Teste de Turing: o que é, sua história e desdobramentos

"As máquinas podem pensar?". Esse foi o questionamento que levou Alan Turing, grande intelectual britânico nos campos da matemática, criptografia, ciência da computação e inteligência artificial, a criar o famoso Teste de Turing.

Se você acompanha tecnologia, sabe que a Inteligência Artificial está sendo amplamente discutida nos últimos anos, especialmente após o lançamento e popularização do ChatGPT. Aqui no Blog da Caiena já falamos sobre como essa tecnologia tem avançado e alguns dos questionamentos em torno dela, mas sempre gostamos de relembrar que a Inteligência Artificial não se trata de uma novidade, de fato. Nesse contexto, faz sentido entender a fundo o Teste de Turing, um dos experimentos mais comentados da história da Inteligência Artificial. Continue navegando pelo conteúdo: 

‍- Alan Turing 

- O Teste de Turing 

- Limitações e Inconsistências do Teste de Turing 

- Outros testes 

- Conclusão

O matemático e cientista da computação Alan Turing, como já contamos aqui nesse post, é considerado o "pai da Inteligência Artificial". Além de uma produção acadêmica indispensável para o meio da computação, ele foi responsável por levantar questionamentos muito pertinentes sobre o poder de compreensão e execução de uma máquina. 

Dois de seus artigos contribuíram muito para a evolução dos estudos em torno da computação, sendo inclusive alicerce para tecnologias que usamos atualmente: 

• "On Computable Numbers" ("Sobre números computáveis", em tradução livre), publicado em 1936: nesse conteúdo, Turing estabeleceu os conceitos fundamentais de um computador, chamado na época de "A máquina de Turing"; 
• "Computary Machinery and Intelligence" ("Máquinas computacionais e inteligência", em tradução livre), publicado em 1950: esse foi o artigo em que, pela primeira vez, o autor trouxe o questionamento sobre a capacidade de pensamento de uma máquina. O trecho citado no início desse texto é justamente a reflexão que abre o artigo de Turing. Para tentar respondê-la, além de uma provocação sobre o significado dos termos "máquina" e "pensamento", ele propõe um teste similar ao "Jogo da Imitação", que viria a se tornar o Teste de Turing. Ah, e um breve spoiler: ao invés de refletir profundamente sobre o que é o pensamento, no primeiro capítulo, Turing substitui a pergunta por outra: "uma máquina pode imitar o comportamento humano?"

O Jogo da Imitação citado por Turing se trata de um teste composto por três pessoas: um homem, uma mulher e uma pessoa avaliadora, de qualquer gênero. O objetivo é que a pessoa avaliadora consiga definir quem é o homem e quem é a mulher. Porém, os participantes não podem ser vistos, nem ouvidos – na época, a comunicação deveria acontecer por meio de notas em uma máquina de escrever ou por um teletipo, espécie de máquina de escrever eletromecânica para transmissão de dados usada no século XX. 

Para desvendar a charada, a pessoa avaliadora pode enviar perguntas diretas que possam dar alguma pista sobre o gênero dos respondentes, como "qual é o comprimento do seu cabelo?". No entanto, o objetivo de um dos participantes é fazer com que o avaliador erre em sua suposição, enquanto a função do outro é ajudá-lo a chegar à solução correta. 

A partir da dinâmica do Jogo da Imitação, Turing questiona o que mudaria se tivéssemos uma máquina no lugar da pessoa que deve confundir o avaliador: "ele irá escolher erroneamente, como acontece com frequência nesse jogo quando temos um homem e uma mulher? Essas questões substituem a original 'as máquinas podem pensar?'".

Agora sim, falando do Teste de Turing em si, a dinâmica acontece da seguinte forma: também temos três figuras: uma avaliadora, um indivíduo de qualquer gênero e um computador. Dessa vez, o objetivo é que quem avalia consiga adivinhar quando está falando com uma máquina ou com um humano. Ao mesmo tempo, a máquina deve ter sido treinada para responder como um humano, e tem o papel de confundir quem avalia. Caso o avaliador não acerte quem é o humano, o entendimento é que a máquina "é inteligente"... ou como Turing citou, ela é capaz de imitar o comportamento humano. 

A diferença essencial entre ser inteligente e imitar o comportamento humano é que, no segundo caso, não é necessário verificar se a máquina é autoconsciente e se pode, de fato, pensar; o que o teste indica é que determinada máquina é capaz de "processar grandes quantidades de informações, interpretar a fala e comunicar-se com seres humanos" (Tom Taulli, “Introdução à Inteligência Artificial”). Ainda em seu artigo, Turing estimou que uma máquina só seria capaz de passar em seu teste próximo do final do século XX. 

Competições em torno do tema surgiram ao longo dos anos para incentivar a criação de sistemas de software inteligentes, como o Loebner Prize e a Turing Test Competition. Ainda assim, uma máquina só veio a passar no teste em 2014: o programa Eugene Goostman conseguiu convencer 33% dos jurados de que era humano. O teste foi realizado na Royal Society, em Londres. A máquina havia sido programada para responder como um jovem ucraniano de 13 anos, portanto, era coerente que cometesse erros na gramática ou grafia durante sua comunicação, o que ajudou o programa a passar no teste.

Criado em 1950, o Teste de Turing foi desafiador para a época. No entanto, estudiosos e profissionais de computação também questionam suas limitações, apontando que o teste pode ser manipulado de maneira relativamente simples.

Pensando no Eugene Goostman, primeiro programa a passar no Teste de Turing citado anteriormente, o professor Murray Shanahan, do Departamento de Computação na Imperial College de Londres, diz que há um número considerável de deficiências entre a competição em que o Eugene passou e a imaginada por Turing. Como exemplos, ele cita a taxa de 33% de aprovação e a necessidade de manter uma conversação por cinco minutos, regras inexistentes no artigo original.

