ทำนายได้จริงไหมว่าความรักคู่นี้จะไปรอด งานวิจัยจากคู่รักกว่า 11,000 คู่ทั่วโลกเผยคำตอบที่คาดไม่ถึง

หลายคนเชื่อว่าถ้ารู้จักนิสัยใจคอ บุคลิกภาพ หรือรูปแบบความผูกพัน (attachment style) ของใครสักคนมากพอ ก็น่าจะทำนายได้ว่าความสัมพันธ์กับคนคนนั้นจะไปรอดหรือไม่ แอปหาคู่หลายเจ้าถึงกับขายไอเดียว่าอัลกอริทึมของพวกเขา "จับคู่ตามหลักวิทยาศาสตร์" ได้แม่นยำ แต่คำถามที่นักวิจัยด้านความสัมพันธ์ถามกันมานานคือ ความเชื่อนี้มีหลักฐานรองรับจริงหรือไม่ ในปี 2020 ทีมนักวิจัยกว่า 80 คนจาก 29 ห้องปฏิบัติการทั่วโลกรวมพลังกันตอบคำถามนี้อย่างเป็นระบบที่สุดเท่าที่เคยมีมา โดยใช้ machine learning วิเคราะห์ข้อมูลคู่รักกว่า 11,000 คู่ ผลลัพธ์ที่ได้พลิกความเข้าใจเดิมไปมาก เพราะสิ่งที่ทำนายความพึงพอใจในความสัมพันธ์ได้ดีที่สุด ไม่ใช่นิสัยส่วนตัวของแต่ละคน แต่เป็นสิ่งที่เกิดขึ้น "ระหว่าง" คนสองคนต่างหาก และที่น่าประหลาดใจยิ่งกว่านั้นคือ แม้แต่โมเดลที่ดีที่สุดก็ยังทำนาย "การเปลี่ยนแปลง" ของความสัมพันธ์ในอนาคตได้แทบไม่ได้เลย บทความนี้จะพาไปสำรวจหลักฐานทางวิทยาศาสตร์ที่แท้จริงว่าอะไรทำนายคุณภาพความสัมพันธ์ได้จริง และทำไมสัญชาตญาณของเรา รวมถึงปัญญาประดิษฐ์ ถึงยังห่างไกลจากการ "อ่านใจ" ความรักได้แม่นยำอย่างที่คิด

หลักฐานหลัก: โปรเจกต์ทำนายความสัมพันธ์ที่ใหญ่ที่สุดในโลก

Samantha Joel, Paul W. Eastwick, Colleen J. Allison และทีมนักวิจัยรวม 86 คนจาก 29 ห้องปฏิบัติการทั่วโลก ตีพิมพ์งานชื่อ "Machine Learning Uncovers the Most Robust Self-Report Predictors of Relationship Quality Across 43 Longitudinal Couples Studies" ใน *PNAS* ปี 2020 (เล่ม 117 ฉบับที่ 32 หน้า 19061-19071) ถือเป็นโครงการความร่วมมือข้ามห้องแล็บที่ใหญ่ที่สุดเท่าที่เคยมีในสาขาจิตวิทยาความสัมพันธ์ ทีมวิจัยรวบรวมข้อมูลระยะยาวจาก 43 ชุดข้อมูล ครอบคลุมคู่รัก 11,196 คู่ (ผู้เข้าร่วมทั้งหมด 22,163 คน ณ จุดเริ่มต้น) ติดตามเฉลี่ย 4 ช่วงเวลา (ตั้งแต่ 2-11 ครั้ง) เป็นเวลาเฉลี่ย 14 เดือน (ตั้งแต่ 2-48 เดือน) แล้วใช้เทคนิค Random Forests ซึ่งเป็นอัลกอริทึม machine learning ประเภทหนึ่ง มาทดสอบว่าตัวแปรกว่า 100 ตัวที่เก็บจากทั้งสองฝ่ายในคู่รัก สามารถทำนายความพึงพอใจในความสัมพันธ์ได้ดีแค่ไหน

