Heritabilidad: cuán receptivo es un rasgo a las intervenciones genéticas a nivel local. Plasticidad: cuán receptivo es un rasgo a las intervenciones ambientales a nivel local. Los criadores y los ingenieros genéticos deberían preocuparse por la heritabilidad. Los educadores y entrenadores deberían preocuparse por la plasticidad.

La heredabilidad se estima asumiendo un ambiente constante, la plasticidad asumiendo lo contrario. Ambas suposiciones son, por supuesto, falsas: el ambiente no es constante y tampoco lo es la población. Pero las estimaciones locales funcionan, en su mayoría.

Una alta heredabilidad para un rasgo dado no implica baja plasticidad, o viceversa. Ambos se refieren a cuán sensible es un rasgo a intervenciones (conocidas). El color del cabello en adultos es muy sensible a los cambios tanto en la genética como en el entorno, mientras que el número de cabezas es insensible a ambos.

Las estimaciones de heredabilidad también son relativas a la varianza genética que realmente existe en la población, y a la plasticidad ante la varianza ambiental que realmente existe. No nos importa mucho ninguno de esos dos aspectos. Lo que realmente nos importa es algo que no he visto definido en otro lugar, aunque la gente lo utiliza implícitamente todo el tiempo: la heredabilidad y plasticidad contrafactual estimadas bajo intervenciones conocidas, y bajo intervenciones que se pueden descubrir plausiblemente.

Como se define normalmente, la heredabilidad y la plasticidad no utilizan el cálculo do de Pearl. No te dicen qué esperar bajo intervención, solo qué predecir a partir de la observación. Lo que realmente queremos es algo que podríamos llamar heredabilidad/plasticidad esperada en su lugar.

La Inferencia Activa hace una distinción similar entre minimizar la energía libre variacional y minimizar la energía libre esperada. Muy a grandes rasgos, la energía libre esperada tiene en cuenta la ambigüedad (desconocidos desconocidos). ¿Qué pasa si tu conjunto de intervenciones o métricas son incorrectos?

Con información perfecta e informática infinita, estos son lo mismo. Si tu modelo es correcto y completo, simplemente puedes ir a la respuesta. Pero si las cosas son ambiguas... debes sopesar intervenir para aprender más sobre la intervención y intervenir por razones pragmáticas.

Si pruebas todas las intervenciones de una sola persona, encontrarás el conjunto de rasgos que son mayormente socialmente independientes. Si hay un rasgo donde las normas sociales son importantes, será invisible para ti. Ningún número de tales RCTs lo encontrará jamás. Si luego usas el hecho de que todas las intervenciones que han sido verificadas experimentalmente para funcionar son intervenciones de una sola persona para priorizar qué experimentos realizar... la trampa se cierra.

La solución es la humildad. El resultado de las intervenciones tanto genéricas como ambientales es increíblemente complejo y difícil de predecir. Sabemos algunas cosas, pero los límites de nuestro conocimiento son muy reales. Hacer afirmaciones definitivas sobre lo que es o no es posible es imprudente.

Al mantenernos abiertos a aprender más, nos damos la oportunidad de notar esa pequeña nota de curiosidad, de discordia, que podría llevar a un verdadero aprendizaje. Y dada la importancia del tema, y nuestras habilidades demostrablemente limitadas hoy, se necesita tal humildad.