Test de Turing
Por qué importa
En profundidad
La jugada de Turing fue eludir por completo la filosofía. En vez de definir "pensar", describió un juego de salón: un interrogador escribe preguntas a dos jugadores ocultos, uno humano y otro máquina, e intenta averiguar cuál es cuál únicamente por sus respuestas. Si al interrogador no le va mejor que al azar, gana la máquina. La configuración elimina todo salvo el comportamiento conversacional — nadie pregunta cómo funciona internamente la máquina, si es consciente o de qué está hecha. Esa estrechez deliberada explica tanto por qué se popularizó la prueba como por qué ha recibido críticas desde entonces: mide el rendimiento, no el mecanismo. En la era moderna de los grandes modelos de lenguaje, cuyo objetivo completo de entrenamiento es producir texto plausible, la prueba ha chocado de frente con sistemas extraordinariamente buenos precisamente en lo que mide.
El juego de imitación original
El artículo de Turing de 1950 describe un juego con tres participantes: un hombre, una mujer y un interrogador de cualquier género, todos comunicándose mediante mensajes escritos para que la voz y la apariencia no revelen nada. El trabajo del interrogador es decidir qué jugador es la mujer, mientras el hombre intenta engañarlo. Turing preguntó entonces qué ocurre cuando una máquina ocupa el lugar del hombre — ¿se equivocará el interrogador con aproximadamente la misma frecuencia? Este encuadre importa porque la prueba nunca trató de recitar hechos; trataba de si una máquina podía mantener el tipo de conversación flexible y abierta que parecía requerir una mente. Turing predijo que para el año 2000 las máquinas jugarían lo bastante bien como para que un interrogador promedio no tuviera más de un 70 % de probabilidades de identificarlas correctamente después de cinco minutos de preguntas, una observación que más tarde se endureció en el umbral de aprobación citado a menudo de "30 % de los jueces durante cinco minutos".
De ELIZA al Premio Loebner
La primera advertencia de que la prueba recompensa el engaño llegó pronto. En 1966, Joseph Weizenbaum creó ELIZA, un Chatbot que parodiaba a un psicoterapeuta devolviendo como preguntas las afirmaciones de los usuarios mediante una sencilla comparación de patrones — y algunos usuarios se convencieron de que los comprendía. La reacción perturbó tanto a Weizenbaum que pasó el resto de su carrera argumentando contra la confusión entre simulación y comprensión. El patrón se repitió durante décadas en el Premio Loebner, una competición anual celebrada de 1990 a 2019 que otorgaba medallas al programa más parecido a un humano; ninguna participación superó jamás una prueba abierta y de larga duración. En 2014, un programa llamado Eugene Goostman, que se hacía pasar por un niño ucraniano de 13 años con un inglés imperfecto, convenció a un tercio de los jueces en un evento de cinco minutos y se declaró que había aprobado — una afirmación ampliamente desestimada porque el personaje justificaba sus evasivas y las conversaciones eran breves.
Los LLM rompieron la prueba
Los sistemas modernos de tipo Modelo de lenguaje grande cambiaron por completo el panorama. El preentrenamiento sobre corpus de texto enormes los convierte por diseño en imitadores fluidos de la conversación humana, precisamente la habilidad que puntúa el juego de imitación. En estudios controlados de 2024 y 2025, los jueces de juegos de imitación con tres participantes identificaron sistemas como modelos de clase GPT-4 como humanos aproximadamente la mitad de las veces o más, y en un estudio de 2025 un modelo dirigido mediante un prompt de personaje fue calificado como más humano que el verdadero participante humano. De manera crucial, lo que decidió el resultado no fue un razonamiento profundo, sino el estilo superficial: velocidad de escritura, errores tipográficos, uso de emojis, brevedad y un personaje creíble. Superar una conversación de texto de cinco minutos, antes considerado un hito lejano en el camino hacia la AGI, resultó ser algo que un Prompt bien ajustado podía lograr en gran medida.
Una prueba de engaño, no de inteligencia
La idea equivocada más profunda es que superar el Test de Turing demuestra inteligencia. La prueba mide si se puede engañar a un juez, y eso depende tanto de las expectativas del juez, el límite de tiempo y el formato como de las capacidades de la máquina — por eso los resultados varían enormemente entre un investigador escéptico de IA y un participante ocasional. El experimento mental de la Habitación China de John Searle insistió en este punto en 1980: un sistema puede producir respuestas conversacionales perfectas manipulando símbolos sin entender nada. Los críticos de los chatbots modernos presentan una versión del mismo argumento, llamando a los LLM Loro estocástico que remezclan texto de entrenamiento. En la práctica, el campo ha seguido adelante discretamente: la Evaluación seria ahora depende de benchmarks de capacidades, protocolos de Evaluación humana y plataformas de preferencias como Chatbot Arena, mientras el Test de Turing sobrevive principalmente como hito histórico y generador de titulares.