ผลลัพธ์ที่สำคัญที่สุดคือ ตัวแปรที่ทำนายความพึงพอใจ ณ จุดเริ่มต้นได้ดีที่สุดคือ "การรับรู้เฉพาะความสัมพันธ์" (relationship-specific perceptions) ที่รายงานโดยตัวผู้เข้าร่วมเอง เช่น เชื่อว่าคู่รักทุ่มเทแค่ไหน (perceived-partner commitment) ความรู้สึกซาบซึ้งต่อกัน (appreciation) ความพึงพอใจทางเพศ ความเชื่อว่าคู่รักพึงพอใจแค่ไหน และระดับความขัดแย้ง ซึ่งทำนายความแปรปรวนของความพึงพอใจได้สูงสุดถึง 45% ในขณะที่ "ลักษณะเฉพาะบุคคล" (individual differences) เช่น ความพึงพอใจในชีวิต อารมณ์ด้านลบ ภาวะซึมเศร้า ความผูกพันแบบหลีกเลี่ยง และความผูกพันแบบวิตกกังวล ทำนายได้เพียง 21% เมื่อแยกดูเฉพาะสิ่งที่ผู้เข้าร่วมรายงานเกี่ยวกับตัวเอง (actor-reported) ตัวแปรเฉพาะความสัมพันธ์ทำนายได้ 45% และลักษณะเฉพาะบุคคลทำนายได้ 19% ในขณะที่สิ่งที่คู่รักอีกฝ่ายรายงาน (partner-reported) ทำนายได้น้อยกว่ามาก คือ 15% และ 5% ตามลำดับ ที่สำคัญยิ่งกว่านั้นคือ เมื่อทำนายความพึงพอใจ ณ ช่วงท้ายของการศึกษา (ไม่ใช่จุดเริ่มต้น) พลังการทำนายลดลงทั้งหมด เหลือเพียง 18% สำหรับตัวแปรเฉพาะความสัมพันธ์ และ 12% สำหรับลักษณะเฉพาะบุคคล และเมื่อทำนาย "การเปลี่ยนแปลง" ของความพึงพอใจตลอดช่วงการศึกษา (คือเพิ่มขึ้นหรือลดลง) โมเดลทุกแบบทำนายได้น้อยกว่า 5% แทบไม่มีนัยสำคัญในทางปฏิบัติ

ทีมวิจัยยังพบว่าลักษณะเฉพาะบุคคลและรายงานจากคู่รักอีกฝ่าย "ไม่มี" พลังทำนายเพิ่มเติมเลยเมื่อควบคุมการรับรู้เฉพาะความสัมพันธ์ของตัวเองไว้แล้ว บ่งชี้ว่าอิทธิพลของนิสัยส่วนตัวและประสบการณ์ของคู่รักที่ส่งผลต่อความสัมพันธ์ ล้วนถูก "กลั่นกรอง" ผ่านการรับรู้เฉพาะความสัมพันธ์ของตัวเราเองทั้งสิ้น ทีมวิจัยระบุข้อจำกัดสำคัญว่าชุดข้อมูลทั้งหมดเก็บจากประเทศตะวันตกเท่านั้น (สหรัฐฯ แคนาดา สวิตเซอร์แลนด์ นิวซีแลนด์ เนเธอร์แลนด์ และอิสราเอล) จึงยังไม่แน่ชัดว่าผลลัพธ์นี้จะเป็นแบบเดียวกันในวัฒนธรรมอื่นหรือไม่ งานชิ้นนี้จึงเปลี่ยนวิธีคิดสำคัญของสาขานี้ จากที่เคยเชื่อว่า "รู้จักนิสัยคนคนหนึ่งก็พอจะทายได้ว่าเข้ากับใครได้ดี" ไปสู่ข้อสรุปว่าสิ่งที่สำคัญกว่าคือประสบการณ์และการรับรู้ที่เกิดขึ้น "ภายใน" ความสัมพันธ์นั้นๆ เอง ซึ่งไม่สามารถทายล่วงหน้าได้จากนิสัยส่วนตัวเพียงอย่างเดียว

เมื่อสมองคู่รักซิงค์กัน: หลักฐานจากการสแกนสมองจริง

หากแบบสอบถามรายงานตนเองมีข้อจำกัด คำถามต่อมาคือ มีตัวชี้วัดทางชีวภาพที่วัดได้เป็นรูปธรรมกว่านั้นหรือไม่ Lei Li, Xinyue Huang, Jinming Xiao, Qingyu Zheng, Xiaolong Shan, Changchun He, Wei Liao, Huafu Chen, Vinod Menon และ Xujun Duan ตีพิมพ์งานชื่อ "Neural Synchronization Predicts Marital Satisfaction" ใน *PNAS* ปี 2022 (เล่ม 119 ฉบับที่ 34 บทความเลขที่ e2202515119) ทีมวิจัยคัดเลือกคู่สมรส 48 คู่ แล้วเหลือข้อมูลที่ผ่านการควบคุมคุณภาพ 35 คู่ (70 คน) ให้แต่ละคนเข้าเครื่อง fMRI ดูคลิปวิดีโอ 2 ประเภทแยกกัน คือคลิปที่เกี่ยวข้องกับชีวิตคู่ (เช่น ฉากความขัดแย้งหรือความใกล้ชิดในชีวิตสมรส) และคลิปที่เกี่ยวกับวัตถุทั่วไปที่ไม่เกี่ยวกับความสัมพันธ์ จากนั้นจึงวัด "การซิงค์ระหว่างบุคคล" (intersubject synchronization หรือ ISS) ของสัญญาณสมองระหว่างคู่สมรสแต่ละคู่

