ИИ се научил да предсказва евентуалната раздяла в двойки, живеещи заедно

Италиански учени са разработили изкуствен интелект, използващ машинно обучение, който с много по-голяма точност от математическите модели, използващи конвенционални регресионни анализи е определял факторите, които влияят най-силно върху разпадането на партньорските взаимоотношения и вероятността това да се случи. Така изкуственият интелект е успял да вникне във възходите и паденията на романтичните отношения между хората. Резултатите от това изследване са публикувани в научното списание Demography.

Използвайки методи за машинно обучение, учени са анализирали данни от дългосрочно проучване в Германия на 2038 двойки, които били женени или живеели под един покрив. Двойките са били проследявани средно 12 години. По време на периода на наблюдение са се разделили 914 двойки (45%).

Такова дълго наблюдение било необходимо, за да може да бъдат определени личностните и междуличностни фактори, влияещи на взаимоотношенията в дадена връзка и да помогне на изследователите да идентифицират основните причини за разпадането на дългосрочните връзки.

В новото изследване се установило, че предстоящото прекъсване на романтичния съюз най-добре се прогнозира от удовлетвореността от живота на двамата партньори и от това каква част от домакинската работа жената изпълнява в двойката.

Учените са използвали техника за машинно обучение, наречена Random Survival Forests (RSF). Този алгоритъм позволил са се преодолеят трудностите, свързани с управлението на голям брой независими променливи в конвенционалните модели.

Колко са те в този случай? Не е тайна, че междуличностните отношения и още повече близките и интимните, са много трудна за интерпретация система. Въпреки това изследователите все пак успели да идентифицират основните променливи в него, които влияят на съществуването на връзката.

В модела били използвани петте основни характеристики на личността на човек, тоест така наречената Голямата петорка (изпълнителност, доброжелателност, екстравертност, отвореност към нов опит и емоционална стабилност). За двамата партньори това означавало вече 10 променливи. Учените също така идентифицирали 25 основни взаимодействия между партньорите.

В резултат на това на изследователите им се наложило да включат 35 независими променливи в изчисленията, което е много проблематично при използването на математическите модели, изпозващи конвенционалните регресионни анализи.

Сред променливите като фактори с най-висока предсказваща сила авторите идентифицирали удовлетвореността от живота на двамата партньори, дела на жените в домакинската работа, семейното положение (т.е. дали хората са женени или съжителстващи), работното време на жената, нивото на отвореност на жената към нов опит ( тази черта се тълкува и като интелигентност) и нивото на екстраверсия на мъжа.

Анализът също така показал, че много променливи взаимодействат по доста сложни начини. Например, когато удовлетвореността на мъжа от живота била висока, по-високата удовлетвореност от живота на жената увеличава шансовете за оцеляване на съюза им. Но когато удовлетвореността от живота на мъжа била ниска, връзката между удовлетвореността от живота на жената и оцеляването в съюза над определен праг била отрицателна. Пример , илюстриращ такава връзка може да е: щастлива съпруга с успешна кариера и безработен съпруг с пристрастяване към алкохола. Малко вероятно е такъв съюз да продължи дълго.

Авторите също така открили, че откритостта на жената към нови преживявания и екстровертността на мъжа правят по-вероятно прекратяването на дадена връзка, независимо от характеристиките на техните партньори. Възможен илюстративен пример: жена изследовател и мъж, работещ в международна компания, при което и двамата са постоянно в дълги командировки.

За да се оцени защо това изследване е толкова добро (с изключение на евентуалния резултат, разбира се), трябва да се оцени какви иновации са използвали изследователите.

По-горе споменахме, че изводите са направени на базата на математически модели, но те също могат да са различни. Съществуват традиционните математически модели и модели на машинно обучение.

Инструментите за машинното обучение са в състояние да откриват сложни модели в сравнително малки набори от данни. Освен това авторите също така отбелязват, че друго предимство на инструментите за машинно обучение е тяхната превъзходна предсказваща сила.

Авторите на този изкуствен интелект, който „познава бъдещето“, разделили извадката си за поведението на двойките на две части и използвали резултатите от първата половина (тоест ИИ се е обучавал от тези данни), за да се предскажат резултатите от втората половина. Така те открили, че прогнозната точност на алгоритъма Random Survival Forests (RSF) е много по-добра от тази на традиционните модели. Въпреки това, прогнозната точност на RSF се оказала сравнително ограничена, въпреки използването като входни променливи на всички най-важни предиктори за разпадане на съюза, идентифицирани в литературата.

Учените възнамеряват да усъвършенстват своя алгоритъм за да може той да предсказва с много по-голяма точност възможното бъдеще на дадена връзка и евентуалните фактори, които могат да бъдат коригирани за да може даден съюз да бъде запазен. Днес много приложения за запознанства използват подобни технологии. Но това може да има значение и от демографска гледна точка.

Друг е въпросът, дали хората ще искат да научат такава тъжна новина от компютърна програма?