Os pesquisadores mostraram hámuito tempo que os modelos de inteligaªncia artificial podem identificar os traa§os psicola³gicos ba¡sicos de uma pessoa a partir de suas pegadas digitais nas redes sociais.

Isso pode ser apenas o começo. Um novo estudo , com coautoria de Johannes Eichstaedt e Aaron Weidman (Universidade de Michigan) de Stanford , fornece fortes evidaªncias de que os modelos de aprendizado de ma¡quina também podem mapear as oscilações de humor e a volatilidade de uma pessoa de semana para semana.

Usando ferramentas de processamento de linguagem natural para analisar as postagens do Facebook, o novo modelo de aprendizado de ma¡quina infere o quanto feliz ou triste uma pessoa estãose sentindo em um determinado momento, bem como o quanto excitada ou indiferente. Com o tempo, esse algoritmo pode atéproduzir um va­deo a partir dos altos e baixos emocionais de uma pessoa.

As descobertas podem despertar novas preocupações sobre privacidade ou o uso de ma­dias sociais para fazer marketing para as pessoas. Em teoria, os profissionais de marketing ou propogandistas pola­ticos poderiam algum dia adaptar suas mensagens com base na mensagem que provoca a reação emocional mais forte.

Mas Eichstaedt,  professor assistente de psicologia de Humanidades e Ciências de Stanford e membro do corpo docente do Instituto de Inteligaªncia Artificial Centrada no Homem de Stanford  , diz que a abordagem pode ajudar a diagnosticar pessoas com transtornos de humor e ver se respondem bem a um medicamento, terapia ou uma mudança no estilo de vida.

“Se esse tipo de abordagem for usada anãtica e legalmente, com proteção estrita da privacidade, poderemos um dia ter maneiras de entender computacionalmente a mente”, diz Eichstaedt. “Pode ajudar no diagnóstico e avaliação farmacaªutica. Tambanãm pode nos ajudar a rastrear o impacto psicola³gico de eventos sociais trauma¡ticos, como a pandemia COVID. ”

No momento, as possibilidades boas e ruins ainda estãobem no futuro. Por um lado, os resultados são preliminares, baseados em um pequeno número de superusuários do Facebook, em sua maioria americanos, que postam com muito mais frequência do que a maioria das pessoas. Como resultado, alertam os pesquisadores, os resultados podem não ser representativos de todos os americanos. Eles podem ser ainda menos representativos de pessoas de outras culturas.

Dito isso, observou o pesquisador, o programa de aprendizado de ma¡quina ofereceu evidaªncias tentadoras de que estava no caminho certo. Na verdade, muitos dos padraµes de humor encontrados foram consistentes com estudos anteriores de outros pesquisadores baseados em pessoas que relataram seus pra³prios sentimentos.

Eichstaedt e Weidman começam fazendo com que assistentes de pesquisa humanos anotassem postagens públicas no Facebook de quase 3.000 voluntários de um estudo anterior. Os assistentes de pesquisa avaliaram cada postagem em sua “valaªncia” - o quanto expressava emoções positivas ou negativas - e em “excitação” - ou a intensidade desses sentimentos.

Depois que essas classificações foram conclua­das, as postagens foram usadas para treinar um modelo de aprendizado de ma¡quina que prediz quais tipos de linguagem transmitem quais tipos de sentimentos. Eichstaedt e Weidman testaram seu modelo em um conjunto totalmente diferente de postagens de 640 usuários pesados ​​do Facebook. As pessoas desse segundo grupo postaram em média 17 vezes por semana durante 28 semanas. Isso produziu um conjunto de dados (agora paºblico) rastreando a dina¢mica emocional em 18.000 pessoas-semanas - o maior conjunto de dados sobre a dina¢mica emocional semanal já compilado, que estãodispona­vel para mineração pela comunidade de pesquisa.

Para ter uma ideia se o modelo de aprendizado de ma¡quina estava interpretando as pessoas corretamente, Eichstaedt e Weidman observaram como os padraµes que ele revelou combinavam com as previsaµes baseadas em estudos psicola³gicos presenciais cla¡ssicos.

Os resultados se alinharam com previsaµes baseadas em uma lista do que os pesquisadores da psicologia chamam de "Cinco Grandes" traa§os de personalidade - abertura, afabilidade, extroversão, consciência e neurose. Todos os usuários do Facebook no estudo se ofereceram para participar de um estudo “Minha Personalidade”, que mediu as cinco caracteri­sticas principais por meio de um questiona¡rio. Consistente com as previsaµes anteriores, as pessoas que o modelo de aprendizado de ma¡quina classificou mais alto em extroversão, simpatia e conscienciosidade tendiam a se sentir mais otimistas e mais excitadas.

Por acaso, os resultados do aprendizado de ma¡quina também se encaixaram perfeitamente com estudos anteriores sobre a relação entre o quanto as pessoas se sentem bem e o quanto elas ficam excitadas a qualquer momento. Assim como os estudos anteriores haviam teorizado, os resultados do aprendizado de ma¡quina mostraram uma relação “em forma de V” desigual: a excitação aumenta a  medida que as pessoas se sentem mais para cima e para baixo, mas a relação era mais forte para as emoções otimistas; édifa­cil sentir algo muito positivo sem também se sentir otimista.

Os pesquisadores também descobriram que homens e mulheres mostraram padraµes emocionais um tanto diferentes.

As mulheres tendiam a ser um pouco mais otimistas do que os homens e a ter um “ponto de descanso” emocional mais amplo, ounívelta­pico de sentimentos agrada¡veis ​​e / ou estimulantes. Dito de outra forma, diz Eichstaedt, os homens tendem a ser mais rabugentos e menos receptivos ao ambiente emocional do que as mulheres. Isso éconsistente, diz Eichstaedt, com a ideia de que as mulheres tem maior "flexibilidade emocional". 

Eichstaedt adverte que émuito cedo para saber se o aprendizado de ma¡quina poderia fornecer o equivalente a uma imagem de ressonância magnanãtica precisa para o humor. Mas, dados todos os dados disponí­veis nas redes sociais, diz ele, pode muito bem abrir novas oportunidades para a compreensão da dina¢mica emocional humana em escala muito maior.