ผลลัพธ์คือ ระดับการซิงค์ของสมองทั่วทั้งสมอง (whole-brain ISS) ระหว่างดูคลิปเกี่ยวกับชีวิตคู่ สัมพันธ์กับความพึงพอใจในชีวิตคู่อย่างมีนัยสำคัญ (r = 0.32, p<0.05) และเมื่อโฟกัสเฉพาะเครือข่ายสมองที่เรียกว่า default mode network (เครือข่ายที่เกี่ยวข้องกับการคิดถึงตัวเองและมุมมองผู้อื่น) พบความสัมพันธ์ที่แข็งแรงกว่ามาก (r = 0.6212, p = 0.0004 หลังปรับค่า FDR) ทีมวิจัยยังทดสอบว่าระดับการซิงค์ของสมองสามารถใช้ทำนายระดับความพึงพอใจได้จริงหรือไม่ด้วยเทคนิค support vector regression พบว่าทำนายได้อย่างมีนัยสำคัญ (r = 0.39, p<0.05) และเมื่อเปรียบเทียบกลุ่มคู่สมรสที่พึงพอใจสูงกับกลุ่มที่พึงพอใจต่ำ พบความแตกต่างของระดับการซิงค์อย่างชัดเจน (t = 4.00, p<0.001) ที่น่าสนใจคือคู่สมรสมีระดับการซิงค์ของสมองสูงกว่าคู่ที่จับคู่แบบสุ่มจากผู้เข้าร่วมคนอื่นอย่างมีนัยสำคัญ และความแตกต่างนี้จำเพาะกับคลิปที่เกี่ยวกับชีวิตคู่เท่านั้น ไม่ใช่คลิปวัตถุทั่วไป

ทีมวิจัยระบุข้อจำกัดสำคัญว่างานชิ้นนี้เป็นข้อมูลภาคตัดขวาง (cross-sectional) ไม่สามารถระบุทิศทางเหตุ-ผลได้ว่าความซิงค์ของสมองทำให้ความสัมพันธ์ดีขึ้น หรือความสัมพันธ์ที่ดีทำให้สมองซิงค์กันมากขึ้น และเสนอว่าจำเป็นต้องมีการศึกษาที่ใช้สิ่งเร้าแบบ "เข้าสังคมแต่ไม่ใช่คู่สมรส" เป็นกลุ่มควบคุมเพิ่มเติม รวมถึงต้องมีการออกแบบระยะยาวเพื่อดูว่าความคล้ายคลึงของการตอบสนองทางประสาทตั้งแต่ช่วงเลือกคู่สามารถทำนายผลลัพธ์ระยะยาวได้หรือไม่ นอกจากนี้กลุ่มตัวอย่างยังมีขนาดค่อนข้างเล็ก (35 คู่) งานชิ้นนี้จึงเป็นหลักฐานที่น่าสนใจว่าความพึงพอใจในชีวิตคู่อาจมีร่องรอยทางชีววิทยาประสาทที่วัดได้จริง แต่ยังต้องการการยืนยันเพิ่มเติมก่อนสรุปเป็นข้อเท็จจริงทั่วไป

ทบทวนภาพรวม: อะไรทำให้ความสัมพันธ์คงอยู่หรือเสื่อมถอย

เพื่อรวบรวมภาพรวมของงานวิจัยที่กระจัดกระจายในสาขานี้ Francesca Righetti, Ruddy Faure, Giulia Zoppolat, Andrea L. Meltzer และ James K. McNulty ตีพิมพ์บทความทบทวนชื่อ "Factors That Contribute to the Maintenance or Decline of Relationship Satisfaction" ใน *Nature Reviews Psychology* ปี 2022 (เล่ม 1 ฉบับที่ 3 หน้า 161-173) ซึ่งเป็นวารสารทบทวนวรรณกรรมในเครือ Nature Portfolio ที่เพิ่งเปิดตัวในปีเดียวกัน ทีมผู้เขียนสังเคราะห์งานวิจัยทั้งแบบภาคตัดขวางและระยะยาว จัดหมวดหมู่ตัวทำนายความพึงพอใจในความสัมพันธ์ออกเป็น 3 กลุ่มใหญ่ คือ (1) การรับรู้ที่รายงานด้วยตนเอง (self-reported perceptions) เกี่ยวกับตัวเอง คู่รัก หรือความสัมพันธ์ (2) การประเมินโดยนัย (implicit evaluations) ที่วัดการตอบสนองอัตโนมัติต่อคู่รักโดยทางอ้อม และ (3) ดัชนีเชิงวัตถุ (objective indexes) เช่น ข้อมูลประชากรศาสตร์ เหตุการณ์ในชีวิต รูปแบบการสื่อสาร และตัวชี้วัดทางชีวภาพ