Mas questionamentos em relação ao teste existem desde bem antes. Em 1980, o filósofo John Searle produziu o artigo "Minds, Brains and Programs" ("Mentes, cérebros e programas", em tradução livre), em que explica seu raciocínio, chamado de "argumento do quarto chinês". Em seu exemplo, ele discute que é possível que uma pessoa se comunique em chinês, mesmo que não saiba, de fato, o idioma. Isso seria possível a partir do conhecimento de algumas palavras e de como combiná-las em uma frase. 

O mesmo valeria para computadores: ou seja, é como se uma máquina fosse capaz de manter uma conversa com um humano, transmitindo informações organizadas e relacionando palavras em uma oração, mas não tivesse a capacidade de interpretar plenamente seu sentido de acordo com o contexto, como uma pessoa faria. Em resumo, Searle aponta que uma máquina até pode ser capaz de simular uma mente (ou um humano), mas isso por si só não garante que possua de fato algo similar a uma mente. 

Do ponto de vista de quem projeta sistemas de IA, esse argumento tem peso prático. Um modelo de linguagem pode redigir um relatório impecável, responder perguntas de clientes com fluência e parecer completamente coerente, e ainda assim falhar de formas inesperadas quando o contexto muda, quando a pergunta é ambígua ou quando a tarefa exige julgamento que vai além do padrão treinado. Conhecer esse limite é o ponto de partida para projetar sistemas mais robustos e para definir onde a supervisão humana ainda é insubstituível. Se você quer aprofundar essa discussão aplicada ao seu contexto — seja no design de produtos, na automação de processos ou na escolha de ferramentas, fale com a Caiena. É exatamente esse tipo de análise que fazemos.

Considerando as limitações do Teste de Turing, outros métodos foram e têm sido criados ao longo do tempo para avaliar a capacidade de máquinas em relação à Inteligência Artificial. Aqui destacamos alguns: 

• The Kurzweil-Kapor Test: nesse teste, um computador precisaria manter uma conversa por duas horas com cada um dos três avaliadores, e convencer dois deles de que do outro lado da tela há um humano. Os criadores fizeram uma aposta famosa: um acredita que uma máquina passará no teste antes de 2029; o outro acredita que isso só será possível após 2029;
• The Coffee Test: Steve Wozniak, cofundador da Apple, sugere um teste em que um robô deve ser capaz de entrar na casa de um estranho, localizar a cozinha e fazer uma xícara de café; 
• The Robot College Student Test: o teste formulado pelo cientista Ben Goertzel propõe que um robô assista à aulas e faça provas, assim como alunos humanos. O objetivo é verificar se o "colega" conseguiria aprender e ser aprovado nos exames;
• The Employment Test: no ano de 2015, em seu artigo "Human Leven Artificial Intelligence? Be Serious!", o pesquisador Nils J. Nilsson propôs um teste em que um programa de Inteligência Artificial deveria ser exercer funções profissionais típicas de humanos, como atender clientes, redigir relatórios ou operar equipamentos. Um de seus argumentos é que "máquinas tão inteligentes quanto humanos deveriam conseguir fazer a maior parte do que os humanos fazem". 

O que esses testes têm em comum é que todos tentam medir inteligência por comportamento observável — e todos esbarram, de formas diferentes, na mesma questão que Searle levantou: comportamento adequado não é evidência suficiente de compreensão.

É curioso pensar que Turing, ao escrever o histórico artigo "Computary Machinery and Intellingence", fez algumas simples perguntas ao propor os princípios do Teste de Turing. O questionamento "uma máquina pode pensar?", em meio ao contexto de 1950, foi e continua sendo ponto de partida para debates sobre consciência, linguagem e os limites do que chamamos de inteligência — e não apenas na computação, mas também na filosofia e na física, para deixar a lista curta.

Por fim, Turing também questionou: "O que acontecerá quando uma máquina substituir uma pessoa no Jogo da Imitação? O interrogador irá escolher erroneamente com a mesma frequência que o faz quando o jogo é entre um homem e uma mulher? Essa é uma questão que vale a pena investigar?"

Enquanto nós temos a perspectiva do tempo para responder com segurança que sim, essa questão vale a investigação, ainda é impossível dizer se e quando máquinas poderão de fato ser consideradas inteligentes e com capacidades equiparáveis às humanas. 

Quando olhamos para modelos como o ChatGPT ou o Claude à luz do Teste de Turing, percebemos que, nas condições descritas por Turing em 1950, provavelmente enganariam a maioria dos avaliadores, embora isso, por si só, não encerre o debate. O que o teste revela, talvez mais do que qualquer resposta definitiva, é que a pergunta em si precisa ser constantemente revisitada. Inteligência artificial não é um destino fixo, mas um conceito que pesquisadores e engenheiros precisam redefinir cada vez que um novo modelo muda o que se esperava ser impossível.

Para quem toma decisões sobre sistemas de IA, seja desenvolvendo produtos, automatizando operações ou avaliando fornecedores, essa revisão constante não é abstrata. Ela aparece toda vez que um modelo surpreende positivamente, e toda vez que ele falha onde não deveria. Mapear esses limites com clareza é o que separa uma implementação bem-sucedida de uma que gera retrabalho ou risco. Na Caiena, esse debate nos interessa muito — e é com essa perspectiva que trabalhamos com nossos clientes.

Se você chegou até aqui, a newsletter da Caiena provavelmente é para você. A cada duas semanas, um tema de tecnologia ou design com a nossa leitura sobre ele. Assine abaixo: