汽车零件向我们展示了一些遗传统计数据如何误导

1.我们现在可以轻松地“阅读”基因,但仍然不能说大多数“含义”。精确地掌握它们如何“导致”高级特征将需要更清晰的“因果关系”和Fitter隐喻。2。GE

1.我们现在可以轻松地“阅读”基因,但仍然不能说大多数“含义”。精确地掌握它们如何“导致”高级特征将需要更清晰的“因果关系”和钳工隐喻。

2.基因(更准确地说,基因产物)有助于混淆标准统计磨床的艰难复杂的过程。为了说明,想象一下在“全基因组关联研究”(GWAS)中进行身体和基因的审查及其部分。在这里的细节并不重要,除了汽车GWAS还可以通过所有汽车零件的特性变化来分析汽车级特征等燃油效率。

3.考虑具有标准和运动型的汽车。后者具有较大的燃气引擎和可用的漆制动卡钳。假设运动型买家经常挑选红色刹车,然后从统计上讲红色刹车会带来更大的气体“风险”。

4.如果我没记错的话(请纠正我的统计信息),则没有一个仅统计数据的数据向导可以区分这种非毒物纠缠(p值无法辨别“幻影模式”)。

5.通常,零件级的性质可以与高级特征具有非伴侣和非随机的“链接”。并且包括非因果因素扭曲了统计数据(误解了“解释”,“解释”或“链接到”的变化)。缺乏因果见解,您总是承担“红制动器”风险。

6.关于隐喻,基因产品的工作更像是单词,而不是汽车零件(基因不是静态的“蓝图”)。它们通过具有集体效果和多种“含义”的句子状结构起作用。但是,我们缺乏有关生物学部分如何构成生命活动范围的部分的规则(〜细胞语法,基因语法)。

7.基因还像音乐一样:通常以精确的同步“播放”来编排许多分子旋律(同时生化句子),从而实现巨大的合奏效应。8。生活通常比汽车和更复杂的瞬时休闲结构具有更多的活动部件。它的特征通常具有多种异源病因(路线图显示足够但没有必要的逻辑)。当前的统计数据无法解散异质造成的效果(较大的混合样品通常无济于事)。

9.所有这些都是已知的(例如,遗传结构,因果角色),但“跳至生物”的gwasing仍在继续(以多基因评分等摇摇欲坠的阐述)。

10.值得庆幸的是,Fitter的思维正在进行中,例如Geno-Pheno映射(Massimo Pigliucci),更好的“生物学定律”(Kevin Mitchell)(凯文·米切尔(Kevin Mitchell)),还原主义偏见校正(Krakauer)和因果结构建模(Judea Pearl)。

11.生物学和社会科学所需要的主要是专注于部分的思维(您不能单独研究其作品的特性来掌握国际象棋),以及处理不同种类的原因和角色的方法 – 请参阅亚里士多德的四个原因,请参阅亚里士多德的四个原因, Tinbergen的四个问题,Marr的三个级别。在这些领域中,很多人都更加过程或算法(通常可以抵抗Occam的剃须刀)。

12.相关的思维远远超出了基因组学。正如大多数实践的那样,统计数据假定一种平坦或“堆”因果结构,通常不适合以过程为导向的生活,开车或烹饪(厨师需要逐步的食谱来将零件变成批发)。

13.没有因果见解的统计分析通常会承担红制动器风险。将变量添加到“控制”因素中的习惯可能会误等变异(本身通常是荒谬或低质量的量化)。14。类似的无结构量数据风险的黑匣子遍布大数据和AI。

15.您知道相关性并不意味着因果关系,但是AI并不“知道”这一点。

纽约人漫画家朱莉娅·西特(Julia Suits)的插图兼特殊发明目录的作者

原创文章,作者:大天,如若转载,请注明出处:http://www.dsonekey.com/3457.html

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息