ข้อสรุปสำคัญของบทความคือ "การรับรู้ที่รายงานด้วยตนเองไม่ได้เป็นตัวทำนายที่น่าเชื่อถือที่สุดเสมอไปสำหรับการเปลี่ยนแปลงความพึงพอใจในระยะยาว" ซึ่งสอดคล้องโดยตรงกับสิ่งที่ Joel และคณะ (2020) ค้นพบ คือแม้การรับรู้เฉพาะความสัมพันธ์จะทำนายความพึงพอใจ ณ จุดใดจุดหนึ่งได้ดี แต่กลับทำนาย "การเปลี่ยนแปลง" ในอนาคตได้แย่มาก ทีมผู้เขียนจึงเสนอว่างานวิจัยในอนาคตควรบูรณาการทั้งการประเมินโดยนัย ข้อมูลประชากรศาสตร์ เหตุการณ์ชีวิต รูปแบบการสื่อสาร และตัวชี้วัดทางชีวภาพเข้าด้วยกัน แทนที่จะพึ่งพาแบบสอบถามรายงานตนเองเพียงอย่างเดียว เพราะแต่ละวิธีมีจุดแข็งจุดอ่อนต่างกัน และอาจอธิบายกลไกคนละส่วนของสิ่งที่ทำให้ความสัมพันธ์คงอยู่หรือเสื่อมถอยไปตามกาลเวลา บทความนี้จึงทำหน้าที่เป็นแผนที่ภาพรวมที่ช่วยเชื่อมโยงหลักฐานจากหลายแขนง ทั้งจิตวิทยาสังคม ประสาทวิทยา และชีววิทยา เข้าด้วยกันอย่างเป็นระบบ แม้จะเป็นบทความสังเคราะห์มากกว่างานเก็บข้อมูลใหม่ก็ตาม

เส้นทางความพึงพอใจในชีวิตคู่ เปลี่ยนแปลงอย่างไรตามอายุและระยะเวลา

คำถามที่สำคัญไม่แพ้กันคือ แม้จะทำนายเป็นรายบุคคลไม่ได้แม่นยำนัก แต่ในภาพรวมความพึงพอใจในความสัมพันธ์มีแนวโน้มเปลี่ยนแปลงไปตามอายุหรือระยะเวลาความสัมพันธ์อย่างไร Janina Larissa Bühler, Samantha Krauss และ Ulrich Orth ตีพิมพ์งานชื่อ "Development of Relationship Satisfaction Across the Life Span: A Systematic Review and Meta-Analysis" ใน *Psychological Bulletin* ปี 2021 (เล่ม 147 ฉบับที่ 10 หน้า 1012-1053) โดยรวบรวมงานวิจัย 165 กลุ่มตัวอย่างที่เป็นอิสระต่อกัน รวมผู้เข้าร่วมทั้งหมด 165,039 คน วิเคราะห์ทั้งระดับความพึงพอใจเฉลี่ยตามช่วงอายุ (แบบภาคตัดขวาง) และวิถีการเปลี่ยนแปลงในแต่ละบุคคล (แบบระยะยาว) โดยใช้คะแนนมาตรฐาน percent-of-maximum-possible (POMP) เพื่อให้เปรียบเทียบข้ามงานวิจัยที่ใช้เครื่องมือวัดต่างกันได้

