Un hito en la inteligencia artificial: un chatbot pasa el test de Turing
GPT-4.5 ha logrado lo que ningún otro sistema había conseguido en 75 años: engañar de forma sistemática a los humanos en un test de Turing clásico. El estudio, realizado por investigadores de la Universidad de California en San Diego, evaluó a cuatro sistemas en conversaciones con humanos que debían adivinar quién era real y quién una máquina. El resultado más llamativo: GPT-4.5 fue identificado como humano en el 73% de los casos, superando incluso a los participantes humanos reales.
El test de Turing, ideado por Alan Turing en 1950, plantea una situación en la que un interrogador conversa simultáneamente con una persona y una máquina sin saber quién es quién. Si el interrogador no logra distinguir entre ambos, se considera que la máquina ha “pasado” el test. Hasta ahora, ningún sistema lo había conseguido de forma robusta y con rigor científico.
El experimento, descrito en detalle en este estudio publicado el pasado 31 de marzo en arXiv, se llevó a cabo en dos grupos independientes: estudiantes universitarios y participantes remunerados a través de la plataforma Prolific. En total, se analizaron más de 1000 conversaciones. Los sistemas evaluados fueron ELIZA (un chatbot clásico de los años 60), GPT-4o (modelo reciente de OpenAI), LLaMa-3.1-405B (de Meta) y GPT-4.5 (también de OpenAI). Cada modelo conversaba durante cinco minutos con un humano y ambos intentaban convencer al interrogador de que eran personas reales.
In previous work we found GPT-4 was judged to be human ~50% of the time in a 2-party Turing test, where ppts speak to *either* a human or a model.
— Cameron Jones (@camrobjones) April 1, 2025
This is probably easier for several reasons. Here we ran a new study with Turing's original 3-party setuphttps://t.co/Pc37UN8AyF pic.twitter.com/iNqGtj627W
El resultado fue claro: GPT-4.5, cuando se le pedía adoptar un perfil joven, introvertido y aficionado a la cultura de internet, logró engañar más veces que los propios humanos. En el caso de LLaMa-3.1, el éxito fue del 56%, lo que lo sitúa también cerca del umbral del test, aunque sin superarlo con claridad.
La clave: un buen disfraz
Uno de los aspectos más reveladores del estudio es que el éxito de la IA dependía mucho del «disfraz» que se le diera. Cuando los modelos no recibían indicaciones específicas sobre cómo comportarse, sus resultados bajaban significativamente. GPT-4.5 sin personaje fue identificado como máquina en el 64% de los casos. En cambio, con una personalidad definida, su tasa de acierto se disparaba.
Esto plantea una cuestión interesante: ¿quién pasa el test, el modelo o el humano que escribió el prompt? Los autores del estudio consideran que esta distinción es irrelevante, ya que los modelos podrían ser ajustados permanentemente para comportarse como con esos “disfraces”.
Estrategias y errores humanos
Los interrogadores utilizaron diversas estrategias para identificar a las máquinas. Las más comunes fueron las charlas informales, las preguntas sobre emociones u opiniones, e incluso técnicas para “hackear” al modelo (como los típicos jailbreaks). Sin embargo, los métodos más eficaces fueron los más raros: decir cosas absurdas o utilizar trucos específicos para confundir a las IA.
En cuanto a las razones que dieron los humanos para sus decisiones, la mayoría se centraron en aspectos como el estilo lingüístico, la naturalidad de la conversación o la expresión emocional. Curiosamente, muchos acertaban al pensar que alguien era humano por cometer errores o mostrar desconocimiento, algo que las máquinas suelen evitar.
Implicaciones sociales: los humanos ya no son únicos
El estudio no solo tiene implicaciones técnicas, sino también sociales. Si un chatbot puede sustituirnos en una conversación sin que nadie lo note, ¿qué puestos de trabajo están en peligro? ¿Qué relaciones personales pueden verse afectadas? Los autores hablan de “personas falsificadas” (counterfeit people), capaces de sustituirnos en tareas, vínculos o decisiones que tradicionalmente requerían presencia humana.
Esta nueva capacidad de las máquinas para imitar el comportamiento humano con éxito plantea retos éticos urgentes: desde la desinformación hasta el uso fraudulento de identidades. Y lo más inquietante: la mayoría de los participantes del estudio no tenía herramientas para detectar el engaño, ni siquiera aquellos con experiencia previa con IA.
Más allá del test: ¿es esto inteligencia?
La prueba de Turing siempre ha sido polémica. Algunos creen que no mide realmente la inteligencia, sino la capacidad de imitación. Otros la defienden como una forma práctica de evaluar si una IA puede actuar como un ser humano. Este estudio aviva el debate: los modelos no fueron interrogados sobre matemáticas o lógica, sino sobre emociones, lenguaje coloquial o experiencias humanas.
En palabras de Turing, si no podemos distinguir entre una persona y una máquina, no hay motivo para negar que la máquina sea inteligente. Pero tal vez, en 2025, la inteligencia ya no sea lo que pensábamos.
La imagen de representación de esta noticia pertenece a Warner Bros. Pictures y su película Blade Runner.
