ensaño

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 complejidadelevados 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, enlos 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 simplificacionesrealizadas 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 algoritmosdel 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 elpotencial 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 afinidadgenética 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 otromargen 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.

6.b.2. Análisis de sensibilidad - El ModeloGlobus

Uno de los objetivos del Estudio EDI era probar los mecanismos genéticos de carácter funcional o modo de operar de la naturaleza en la transmisión de la información genética de la...