Prueba de Turing
Sinónimos: Test de Turing · Turing test
Definición ampliada
La Prueba de Turing designa habitualmente una familia de pruebas de imitación conversacional. En el artículo original de 1950, Turing sustituyó la pregunta «¿pueden pensar las máquinas?» por un juego de imitación: un interrogador separado de dos participantes intenta identificarlos a partir de respuestas escritas [1].
La exposición inicial del juego presenta a un hombre y una mujer; después pregunta qué ocurriría al hacer que una máquina ocupara el lugar de uno de ellos. Muchas versiones posteriores simplifican el protocolo a distinguir una persona de una máquina en una conversación. Es importante declarar cuál de esas versiones se evalúa antes de afirmar que un sistema «pasó» la prueba.
Contexto histórico
Alan Turing publicó Computing Machinery and Intelligence en Mind en octubre de 1950 [1]. Su propuesta fue un experimento para discutir conducta observable de las máquinas; no fue un certificado universal de inteligencia ni una prueba clínica. El artículo formuló una predicción sobre interrogatorios de cinco minutos, pero no estableció un umbral válido para cualquier sistema o duración.
Importancia actual
Las comparaciones conversacionales siguen siendo útiles para estudiar la capacidad de imitar respuestas humanas en un contexto definido. Su resultado depende de quién pregunta, de la duración, del canal, de las instrucciones y de cómo se decide el acierto. Sin esos datos, una declaración de éxito no es comparable con otra.
Aplicaciones
Generales
- Diseñar evaluaciones de imitación conversacional con protocolo explícito.
- Enseñar la diferencia entre conducta observable y atribuciones sobre comprensión o conciencia.
Sanitarias
La naturalidad de una conversación con un sistema no sirve para evaluar la exactitud de una respuesta médica ni la seguridad de su uso. Una evaluación sanitaria necesita preguntas, resultados y criterios propios del contexto clínico, además de medir errores y posibles daños.
Limitaciones
- Imitar respuestas humanas no demuestra comprensión, conciencia ni inteligencia artificial general.
- El resultado cambia con el protocolo y las personas evaluadoras.
- Una conversación convincente puede contener afirmaciones falsas.
Ejemplos
Ejemplo hipotético: varias personas hacen preguntas escritas a un humano y a un sistema ocultos bajo etiquetas. Si aciertan poco al identificarlos, solo se ha medido la dificultad de distinguirlos bajo ese protocolo. No se ha probado que el sistema razone bien en otras tareas.