Puntos clave
- La prueba de Turing es un examen que consiste en adivinar, solo por la conversación, si el interlocutor es una persona o una máquina. Si el jurado no logra distinguirlo, se considera que la máquina la pasó.
- Lo que mide no es inteligencia, sino indistinguibilidad. Si no poder distinguirla cuenta como base para decir que entendió, es algo en lo que las opiniones se dividen.
- Su valor está en haber convertido una pregunta sin respuesta clara, "¿qué es pensar?", en una pregunta que se puede verificar a simple vista.
- El resultado cambia mucho según cómo se fijen las condiciones, así que hoy casi no se usa como criterio de rendimiento en el desarrollo de IA.
- Aun así, la pregunta de fondo —si parecer humano por fuera puede considerarse saber de verdad— es hoy más importante que nunca.
La analogía
En un casting hay una cortina gruesa colgada en el medio. El jurado no ve quién está sobre el escenario: solo escucha lo que llega del otro lado. Sin cara, sin nombre, sin currículum a la vista, lo único que tiene para juzgar es lo que cruza esa cortina.
La prueba de Turing es ese casting. Del lado del jurado se sienta una persona; del otro lado de la cortina hay una persona y una máquina. El jurado hace preguntas solo por escrito, lee las respuestas que le llegan, y elige cuál de las dos cree que es la máquina. Si la máquina es elegida como humana con suficiente frecuencia, se considera que pasó la prueba. Lo que se juzga acá no es quién canta mejor de verdad, sino una sola cosa: si suena como una persona del otro lado de la cortina.
En detalle
Lo que pasa detrás de la cortina
Las reglas del examen son simples. El jurado conversa solo por escrito con los dos participantes. La voz, el aspecto, la costumbre de tardar más o menos en responder: todo eso queda oculto. Se puede preguntar cualquier cosa, tender trampas, volver a preguntar de otra forma.
Cuando pasa el tiempo fijado, el jurado señala cuál cree que es la máquina. Si, sumando varios jurados y varias rondas, la proporción de veces que confunden a la máquina con una persona es lo bastante alta, se considera que esa máquina superó la prueba. La única base del veredicto es lo que se escribió.
Qué mide y qué no mide
Esta prueba no mira el interior del otro lado. No pregunta cómo se armó la respuesta ni si de verdad se entendió lo que se dijo. El principio de fondo es juzgar solo por lo que se ve desde afuera.
La pregunta original era "¿puede pensar una máquina?". Pero como el significado de "pensar" cambia según quién responda, la discusión daba vueltas sin llegar a ningún lado. Entonces se cambió la pregunta misma. En lugar de una pregunta sin forma de verificarse, se puso una que sí se puede verificar. Pero eso tuvo un costo: se discute si pasar esta prueba cuenta como prueba de haber entendido.
Se inclina hacia quien mejor finge
El juicio detrás de una cortina tiene una rareza. Cuanto más deja ver la máquina su capacidad real, más fácil es que se delate. Resolver un cálculo difícil al instante no suena a persona; un modo de hablar demasiado prolijo y sin fisuras tampoco suena a persona.
Por eso, a quien apunta a pasar esta prueba le conviene, a propósito, tipear con errores, equivocarse en una cuenta, distraerse un poco. La prueba termina empujando a desarrollar el arte de fingir en vez de la capacidad real. Esta es una debilidad que se señala desde hace mucho tiempo.
Por qué casi no se usa hoy como criterio
Hoy, para evaluar una IA, se separan los ítems en partes chicas. Se mide por separado la capacidad de resolver problemas, la de leer un texto largo y encontrar el fundamento, la de darse cuenta sola de que una respuesta estaba mal. Hace falta saber dónde está fuerte y dónde está débil para poder corregirla.
