Estudio de la Universitat de Barcelona: La IA revela la personalidad a través del texto

Un equipo de la Universitat de Barcelona ha conseguido un avance significativo: modelos de IA capaces de detectar rasgos de personalidad a partir de textos escritos. Por primera vez, estos sistemas pueden explicar en detalle cómo llegan a sus conclusiones, ofreciendo una transparencia sin precedentes. Este estudio, publicado en PLOS One, abre nuevas puertas para entender la interacción entre el lenguaje y la personalidad, y acerca la IA a ser una herramienta más comprensible y de confianza.

Esta investigación, publicada en la revista PLoS One  https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0323096 no solo abre nuevas vías para entender cómo la personalidad se manifiesta en el lenguaje natural, sino que también establece las bases para construir herramientas de detección automática mucho más transparentes y fiables. El estudio es fruto del trabajo conjunto de David Saeteros y David Gallardo-Pujol, investigador y director respectivamente del Grupo de Investigación Individual Differences Lab (IDLab) de la Facultad de Psicología y del Instituto de Neurociencias (UBNeuro), junto a Daniel Ortiz Martínez, investigador de la Facultad de Matemáticas e Informática.

Abriendo la caja negra de los algoritmos de IA

Para desentrañar el proceso de decisión de la IA, el equipo analizó cómo dos modelos avanzados —BERT y RoBERTa — procesan datos textuales para identificar características de la personalidad. Se basaron en dos marcos psicológicos principales: los Cinco Grandes Rasgos de la Personalidad (apertura a las experiencias, responsabilidad, extraversión, amabilidad y estabilidad emocional) y lo Myers-Briggs Type Indicator (MBTI). "En psicología, existe un modelo prevalente de personalidad y otros menos validados, que utilizamos para entender y mesurar las diferencias individuales en comportamiento, emociones y pensamiento", explican los investigadores. Los textos utilizados en el estudio procedían de dos bases de datos, que ya habían sido clasificadas según los indicadores de los diferentes rasgos de personalidad de ambos modelos. El verdaderamente innovador reside en el uso de técnicas de IA explicable (CORDERO), específicamente "integrated gradientes".

Esto permitió a los investigadores "observar dentro de los modelos de IA y ver qué patrones del lenguaje influyen en la identificación de los rasgos de personalidad en estos escritos", según los autores. Esta metodología de "caja blanca" es crucial. Por ejemplo, la IA pudo identificar palabras como "odio" o "odiar", que tradicionalmente se asociarían con rasgos negativos, pero que en el contexto de una frase como "odio ver a los otros sufrir", reflejaban amabilidad. "Sin entender cómo el modelo interpreta estas palabras en contexto, podríamos llegar a conclusiones erróneas", subrayan. Esta capacidad de visualizar y cuantificar la importancia de los elementos lingüísticos garantiza que las predicciones de la IA estén basadas en señales psicológicamente relevantes y se alineen con teorías psicológicas establecidas, lo cual es fundamental para mejorar continuamente estos modelos.

Las limitaciones a cuerpo descubierto

Un hallazgo importante de la investigación fue la demostración de las limitaciones del modelo MBTI en comparación con el de los cinco grandes rasgos. Aunque el MBTI es popular, el estudio reveló que los modelos de IA tendían a basar más en "artefactos" de los datos que en patrones reales de personalidad. Esto sugiere que el modelo de los Cinco Grandes ofrece una base mucho más sólida para el análisis automatizado de la personalidad y la psicometría clásica.

Múltiples aplicaciones para la detección automática de la personalidad

La capacidad de detectar automáticamente la personalidad a través de la IA tiene un impacto significativo en varios campos:

Psicología de la personalidad: Los psicólogos podrán identificar patrones lingüísticos sutiles que antes pasaban desapercibidos, lo cual puede llevar a métodos de evaluación más naturales y menos intrusivos, ideales para grandes poblaciones.

Ámbito clínico: La IA podría apoyar a la evaluación inicial y el seguimiento de pacientes, identificando cambios en el lenguaje o la expresión verbal como indicadores psicológicos clave para la terapia.

Selección de personal y personalización educativa: La detección de personalidad podría optimizar la elección de candidatos y adaptar los enfoques de enseñanza.

Investigación social y asistentes virtuales: Facilitaría el análisis de grandes volúmenes de datos textuales y permitiría la creación de interacciones más naturales y adaptadas en agentes conversacionales.

Los investigadores enfatizan que "todas estas aplicaciones tendrían que basar en modelos científicamente sólidos e incorporar las técnicas de explicabilidad que hemos explorado, para garantizar un uso ético y transparente".

Aunque estos modelos no reemplazarán las pruebas de personalidad tradicionales a corto plazo, sí que las complementarán. Se divisa una evolución hacia un enfoque multimodal que combine las evaluaciones clásicas con el análisis del lenguaje natural, el comportamiento digital y otras fuentes de datos, ofreciendo una visión más completa y matizada de la personalidad humana.

Próximos pasos: hacia un entendimiento más profundo

Los investigadores de la UB ya están planeando la expansión de este análisis a otros tipos de textos, plataformas, idiomas y culturas, buscando confirmar la consistencia de los patrones identificados. También explorarán la aplicación de estas técnicas a otras construcciones psicológicas, como estados emocionales o actitudes. Además, el equipo trabajará en la integración de datos multimodales, combinando texto con expresiones de voz y comportamiento no verbal, utilizando tecnologías como la transcripción automática de audio (Whisper.ai). Finalmente, buscan aplicar estos avances en contextos reales, colaborando con profesionales clínicos y de recursos humanos para asegurar un impacto positivo y ético en el mundo real.