Erblichkeit: wie lokal anpassungsfähig ein Merkmal auf genetische Eingriffe reagiert. Plastizität: wie lokal anpassungsfähig ein Merkmal auf Umweltinterventionen reagiert. Züchter und Gentechniker sollten sich um Erblichkeit kümmern. Pädagogen und Trainer sollten sich um Plastizität kümmern.

Die Erblichkeit wird unter der Annahme einer konstanten Umgebung geschätzt, während die Plastizität das Gegenteil annimmt. Beide Annahmen sind natürlich falsch: Die Umgebung ist nicht konstant und die Population ebenfalls nicht. Aber lokale Schätzungen funktionieren größtenteils.

Eine hohe Erblichkeit für ein bestimmtes Merkmal impliziert nicht eine niedrige Plastizität und umgekehrt. Beide beziehen sich darauf, wie empfindlich ein Merkmal auf (bekannte) Interventionen reagiert. Die Haarfarbe im Erwachsenenalter ist sehr empfindlich gegenüber Veränderungen in der Genetik und der Umwelt, während die Anzahl der Köpfe unempfindlich gegenüber beiden ist.

Schätzungen der Erblichkeit sind auch relativ zur genetischen Varianz, die tatsächlich in der Population existiert, sowie zur Plastizität gegenüber der Umweltvarianz, die tatsächlich existiert. Uns interessiert das eigentlich nicht so sehr. Was uns tatsächlich interessiert, ist etwas, das ich anderswo nicht definiert gesehen habe, obwohl es die Leute ständig implizit verwenden: die geschätzte kontrafaktische Erblichkeit und Plastizität unter bekannten Interventionen und unter plausibel entdeckbaren Interventionen.

Wie normalerweise definiert, verwenden Erblichkeit und Plastizität nicht Pearls do-Kalkül. Sie sagen dir nicht, was du unter Intervention erwarten kannst, sondern nur, was du aus Beobachtungen vorhersagen kannst. Was wir tatsächlich wollen, ist etwas, das wir erwartete Erblichkeit/Plastizität nennen könnten.

Aktive Inferenz macht eine ähnliche Unterscheidung zwischen der Minimierung der variationalen freien Energie und der Minimierung der erwarteten freien Energie. Sehr grob gesagt berücksichtigt die erwartete freie Energie Mehrdeutigkeit (unbekannte Unbekannte). Was ist, wenn Ihr Interventionsset oder Ihre Metriken falsch sind?

Mit perfekter Information und unbegrenzter Rechenleistung sind diese gleich. Wenn Ihr Modell korrekt und vollständig ist, können Sie einfach zur Antwort gelangen. Aber wenn die Dinge mehrdeutig sind… müssen Sie abwägen, ob Sie eingreifen, um mehr über das Eingreifen zu lernen, oder aus pragmatischen Gründen eingreifen.

Wenn Sie alle Interventionen für Einzelpersonen testen, werden Sie die Gruppe von Eigenschaften finden, die größtenteils sozial unabhängig sind. Wenn es eine Eigenschaft gibt, bei der soziale Normen wichtig sind, wird sie für Sie unsichtbar sein. Keine Anzahl solcher RCTs wird sie jemals finden. Wenn Sie dann die Tatsache nutzen, dass alle experimentell verifizierten Interventionen, die funktionieren, Einzelinterventionen sind, um zu priorisieren, welche Experimente durchgeführt werden sollen... schließt sich die Falle.

Die Lösung ist Demut. Die Ergebnisse sowohl generischer als auch umweltbezogener Interventionen sind unglaublich komplex und schwer vorherzusagen. Wir wissen einige Dinge, aber die Grenzen unseres Wissens sind sehr real. Definitive Aussagen darüber, was möglich ist oder nicht, sind unklug.

Indem wir offen bleiben, mehr zu lernen, geben wir uns die Möglichkeit, diese kleine Note der Neugier, des Missmuts, zu bemerken, die zu echtem Lernen führen könnte. Und angesichts der Bedeutung des Themas und unserer nachweislich begrenzten Fähigkeiten heute ist eine solche Demut erforderlich.