Test de Turing

Alan Turing no partió preguntando directamente si las máquinas pueden pensar —le pareció una pregunta "demasiado vaga para merecer discusión"— sino que propuso reemplazarla por un juego concreto. En su formulación original de 1950, en el artículo "Computing Machinery and Intelligence", el "juego de la imitación" involucra a tres participantes: un hombre, una mujer y un interrogador en habitaciones separadas que se comunican sólo por texto. El interrogador debe determinar cuál es cuál. Turing reformula luego el juego: se reemplaza a uno de los dos humanos por una máquina, y la pregunta pasa a ser si el interrogador puede distinguir a la máquina del humano tan bien como distinguía antes al hombre de la mujer.

La apuesta de Turing era pragmática: si una máquina logra sostener una conversación de manera indistinguible de un humano, la pregunta metafísica sobre si "realmente" piensa se vuelve, para efectos prácticos, poco relevante. Esto convirtió lo que era un debate puramente filosófico en algo con un criterio operacional, aunque —como se discute más abajo— esa misma jugada es también el blanco de la mayoría de las críticas al test.

Desde 1950 han surgido variantes que buscan corregir limitaciones percibidas del test original. El "Test de Turing Total", propuesto por Stevan Harnad, exige además capacidades sensoriales y motoras —percibir y actuar en el mundo físico, no sólo conversar por texto—, apuntando a la idea de que el lenguaje aislado del cuerpo podría no ser suficiente evidencia de inteligencia genuina. El "Test de Lovelace", propuesto por Selmer Bringsjord, en cambio, pide que la máquina produzca algo creativo que su propio programador no pueda explicar como consecuencia directa del código, buscando capturar originalidad y no sólo conversación fluida.

El test también ha sido criticado desde ángulos opuestos, lo que muestra que no hay consenso sobre qué mide realmente. Por un lado, se le acusa de ser demasiado fácil de superar sin inteligencia genuina: el experimento mental "Blockhead" de Ned Block imagina una máquina que responde con una tabla gigantesca de respuestas prearmadas, sin ningún proceso que se parezca a razonar, y que aun así podría pasar el test. Por otro, se le acusa de ser demasiado estrecho o sesgado hacia lo humano: reduce "inteligencia" a la capacidad de imitar patrones de conversación humanos, dejando fuera formas de inteligencia que no se parezcan a la nuestra. Turing mismo se equivocó en su propia predicción: estimó que hacia el año 2000 las máquinas podrían engañar a un interrogador humano el 70% del tiempo tras cinco minutos de conversación, un plazo que resultó demasiado optimista.

El test sigue citándose hoy, más de 75 años después, precisamente porque sintetiza en una sola prueba las tensiones que la IA generativa reabrió: los sistemas conversacionales actuales sostienen diálogos que muchas veces resultan indistinguibles de los de un humano en contextos acotados, lo que ha llevado a discutir públicamente, desde 2023, si alguna versión del test ya se superó y —más importante— si eso significa algo sobre si esos sistemas realmente "piensan" o simplemente producen texto estadísticamente convincente. Esa última pregunta es, otra vez, filosófica y no está zanjada por ningún resultado técnico.