Inteligencia Artificial puede predecir la calidad de tu relación de pareja

En El Amor, Las Mujeres y La Muerte, el filósofo Arthur Schopenhauer decía que el amor es un tema que jamás se agota. Explicaba que se han escrito poemas y otro tipo de textos al respecto, y las personas no se cansan de él. Al parecer, es cierto. Cientos de cuentos, películas, canciones hablan de amor y de relaciones de pareja. Ahora, en plena Industria 4.0, ¿qué pasaría si se utilizara inteligencia artificial para predecir la satisfacción en una relación romántica?

Debido a la importancia de las relaciones interpersonales dentro de la salud, productividad laboral y bienestar de las personas, campos como la psicología, sociología, economía, comunicación y estudios de la familia, han identificado cientos de variables para determinar y saber la calidad de una relación romántica (y la satisfacción alrededor de la misma). Científicos de la Western University, una universidad en Ontario, Canadá, han utilizado machine learning para "cuantificar y comparar el poder predictivo" de estas variables en aproximadamente 11 mil parejas.

La calidad de una relación de pareja tiene implicaciones dentro de la salud mental y emocional de un individuo. Por eso, distintas disciplinas y científicos han tratado de explicar por qué existen relaciones de pareja más exitosas que otras. El estudio de la Western University, el primero de su tipo, reveló que el predictor más confiable del éxito en una relación romántica, es la idea del compromiso a la relación (por parte de la pareja). Otros elementos importantes son: apreciación, satisfacción sexual y conflicto.

Este proyecto quiso responder las siguientes preguntas: ¿qué tan predecible puede ser la calidad de una relación? y de ser así, ¿cuáles variables la predicen de mejor manera?

Para responderlas, los científicos responsables del estudio aplicaron técnicas de machine learning a 43 bases de datos con la información de 11 mil 196 parejas. Cada uno de estos conjuntos de data fue analizado con la técnica de Random Forest (un método de machine learning que construye árboles de decisión para la clasificación, regresión u otras tareas). Los científicos utilizaron paquetes "randomForest" de R, un lenguaje de programación con enfoque para el análisis estadístico.

El método de Random Forests, utiliza un subconjunto de predictores y participantes para probar la fuerza de cada predictor; esto lo hace mediante un proceso llamado particionamiento recursivo. Además, debido a que son un método no paramétrico - y no le imponen una estructura particular a los datos - pueden capturar relaciones no lineales entre la data; por ejemplo: la interacción entre distintos elementos o predictores.

Después de analizar estos 43 conjuntos de datos, provenientes de 29 laboratorios distintos, los predictores de la calidad de una relación (asociados a la misma relación) más importantes fueron: percepción del compromiso de la pareja, apreciación, satisfacción sexual y conflicto. Mientras que los elementos predictores individuales con más peso dentro de la calidad de una relación fueron: satisfacción con la vida, depresión, la evitación del apego emocional.

En general, la dinámica entre los individuos dentro de una relación de pareja influye más en la calidad de la misma, lo cual, es una situación sabida, e incluso, esperada por la gente. Por otro lado, las características de cada persona fueron menos influyentes. Lo cual, es lo más sorprendente de los resultados; cómo "las diferencias individuales se desvanecen en el fondo" una vez que se cuenta con datos específicos sobre las relaciones de pareja.

Es decir, dentro de una relación, quién eres como individuo es menos importante que quién eres al estar con tu pareja. Sin embargo, esto no quiere decir que no se deba tomar en cuenta las características de la otra persona. Al final del día, una relación de pareja es justamente eso: una relación de dos.