ผลลัพธ์คือ เมื่อดูตามช่วงอายุ ความพึงพอใจในความสัมพันธ์ลดลงตั้งแต่อายุ 20 ถึง 40 ปี แตะจุดต่ำสุดที่อายุประมาณ 40 ปี จากนั้นค่อยๆ เพิ่มขึ้นจนถึงอายุ 65 ปี แล้วค่อนข้างคงที่ในวัยสูงอายุ ส่วนเมื่อดูตามระยะเวลาความสัมพันธ์ พบรูปแบบคล้ายกันคือความพึงพอใจลดลงในช่วง 10 ปีแรก แตะจุดต่ำสุดที่ปีที่ 10 แล้วฟื้นตัวขึ้นจนถึงปีที่ 20 ก่อนจะลดลงอีกครั้งหลังจากนั้น การลดลงที่ชัดเจนที่สุดเกิดขึ้นในช่วงต้นของความสัมพันธ์และวัยผู้ใหญ่ตอนต้น ทีมวิจัยยังพบว่าการมีลูกและประเภทเครื่องมือวัดที่ใช้เป็นตัวแปรกำกับที่อธิบายความแปรปรวนของระดับความพึงพอใจได้บางส่วน แต่รูปแบบโดยรวมค่อนข้างสม่ำเสมอไม่ว่าจะดูตามรุ่นอายุ (birth cohort) ประเภทกลุ่มตัวอย่าง ประเทศ เชื้อชาติ เพศ หรือสถานภาพสมรส ทีมวิจัยระบุข้อจำกัดว่าเป็นเมตาอนาไลซิสที่อาศัยงานวิจัยเดิมซึ่งมีความหลากหลายของวิธีวัดค่อนข้างมาก ช่วงอายุที่วิเคราะห์ได้จำกัดอยู่ที่ 20-76 ปี และไม่สามารถสรุปเหตุ-ผลจากข้อมูลเชิงสังเกตได้ งานชิ้นนี้จึงเป็นบริบทสำคัญที่เสริมงานของ Joel และคณะ (2020) เพราะแม้จะทำนายเป็นรายคู่ไม่ได้แม่นยำ แต่ในระดับประชากร ความพึงพอใจก็มีรูปแบบการเปลี่ยนแปลงตามกาลเวลาที่คาดการณ์ได้พอสมควร

กับดักของ AI: เมื่อโมเดลทำนายหย่าร้างแม่นยำ 100% แต่ไม่น่าเชื่อถือ

ท่ามกลางกระแสที่หลายคนเชื่อว่า AI จะทำนายความรักได้แม่นยำกว่ามนุษย์ มีงานวิจัยจำนวนหนึ่งที่อ้างความแม่นยำสูงมากจนน่าตั้งคำถาม Mian Muhammad Sadiq Fareed, Ali Raza, Na Zhao และทีมวิจัย ตีพิมพ์งานชื่อ "Predicting Divorce Prospect Using Ensemble Learning: Support Vector Machine, Linear Model, and Neural Network" ใน *Computational Intelligence and Neuroscience* ปี 2022 (เล่ม 2022 บทความเลขที่ 3687598) โดยใช้ชุดข้อมูลแบบสอบถาม 54 ข้อที่ให้คะแนน 0-4 จากผู้เข้าร่วมทั้งหมดเพียง 170 คน (หย่าร้างแล้ว 86 คน ยังไม่หย่า 84 คน) แล้วใช้โมเดล ensemble ผสมผสานระหว่าง Support Vector Machine, Passive Aggressive Classifier และ Multilayer Perceptron Neural Network ทดสอบด้วยวิธี 5-fold cross-validation และแบ่งข้อมูลฝึก-ทดสอบในสัดส่วน 80:20

ผลลัพธ์ที่ทีมวิจัยรายงานคือ โมเดลทำนายได้แม่นยำ 100% พร้อมค่า ROC AUC, precision, recall และ F1 score สูงถึง 97% ทั้งหมด ซึ่งฟังดูน่าประทับใจมาก แต่ตัวเลขเหล่านี้ต้องตีความด้วยความระมัดระวังอย่างยิ่ง เพราะกลุ่มตัวอย่างมีเพียง 170 คนเท่านั้น ซึ่งเล็กกว่ากลุ่มตัวอย่างของ Joel และคณะ (2020) ถึงกว่า 65 เท่า และทีมวิจัยเองก็ยอมรับตรงไปตรงมาในบทความว่าต้องการ "เพิ่มจำนวนคำถามในแบบสอบถามและขยายชุดข้อมูล" และวางแผน "สำรวจโมเดล deep learning อื่นเพื่อลด overfitting" ซึ่งเป็นการยอมรับโดยนัยว่าความแม่นยำ 100% ที่ได้อาจไม่สะท้อนความสามารถในการทำนายที่แท้จริงในโลกจริง เพราะโมเดลอาจเพียง "จดจำ" รูปแบบเฉพาะของกลุ่มตัวอย่างเล็กๆ ชุดนี้ (overfitting) มากกว่าจะเรียนรู้รูปแบบที่ใช้ได้ทั่วไป งานชิ้นนี้จึงไม่ได้ถูกนำมาใช้เป็นหลักฐานว่า AI ทำนายการหย่าร้างได้แม่นยำ แต่ใช้เป็นตัวอย่างเตือนใจว่า เมื่อเห็นข่าวหรือโฆษณาที่อ้างว่า AI ทำนายความรักได้แม่นยำเกือบสมบูรณ์แบบ ควรตรวจสอบขนาดกลุ่มตัวอย่างและวิธีการตรวจสอบความถูกต้องเสมอ เพราะผลลัพธ์ที่ "ดีเกินจริง" มักมาจากกลุ่มตัวอย่างที่เล็กเกินไปที่จะเชื่อถือได้ ซึ่งตรงข้ามอย่างสิ้นเชิงกับความซื่อตรงทางสถิติของ Joel และคณะ (2020) ที่ยอมรับตรงๆ ว่าทำนายการเปลี่ยนแปลงได้น้อยกว่า 5% ทั้งที่ใช้กลุ่มตัวอย่างขนาดใหญ่กว่ามาก

