Argomenti di tendenza
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Ereditarietà: quanto un tratto è localmente reattivo agli interventi genetici.
Plasticità: quanto un tratto è localmente reattivo agli interventi ambientali.
I selezionatori e gli ingegneri genetici dovrebbero preoccuparsi dell'ereditarietà. Gli educatori e i formatori dovrebbero preoccuparsi della plasticità.
L'ereditarietà è stimata assumendo un ambiente costante, la plasticità assumendo il contrario. Entrambe le assunzioni sono ovviamente false: l'ambiente non è costante e nemmeno la popolazione. Ma le stime locali funzionano, per lo più.
L'alta ereditabilità di un dato tratto non implica bassa plasticità, o viceversa. Entrambi riguardano quanto un tratto sia sensibile a interventi (noti). Il colore dei capelli negli adulti è molto sensibile ai cambiamenti sia nella genetica che nell'ambiente, mentre il numero di teste è insensibile a entrambi.
Le stime dell'ereditarietà sono anche relative alla varianza genetica che esiste effettivamente nella popolazione, alla plasticità rispetto alla varianza ambientale che esiste realmente. Non ci interessa molto di entrambi. Ciò che ci interessa realmente è qualcosa che non ho visto definito altrove, anche se le persone lo usano implicitamente tutto il tempo: l'ereditarietà controfattuale stimata e la plasticità sotto interventi noti e sotto interventi plausibilmente scopribili.
Come normalmente definito, l'ereditarietà e la plasticità non utilizzano il do-calculus di Pearl. Non ti dicono cosa aspettarti sotto intervento, solo cosa prevedere dall'osservazione. Quello che vogliamo realmente è qualcosa che potremmo chiamare ereditarietà/plasticità attesa invece.
L'Inferenza Attiva fa una distinzione simile tra la minimizzazione dell'energia libera variazionale e la minimizzazione dell'energia libera attesa. Molto grossolanamente, l'energia libera attesa tiene conto dell'ambiguità (sconosciuti sconosciuti). E se il tuo insieme di interventi o le metriche fossero sbagliate?
Con informazioni perfette e calcolo infinito, questi sono gli stessi. Se il tuo modello è corretto e completo, puoi semplicemente arrivare alla risposta. Ma se le cose sono ambigue… devi bilanciare l'intervenire per saperne di più sull'intervento e l'intervenire per motivi pragmatici.
Se testi tutte le interventi per una sola persona, troverai l'insieme di tratti che sono per lo più socialmente indipendenti. Se c'è un tratto in cui le norme sociali sono importanti, sarà invisibile per te. Nessun numero di tali RCT troverà mai questo. Se poi usi il fatto che tutti gli interventi che sono stati sperimentalmente verificati per funzionare sono interventi per una sola persona per dare priorità a quali esperimenti condurre... la trappola si chiude.
La soluzione è l'umiltà. I risultati sia delle interventi generici che di quelli ambientali sono incredibilmente complessi e difficili da prevedere. Sappiamo alcune cose, ma i limiti della nostra conoscenza sono molto reali. Fare affermazioni definitive su ciò che è o non è possibile è poco saggio.
Rimanendo aperti ad apprendere di più, ci diamo l'opportunità di notare quella piccola nota di curiosità, di discordia, che potrebbe portare a un vero apprendimento. E data l'importanza dell'argomento, e le nostre abilità dimostrabilmente limitate oggi, è necessaria tale umiltà.
4,7K
Principali
Ranking
Preferiti

