a diferente função biológica do homem e da mulher.

É interessante examinar separadamente a variável X3 e depois a variável X6 que, sem dúvida, são muito mais claras e deveriam ser a mais próxima à realidade.

O pico que se observa para a evolução nula ou o que seria estatisticamente equivalente, que ambos sexos contribuíssem para a evolução interna na mesma percentagem, tem uma explicação realmente difícil do ponto de vista da genética. Mas estando a comentar a complexidade desses algoritmos de otimização, ocorre-me uma idéia algo aventurada, entre outras coisas, poderia tratar-se da possibilidade de que não todos os homens levem a cabo a melhoria dos genes por falta de confiança da natureza perante determinados indicadores, como por exemplo que existam poucas modificações.

Neste suposto caso, dada a sensibilidade do modelo de simulação estatística da evolução e das variáveis normalizadas, o primeiro desvio de um por cento desvirtuaria as correlações, enquanto que quando nos aproximamos ao valor ótimo, o efeito de uma percentagem correta de evolução interna superaria o anterior.

Em qualquer caso, o ponto ótimo de 5% de evolução interna direta e de outros 5% de indireta dos genes transmitidos pelos homens manifesta-se com bastante clareza.

A questão não é tão grave como pode parecer se se entende um pouco a TGECV, a diferenciação sexual significa diferenças, especialização, etc. As mulheres têm a importante e difícil tarefa do desenvolvimento inicial das crianças que implica uma especialização em tecnologia de materiais.

Para isso utiliza-se o parâmetro de evolução externa endógena nos algoritmos genéticos da simulação estatística, que inclui este efeito evolutivo gerado pelas mulheres; em concreto, poderia supor uma média de aumento de 5% com distribuição aleatória, ainda que a sua comprovação não possa efetuar-se por agora dado que a sua variação não afeta nem as funções objetivo nem os critérios de ordenação dos algoritmos de otimização.

Outra possibilidade lógica é que o aumento gerado pelos homens inclua também certas mudanças devidas à melhoria dos materiais disponíveis graças à melhoria na qualidade da sua construção quando estavam dentro das suas mães.

Por outro lado, é muito possível que os seus genes cumpram tanto a função de cópia de segurança como a de maximizar a garantia da viabilidade do novo ser. Caso contrário, a Natureza seria o primeiro com programador quando adquire certo grau de complexidade e trabalho acumulado.

De fato, este é o resultado mais espetacular sobre os parâmetros da evolução deste estudo. Eu diria que, se não se pode refutar, significaria mais ou menos que se tenha que aceitar a Teoria Geral da Evolução Condicionada da Vida (TGECV) e, pelo menos, na sua idéia principal da existência de uma evolução finalista e o abandono da teoria das mutações aleatórias e, conseguintemente, da seleção natural como principal mecanismo da evolução.

A complexidade dos algoritmos de otimização da evolução biológica da inteligência não deveria ser desculpa para não reconhecer a evidência estatística.