El juicio tras la cortina mezcla todo eso y lo resuelve de un solo veredicto. Solo queda el resultado de si pasó o no, sin decir qué le falta. Y encima, el resultado varía mucho según qué pregunte el jurado, así que frente al mismo participante el veredicto puede salir distinto. La escala es demasiado floja para usarla como examen.
La pregunta que dejó esta prueba
Hoy es mucho más difícil distinguir a alguien solo por la conversación. Por eso esta prueba se retiró como criterio de rendimiento, pero se volvió más importante en otro terreno. En un mundo donde ya no se puede saber quién escribió un texto que suena a persona, queda la pregunta de qué creer y qué verificar.
Que la voz del otro lado de la cortina suene fluida no significa que lo que dice sea correcto. Esta distinción, que la prueba de Turing no pregunta y deja de lado, se volvió incluso más nítida ahora que abunda el texto que suena convincente.
Con más precisión
La prueba de Turing nace del Juego de imitación (Imitation Game) que Alan Turing propuso en un artículo de 1950. El Juego de imitación original consistía en que un jurado conversara solo por escrito y adivinara cuál de dos personas era el hombre y cuál la mujer. Turing preguntó qué pasaría si en uno de esos lugares se pusiera una máquina: ¿se equivocaría el jurado tantas veces como cuando son dos personas? Esa pregunta se convirtió en el marco de la prueba de Turing actual. Turing previó que, unos cincuenta años después, tras cinco minutos de conversación, un jurado promedio no tendría más de un 70 % de probabilidad de acertar, pero no fijó eso como un umbral formal de aprobación. Por eso después cada quien experimentó con condiciones distintas. En conversaciones cortas hubo varios casos en que la máquina fue elegida como humana, y en un experimento reciente con el formato que propuso Turing (el jurado conversa a la vez con una persona y con una máquina), una máquina a la que se le indicó hablar como una persona fue elegida como humana más a menudo que la persona real. Aun así, si se cambian la duración de la conversación, el jurado o las condiciones, el resultado también cambia.
También aquí la analogía tiene sus costuras. En un casting el criterio de jurado está fijado de antemano y todos los participantes reciben la misma prueba, pero en esta prueba la dificultad cambia por completo según qué pregunte el jurado. Frente a un jurado que pregunta a la ligera, pasar es fácil; frente a uno que tiende buenas trampas, es mucho más difícil. Además, un casting busca distinguir talento real, mientras que lo que distingue esta prueba no es talento, sino el grado de indistinguibilidad respecto de una persona. Si quien pasó la prueba de verdad entendió, sigue siendo tema de discusión hoy.
Pruébalo
- Character.ai (chatbots de personajes) ailearn.space Juzga tú mismo qué tan convincente es el tono de quien finge ser humano, y en qué punto se nota el engaño
- LM Arena (compara modelos de IA) ailearn.space Pone dos respuestas anónimas una al lado de la otra para que elijas. Se siente en carne propia lo que es juzgar detrás de una cortina
Malentendidos comunes
Es fácil pensar que pasar la prueba de Turing demuestra que la máquina piensa como una persona, pero lo que la prueba muestra directamente es solo que no se pudo distinguir en la conversación. Si eso sirve como base para decir que piensa, es un tema en que las opiniones se dividen: hay quien lo considera una base suficiente y quien responde que imitar no basta para hablar de comprensión.
Es fácil creer que todavía nadie la pasó, pero en realidad hubo varios casos, en conversaciones cortas, en que la máquina fue elegida como humana, y el resultado cambia según cómo se fijen las condiciones.
Es fácil pensar que la prueba de Turing es el examen estándar para medir el rendimiento de una IA, pero en realidad ese lugar lo ocupan hoy otras evaluaciones que miden la capacidad por partes separadas.
Resumen en una línea
La prueba de Turing adivina, solo por la conversación tras una cortina, si el otro es humano o máquina, y pasarla significa que no se distinguió de una persona en la conversación; si eso sirve como base para decir que entendió, las opiniones se dividen.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización 2026-10-18