จุดเริ่มต้น: แม้แต่ความดึงดูดแรกพบก็ยังทำนายไม่ได้

ก่อนจะมาถึงโครงการขนาดใหญ่ปี 2020 ทีมวิจัยกลุ่มเดียวกันเคยตั้งคำถามที่แคบกว่าแต่ท้าทายไม่แพ้กันมาก่อน คือถ้าไม่นับความสัมพันธ์ที่มีอยู่แล้ว การจะรู้ว่าใครจะรู้สึกดึงดูดใครเป็นพิเศษตั้งแต่ก่อนเจอกันจริงเป็นไปได้หรือไม่ Samantha Joel, Paul W. Eastwick และ Eli J. Finkel ตีพิมพ์งานชื่อ "Is Romantic Desire Predictable? Machine Learning Applied to Initial Romantic Attraction" ใน *Psychological Science* ปี 2017 (เล่ม 28 ฉบับที่ 10 หน้า 1478-1489) โดยจัดกิจกรรมเดตแบบเร็ว (speed dating) 2 ครั้ง ให้ผู้เข้าร่วมที่ยังไม่มีคู่ตอบแบบสอบถามเกี่ยวกับลักษณะนิสัยและความชอบมากกว่า 100 ข้อก่อนงาน จากนั้นให้แต่ละคนพบกับผู้เข้าร่วมเพศตรงข้ามทุกคนในงานครั้งละ 4 นาที แล้วให้คะแนนความดึงดูดต่อกันหลังจบแต่ละรอบ ใช้เทคนิค Random Forests วิเคราะห์ว่าข้อมูลที่เก็บไว้ล่วงหน้าทำนายผลลัพธ์ 3 แบบได้ดีแค่ไหน คือความน่าดึงดูดโดยรวมของแต่ละคน (actor variance) การเป็นที่ต้องการของคนอื่น (partner variance) และความดึงดูดต่อคนใดคนหนึ่งเป็นพิเศษ (relationship variance)

ผลลัพธ์คือ โมเดลทำนายความน่าดึงดูดโดยรวมของแต่ละคนได้ 4-18% และทำนายการเป็นที่ต้องการของคนอื่นได้ 7-27% ซึ่งพอทำนายได้บ้าง แต่ที่สำคัญที่สุดคือ โมเดล "ไม่สามารถทำนายความดึงดูดต่อคนใดคนหนึ่งเป็นพิเศษได้เลย" ไม่ว่าจะใช้ชุดลักษณะนิสัยและความชอบแบบใดก็ตาม แม้จะมีข้อมูลมากกว่า 100 ตัวแปรต่อคนก็ตาม ทีมวิจัยสรุปว่า "องค์ประกอบด้านความเข้ากันได้ของการจับคู่มนุษย์เป็นสิ่งที่ยากหรือแทบเป็นไปไม่ได้ที่จะทำนายก่อนที่สองคนจะได้เจอกันจริง" งานชิ้นนี้มีข้อจำกัดคือทำในบริบทเดตแบบเร็วที่เป็นปฏิสัมพันธ์สั้นมาก (4 นาที) และจำกัดเฉพาะคู่รักต่างเพศ อาจไม่สะท้อนการก่อตัวของความสัมพันธ์ระยะยาวหรือรูปแบบความสัมพันธ์อื่นๆ ได้ทั้งหมด แต่ก็เป็นจุดเริ่มต้นสำคัญที่ปูทางให้ทีมวิจัยชุดนี้ขยายคำถามต่อไปสู่โครงการขนาดใหญ่ในปี 2020 และเป็นหลักฐานเชิงประวัติศาสตร์ที่ยืนยันตรงกันว่า สิ่งที่เกิดขึ้น "ระหว่าง" คนสองคนเมื่อได้เจอกันจริง สำคัญกว่าลักษณะนิสัยที่รู้ล่วงหน้าได้มาก

