MOLWICK

Modelo Global de simulación estadística de CI

La simulación confirmará los resultados previos sobre el carácter innato de la inteligencia, pero necesita ajustar el Modelo Social con desviaciones aleatorias para hacer más realistas los valores de cocientes inteligencia artificiales.

Portada del libro El Estudio EDI. Anochecer sobre el mar con nubes, Galicia.

 

EVOLUCIÓN Y DISEÑO DE LA INTELIGENCIA

EL ESTUDIO EDI

Autor: José Tiberius

 

 

6. Modelos de simulación estadística: Modelo Global

6.a) Simulación estadística de la evolución de la inteligencia

  • ¡Valores reales y valores observados!

El Modelo Social o Modelo Individual reformulado nos ha servido para determinar que el gen significativo o información genética de la inteligencia es el de menor potencial. Ahora bien, si el modelo genérico propuesto por la Teoría de la Evolución Condicionada de la Vida (ECV) es correcto deberíamos poder realizar modelos de simulación estadística de procesos de herencia biológica capaz de crear una variable artificial W de coeficientes de inteligencia que se comportase como los datos estadísticos observados en el estudio longitudinal.

La segunda gran sorpresa, para mí, fue el fracaso del modelo de la inteligencia de grupos simplificado para conseguir este objetivo de simulación estadística de los procesos y mecanismos de herencia biológica.

MODELOS DE SIMULACIÓN ESTADÍSTICA DE CI
Cocientes de inteligencia artificiales
Gráficas Tema Observaciones
q150 ICMW Muy alto
q160 ICMW Similar a ICMG
 

La introducción de la evolución en el sentido aportado por la Teoría de la Evolución Condicionada de la Vida y de la capacidad de generar variables cuantitativas con perturbaciones que las acerquen a las variables reales nos define un nuevo modelo de simulación estadística que llamaré Modelo Global para facilitar las referencias al mismo y el propio razonamiento.

Evolución de la inteligencia Modelo complejo y desviaciones aleatorias
Esquema complejo del método LoVeInf después de incluir las posibles deviaciones aleatorias de los valores observados.

El resultado típico de la variable generada W se puede observar en la gráfica q150 Teniendo en cuenta que W tiene componentes aleatorios (generados con números aleatorios), la gráfica representa la media de 10 estimaciones para las correlaciones correspondientes del modelo de simulación estadística de CI.

La correlación de la variable de coeficientes artificiales de inteligencia W está muy por encima de las variables naturales, el índice de correlación multidimensional (ICM), que se ha multiplicado por 3 a efectos comparativos, es superior a 25.

Por ello vamos a introducir en el Modelo Global de simulación estadística las desviaciones aleatorias en la expresión y medición de la inteligencia y otras variables que intervienen en la evolución de la inteligencia y que habíamos eliminado por simplicidad en los Modelos Individual y Social.

Como sabemos, las diferencias en los valores correspondientes a las mediciones del cociente de inteligencia de las mismas personas pueden ser muy grandes. Sin duda existen desviaciones debidas a la diferente expresión de la capacidad en cada momento, y con mayor motivo, en años diferentes.

Otro factor que provoca o puede provocar el mismo tipo de desviaciones es el test particular utilizado e incluso cada prueba específica dentro de un test de inteligencia estándar.

Consecuentemente, podemos introducir en los algoritmos genéticos de los modelos de simulación estadística un factor adicional de aleatoriedad por estas causas, para mejorar la simulación de los procesos reales. Aunque las diferencias observadas son superiores al 10% respecto de la media en algunos casos, introduciré con la ayuda de números aleatorios una desviación media de un 3% hacia arriba y un 3% hacia abajo.

Por la misma razón que he introducido elementos de error en las variables H de los hijos, se debe poner un mismo patrón de error en las variables M de madres y P de padres al realizar los modelos de simulación estadística de los procesos en un enfoque a la familia por la herencia genética de los genes masculinos y femeninos.

Sin embargo, la correlación de la variable objeto de simulación estadística en el Modelo Global no baja de forma importante.

 
 

6.b) Complejidad de la simulación estadística con los algoritmos de optimización

Es necesario introducir más elementos para que los modelos de simulación estadística de la evolución de la inteligencia sean aceptables. Sin embargo, empieza a aparecer unos niveles de complejidad elevados en los algoritmos de optimización estadística y el objetivo no es fácil, puesto que debe bajar la correlación en los grupos sin ordenar, sobre todo en los grupos pequeños. Al mismo tiempo, en los grupos ordenados se debe bajar la correlación en los grupos pequeños y mantenerla en los grandes.

6.b.1. Afinidad genética

Lo primero que habrá que intentar es eliminar las simplificaciones realizadas en la argumentación teórica del modelo de evolución de la inteligencia en la Teoría General de la Evolución Condicionada de la Vida.

A este respecto, se puede incluir en los algoritmos del modelo de simulación estadística de evolución de la inteligencia el interesante efecto filtro sobre la afinidad genética de los progenitores que menciona la citada teoría en cuanto a que el potencial resultante de la combinación genética será igual a la intersección de los potenciales y no al potencial del menor gen o cromosoma.

Por supuesto la disminución debida a la falta de afinidad genética seguramente no será fija en todos los casos y por lo tanto la trataremos en la simulación de los procesos como una variable estadística aleatoria, es decir, crearemos con números aleatorios otro margen de un 3% en más o menos por el posible efecto arrastrado de los progenitores.

Después de tener en cuenta el efecto filtro o afinidad genética, la correlación ha vuelto a bajar, pero no mucho. Por su parte, la complejidad de los algoritmos de optimización en los modelos de simulación estadística de la evolución de la inteligencia va aumentando.