Pesquisadores da Universidade de Barcelona têm estudado como modelos de inteligência artificial podem identificar traços de personalidade analisando as palavras que as pessoas escrevem. O diferencial do trabalho deles não é apenas ensinar a IA a fazer previsões, mas também focar no porquê a IA faz essas escolhas. Eles queriam explorar o raciocínio desses sistemas, para ver se seguem uma lógica psicológica real ou se apenas identificam padrões óbvios que não significam muito.
O estudo explorou dois modelos populares de IA conhecidos como BERT e RoBERTa. Esses modelos foram utilizados para processar textos escritos e identificar sinais de personalidade. Os pesquisadores trabalharam com duas abordagens diferentes. Uma seguiu o sistema de personalidade Big Five, que analisa traços como abertura, conscienciosidade, extroversão, agradabilidade e estabilidade emocional. A outra utilizou o Indicador de Tipo Myers-Briggs, um modelo que agrupa pessoas com base em como elas pensam, decidem e interagem.
Para a análise, a equipe utilizou dois conjuntos de texto. Um conjunto veio de ensaios que as pessoas escreveram sobre qualquer assunto que quisessem. O outro conjunto veio de postagens em um fórum online onde as pessoas frequentemente discutiam tópicos de personalidade. Ambos os conjuntos já haviam sido marcados para mostrar onde certos traços de personalidade apareciam. Mas o objetivo principal não era apenas testar se a IA poderia adivinhar o traço correto. Era examinar cuidadosamente a maneira como os modelos tomavam suas decisões.
Os pesquisadores aplicaram um método que rastreia quais palavras influenciam as previsões da IA. Isso permitiu que eles vissem como certas palavras puxavam a decisão para um traço de personalidade específico. Eles descobriram que algumas palavras, como aquelas conectadas à vida social ou emoções, muitas vezes desempenhavam um papel claro em guiar o julgamento da IA. Mas também havia casos difíceis. Por exemplo, palavras que parecem negativas, como “ódio”, poderiam na verdade estar ligadas a bondade, dependendo de como eram usadas na frase.
Uma descoberta-chave foi que o conjunto de dados Myers-Briggs tinha uma séria falha. Muitas pessoas nessas discussões online já conheciam seu próprio tipo de personalidade e falavam sobre ele diretamente. Isso significa que a IA frequentemente aprendia a identificar essas referências diretas em vez de padrões mais profundos na linguagem. Quando os pesquisadores removeram palavras que apontavam claramente para os tipos Myers-Briggs, o desempenho da IA caiu drasticamente. Isso mostrou que a IA havia dependido demais de pistas superficiais. O sistema Big Five, no entanto, mostrou ser mais confiável, porque os modelos de IA encontraram padrões que faziam mais sentido do ponto de vista psicológico, mesmo que a precisão não fosse perfeita.
Este estudo mostra que a IA pode descobrir sinais sutis de personalidade na linguagem cotidiana que poderiam passar despercebidos em testes tradicionais. Esses métodos de IA poderiam tornar a avaliação da personalidade mais natural e menos intrusiva, especialmente ao lidar com grandes grupos de pessoas. Os pesquisadores também acreditam que essas técnicas podem ser úteis na psicologia clínica, na educação, nos processos de contratação e até mesmo na construção de assistentes virtuais que interagem de maneira mais humanizada.
Ainda assim, a equipe não espera que a IA substitua totalmente os testes de personalidade tradicionais. Em vez disso, eles veem esses métodos trabalhando juntos, cada um adicionando algo diferente à imagem. Ao combinar a análise de linguagem com outros dados, como hábitos digitais ou padrões comportamentais, os psicólogos podem obter uma compreensão mais completa da personalidade.
Os pesquisadores querem expandir seu trabalho testando textos de diferentes idiomas e ambientes culturais para ver se os padrões permanecem os mesmos. Eles também estão interessados em explorar como esses modelos de IA podem ajudar a rastrear mudanças nos estados emocionais ou atitudes ao longo do tempo. Eles esperam combinar a análise de texto com outros sinais, como voz ou expressões faciais, para construir uma visão mais detalhada de como as pessoas se expressam.
Seu estudo enfatiza a importância de tornar os sistemas de IA transparentes. Compreender como esses modelos chegam às suas decisões é essencial, especialmente se forem utilizados em situações do mundo real onde a precisão e a imparcialidade são importantes. Construir sistemas nos quais as pessoas possam confiar requer não apenas bons resultados, mas também explicações claras de como esses resultados são alcançados.