กรอบ "เลิก-สื่อ-ระวัง-ดูแล": สังเคราะห์หลักฐานเป็นวิธีดูแลความสัมพันธ์

หลักฐาน 6 ชิ้นข้างต้นชี้ตรงกันว่าอนาคตความสัมพันธ์ทำนายจากนิสัยส่วนตัวได้ยากมาก แต่ถ้าจะย่อเป็นขั้นตอนใช้จริงตอนกำลังกังวลเรื่องอนาคตความสัมพันธ์ของตัวเอง อาจสรุปได้เป็น 4 ขั้นตอนคือ "เลิก-สื่อ-ระวัง-ดูแล"

1. เลิก — เลิกตัดสินอนาคตความสัมพันธ์จากนิสัยของอีกฝ่ายเพียงอย่างเดียว เพราะ Joel et al. (2020) พบว่าลักษณะเฉพาะบุคคลอย่างบุคลิกภาพหรือรูปแบบความผูกพันทำนายความพึงพอใจได้เพียงประมาณ 1 ใน 5 ส่วนเท่านั้น 2. สื่อ — สื่อสารความทุ่มเทและความซาบซึ้งต่อกันออกมาให้ชัดเจน เพราะ Joel et al. (2020) พบว่าตัวทำนายที่แข็งแรงที่สุดคือการรับรู้เฉพาะความสัมพันธ์ เช่น ความรู้สึกว่าคู่รักมุ่งมั่นและซาบซึ้งในตัวเรา ซึ่งทำนายได้ถึง 45% 3. ระวัง — ระวังโฆษณาแอปหาคู่หรือ AI ที่อ้างว่า "จับคู่ได้แม่นยำ" ก่อนตรวจสอบที่มาให้ดี เพราะ Fareed et al. (2022) แสดงให้เห็นว่าโมเดลที่อ้างความแม่นยำเกือบสมบูรณ์แบบมักมาจากกลุ่มตัวอย่างขนาดเล็กที่เสี่ยง overfitting สูง 4. ดูแล — ดูแลความสัมพันธ์อย่างต่อเนื่อง ไม่มองเป็นคุณสมบัติคงที่ที่ทายได้ล่วงหน้าตั้งแต่ต้น เพราะทั้ง Joel et al. (2020) และ Righetti et al. (2022) ชี้ตรงกันว่าการเปลี่ยนแปลงของความสัมพันธ์ในอนาคตแทบทำนายไม่ได้จากข้อมูล ณ จุดเริ่มต้น สิ่งที่ทำ "ระหว่างทาง" จึงสำคัญกว่า

กรอบ "เลิก-สื่อ-ระวัง-ดูแล" เป็นเครื่องมือประยุกต์ของบทความนี้ที่ช่วยจดจำวิธีดูแลความสัมพันธ์แทนการพยายามทำนายอนาคต ไม่ใช่คำแนะนำทางคลินิกหรือมาตรวัดทางวิชาการที่ผ่านการตรวจสอบความเที่ยงตรง (validated instrument) แต่อย่างใด

กรณีจำลอง: เจนกับกอล์ฟและผลทดสอบความเข้ากันจากแอปหาคู่

เจนกับกอล์ฟคบกันมาได้ 8 เดือน วันหนึ่งเจนลองให้ทั้งคู่ทำแบบทดสอบความเข้ากันบนแอปหาคู่ยอดนิยม ผลออกมาว่าทั้งคู่ "เข้ากันได้ 62%" ซึ่งฟังดูไม่สูงมากจนเจนเริ่มกังวลว่าความสัมพันธ์นี้จะไปได้ไม่ไกล

เจนลองทำตามกรอบ "เลิก-สื่อ-ระวัง-ดูแล" แทนการปล่อยให้ตัวเลขนั้นกวนใจ เลิก — เธอเลิกคิดว่าตัวเลข 62% จากแบบทดสอบบุคลิกภาพจะบอกอนาคตความสัมพันธ์ของทั้งคู่ได้จริง สื่อ — เจนเลือกคุยกับกอล์ฟตรงๆ ว่ารู้สึกซาบซึ้งกับความทุ่มเทของเขามากแค่ไหนในช่วงที่ผ่านมา แทนที่จะเก็บความรู้สึกนั้นไว้คนเดียว ระวัง — เมื่อเห็นโฆษณาแอปอื่นที่อ้างว่า "AI จับคู่แม่นยำ 99%" เจนตั้งคำถามกับตัวเลขนั้นแทนที่จะเชื่อทันที ดูแล — แทนที่จะกังวลว่าอนาคตจะเป็นอย่างไร เจนกับกอล์ฟตกลงกันว่าจะคุยเช็คความรู้สึกกันสม่ำเสมอทุกเดือน แทนที่จะรอให้มีปัญหาก่อนค่อยคุย

