Heritabilitet: hur lokalt mottaglig en egenskap är för genetiska ingrepp. Plasticitet: hur lokalt lyhörd en egenskap är för miljöingripanden. Uppfödare och gentekniker bör bry sig om ärftlighet. Utbildare och utbildare bör bry sig om plasticitet.

Ärftligheten uppskattas under antagande av en konstant miljö, plasticiteten med antagande av det motsatta. Båda antagandena är naturligtvis falska: miljön är inte konstant och det är inte befolkningen heller. Men lokala uppskattningar fungerar, för det mesta.

Hög ärftlighet för en viss egenskap innebär inte låg plasticitet, eller vice versa. De handlar båda om hur känslig en egenskap är för (kända) ingrepp. Vuxen hårfärg är mycket känslig för förändringar i både genetik och miljö, antal huvuden är okänsliga för båda.

Uppskattningar av ärftlighet är också relativa till den genetiska variansen som faktiskt existerar i populationen, plasticiteten till den miljövariation som faktiskt existerar. Vi bryr oss egentligen inte så mycket om någon av dessa. Vad vi faktiskt bryr oss om är något som jag inte har sett definieras någon annanstans, även om människor implicit använder det hela tiden: den uppskattade kontrafaktiska ärftligheten och plasticiteten under kända interventioner och under rimligt upptäckbara interventioner.

Som normalt definieras använder heritabilitet och plasticitet inte Pearls do-calculus. De talar inte om för dig vad du kan förvänta dig under interventionen, bara vad du kan förutsäga från observation. Vad vi egentligen vill ha är något vi skulle kunna kalla förväntad ärftlighet/plasticitet istället.

Active Inference gör en liknande distinktion mellan att minimera variationell fri energi och att minimera förväntad fri energi. Mycket grovt sett står förväntad fri energi för tvetydighet (okända okända). Vad händer om din interventionsuppsättning eller dina mätvärden är felaktiga?

Med perfekt information och oändlig beräkning är dessa desamma. Om din modell är korrekt och komplett kan du helt enkelt gå till svaret. Men om saker och ting är tvetydiga... Du måste kompromissa mellan att ingripa för att lära dig mer om ingripande och att ingripa av pragmatiska skäl.

Om du testar alla enpersonsinterventioner kommer du att hitta den uppsättning egenskaper som är mest socialt oberoende. Om det finns en egenskap där sociala normer är viktiga kommer den att vara osynlig för dig. Inget antal sådana RCT:er kommer någonsin att hitta den. Om man sedan använder det faktum att alla interventioner som experimentellt har verifierats fungera är enpersonsinterventioner för att prioritera vilka experiment som ska köras... Fällan stängs.

Lösningen är ödmjukhet. Resultatet av både generiska och miljömässiga interventioner är otroligt komplexa och svåra att förutsäga. Vi vet vissa saker, men gränserna för vår kunskap är mycket verkliga. Att göra definitiva uttalanden om vad som är eller inte är möjligt är oklokt.

Genom att vara öppna för att lära oss mer ger vi oss själva möjligheten att lägga märke till den lilla tonen av nyfikenhet, av oenighet, som kan leda till verkligt lärande. Och med tanke på ämnets betydelse, och vår bevisligen begränsade skicklighet i dag, behövs en sådan ödmjukhet.