Estudi de la Universitat de Barcelona: La IA revela la personalitat a través del text

Un equip de la Universitat de Barcelona ha aconseguit un avanç significatiu: models de IA capaços de detectar trets de personalitat a partir de textos escrits. Per primera vegada, aquests sistemes poden explicar detalladament com arriben a les seves conclusions, oferint una transparència sense precedents. Aquest estudi, publicat en PLOS One, obre noves portes per a entendre la interacció entre el llenguatge i la personalitat, i acosta la IA a ser una eina més comprensible i de confiança.

Aquesta recerca, publicada en la revista PLoS One  https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0323096 no sols obre noves vies per a entendre com la personalitat es manifesta en el llenguatge natural, sinó que també estableix les bases per a construir eines de detecció automàtica molt més transparents i fiables. L'estudi és fruit del treball conjunt de David Saeteros i David Gallardo-Pujol, investigador i director respectivament del Grup de Recerca Individual Differences Lab (IDLab) de la Facultat de Psicologia i de l'Institut de Neurociències (UBNeuro), al costat de Daniel Ortiz Martínez, investigador de la Facultat de Matemàtiques i Informàtica.

Obrint la caixa negra dels algorismes de IA

Per a desentranyar el procés de decisió de la IA, l'equip va analitzar com dos models avançats —BERT i RoBERTa — processen dades textuals per a identificar característiques de la personalitat. Es van basar en dos marcs psicològics principals: els Cinc Grans Trets de la Personalitat (obertura a les experiències, responsabilitat, extraversió, amabilitat i estabilitat emocional) i el Myers-Briggs Type Indicator (MBTI). "En psicologia, existeix un model prevalent de personalitat i uns altres menys validats, que utilitzem per a entendre i mesurar les diferències individuals en comportament, emocions i pensament", expliquen els investigadors. Els textos utilitzats en l'estudi procedien de dues bases de dades, que ja havien estat classificades segons els indicadors dels diferents trets de personalitat de tots dos models. El veritablement innovador resideix en l'ús de tècniques de IA explicable (XAI), específicament "integrated gradients".

Això va permetre als investigadors "observar dins dels models de IA i veure quins patrons del llenguatge influeixen en la identificació dels trets de personalitat en aquests escrits", segons els autors. Aquesta metodologia de "caixa blanca" és crucial. Per exemple, la IA va poder identificar paraules com a "odi" o "odiar", que tradicionalment s'associarien amb trets negatius, però que en el context d'una frase com a "odi veure als altres sofrir", reflectien amabilitat. "Sense entendre com el model interpreta aquestes paraules en context, podríem arribar a conclusions errònies", subratllen. Aquesta capacitat de visualitzar i quantificar la importància dels elements lingüístics garanteix que les prediccions de la IA estiguin basades en senyals psicològicament rellevants i s'alineïn amb teories psicològiques establertes, la qual cosa és fonamental per a millorar contínuament aquests models.

Les limitacions al descobert

Una troballa important de la recerca va ser la demostració de les limitacions del model MBTI en comparació amb el dels cinc grans trets. Encara que el MBTI és popular, l'estudi va revelar que els models de IA tendien a basar més en "artefactes" de les dades que en patrons reals de personalitat. Això suggereix que el model dels Cinc Grans ofereix una base molt més sòlida per a l'anàlisi automatitzada de la personalitat i la psicometria clàssica.

Múltiples aplicacions per a la detecció automàtica de la personalitat

La capacitat de detectar automàticament la personalitat a través de la IA té un impacte significatiu en diversos camps:

Psicologia de la personalitat: Els psicòlegs podran identificar patrons lingüístics subtils que abans passaven desapercebuts, la qual cosa pot portar a mètodes d'avaluació més naturals i menys intrusius, ideals per a grans poblacions.

Àmbit clínic: La IA podria fer costat a l'avaluació inicial i el seguiment de pacients, identificant canvis en el llenguatge o l'expressió verbal com a indicadors psicològics clau per a la teràpia.

Selecció de personal i personalització educativa: La detecció de personalitat podria optimitzar l'elecció de candidats i adaptar els enfocaments d'ensenyament.

Recerca social i assistents virtuals: Facilitaria l'anàlisi de grans volums de dades textuals i permetria la creació d'interaccions més naturals i adaptades en agents conversacionals.

Els investigadors emfatitzen que "totes aquestes aplicacions haurien de basar en models científicament sòlids i incorporar les tècniques de explicabilidad que hem explorat, per a garantir un ús ètic i transparent".

Encara que aquests models no reemplaçaran les proves de personalitat tradicionals a curt termini, sí que les complementaran. S'albira una evolució cap a un enfocament multimodal que combini les avaluacions clàssiques amb l'anàlisi del llenguatge natural, el comportament digital i altres fonts de dades, oferint una visió més completa i matisada de la personalitat humana.

Pròxims passos: cap a un enteniment més profund

Els investigadors de la UB ja estan planejant l'expansió d'aquesta anàlisi a altres tipus de textos, plataformes, idiomes i cultures, buscant confirmar la consistència dels patrons identificats. També exploraran l'aplicació d'aquestes tècniques a altres construccions psicològiques, com a estats emocionals o actituds. A més, l'equip treballarà en la integració de dades multimodals, combinant text amb expressions de veu i comportament no verbal, utilitzant tecnologies com la transcripció automàtica d'àudio (Whisper.ai). Finalment, busquen aplicar aquests avanços en contextos reals, col·laborant amb professionals clínics i de recursos humans per a assegurar un impacte positiu i ètic en el món real.