ผ่านไปหลายเดือน เจนรู้สึกว่าความสัมพันธ์มั่นคงขึ้นจากการสื่อสารที่สม่ำเสมอ ไม่ใช่จากตัวเลขความเข้ากันที่เคยกังวล กรณีของเจนเป็นเพียงสถานการณ์จำลองเพื่อสาธิตวิธีคิดตามกรอบ "เลิก-สื่อ-ระวัง-ดูแล" ไม่ใช่ผลการทดลองจริงหรือกรณีศึกษาที่มีการเก็บข้อมูลอย่างเป็นระบบ

ลองเอาไปปรับใช้ดู

1. ลองอย่าเพิ่งตัดสินอนาคตความสัมพันธ์จากนิสัยของอีกฝ่ายเพียงอย่างเดียว เพราะ Joel และคณะ (2020) พบว่าลักษณะเฉพาะบุคคลอย่างบุคลิกภาพหรือรูปแบบความผูกพันทำนายความพึงพอใจได้เพียงประมาณ 1 ใน 5 ส่วน ขณะที่สิ่งที่เกิดขึ้นจริงในความสัมพันธ์สำคัญกว่ามาก 2. น่าจะช่วยได้ถ้าให้ความสำคัญกับการรับรู้ว่าคู่รักทุ่มเทและซาบซึ้งในตัวเรามากแค่ไหน เพราะ Joel และคณะ (2020) พบว่าตัวทำนายที่แข็งแรงที่สุดคือการรับรู้เฉพาะความสัมพันธ์ เช่น ความรู้สึกว่าคู่รักมุ่งมั่นและซาบซึ้งในตัวเรา การสื่อสารความรู้สึกเหล่านี้ออกมาให้ชัดเจนจึงอาจสำคัญกว่าการพยายามเปลี่ยนนิสัยตัวเอง 3. ลองอย่าเพิ่งตื่นเต้นกับโฆษณาแอปหาคู่หรือ AI ที่อ้างว่า "จับคู่ได้แม่นยำ" ก่อนตรวจสอบที่มาให้ดี เพราะ Fareed และคณะ (2022) แสดงให้เห็นว่าโมเดลที่อ้างความแม่นยำเกือบสมบูรณ์แบบมักมาจากกลุ่มตัวอย่างขนาดเล็กที่เสี่ยง overfitting สูง ต่างจากงานวิจัยที่น่าเชื่อถืออย่าง Joel และคณะ (2020) ที่ยอมรับตรงไปตรงมาว่าทำนายได้จำกัด 4. ไม่ต้องกังวลมากเกินไปก็ได้หากความพึงพอใจในชีวิตคู่ลดลงช่วง 5-10 ปีแรก เพราะ Bühler และคณะ (2021) พบว่าเป็นรูปแบบที่พบได้ทั่วไปในหลายวัฒนธรรม และมีแนวโน้มฟื้นตัวได้ในเวลาต่อมา ไม่ใช่สัญญาณว่าความสัมพันธ์จะพังเสมอไป 5. อาจลองลงทุนกับประสบการณ์ร่วมกันดู แทนที่จะพยายามเข้าใจอีกฝ่ายให้มากขึ้นในหัวอย่างเดียว เพราะ Li และคณะ (2022) พบว่าคู่ที่พึงพอใจสูงมีสมองที่ตอบสนองต่อสถานการณ์ชีวิตคู่ในรูปแบบใกล้เคียงกัน ซึ่งอาจสร้างขึ้นได้จากการใช้เวลาและประสบการณ์ร่วมกันในระยะยาว ไม่ใช่แค่ปัจจัยที่มีมาแต่กำเนิด 6. ลองมองความพึงพอใจในความสัมพันธ์เป็นสิ่งที่ต้องดูแลต่อเนื่อง แทนที่จะเป็นคุณสมบัติคงที่ที่ทายได้ล่วงหน้า เพราะทั้ง Joel และคณะ (2020) และ Righetti และคณะ (2022) ชี้ตรงกันว่าการเปลี่ยนแปลงของความสัมพันธ์ในอนาคตแทบทำนายไม่ได้จากข้อมูล ณ จุดเริ่มต้น หมายความว่าสิ่งที่คู่รักทำ "ระหว่างทาง" น่าจะสำคัญกว่าที่จุดเริ่มต้นเสียอีก