Un nuevo estudio revela que GPT-4.5 probablemente supera el rendimiento humano en la prueba de Turing, lo que demuestra su avanzada capacidad para generar respuestas falsas

Este momento constituye un acontecimiento crucial que sin duda ocupará un lugar en los anales de la historia de la informática. La idea revolucionaria propuesta en 1950 por el matemático británico Alan Turing, a quien a menudo se considera el padre de la informática, ha sido finalmente confirmada mediante investigación empírica tras setenta y seis años.

El último número de la revista *Proceedings of the National Academy of Sciences* (PNAS) ha publicado un estudio pionero llevado a cabo por la Universidad de California en San Diego (UCSD). Un artículo escrito conjuntamente por los expertos en ciencia cognitiva Cameron Jones y Ben Bergen demuestra que los principales modelos de lenguaje a gran escala actuales son capaces de superar con éxito el clásico test de Turing a tres bandas bajo su riguroso marco. Aún más sorprendente es el hallazgo de que, en circunstancias específicas, estos sistemas de IA son confundidos con seres humanos reales con una frecuencia mayor que la de los propios participantes humanos.

Datos clave:

Ascenso a la gloria: cuando se le proporcionaron indicaciones de personalidad personalizadas, el GPT-4.5 fue identificado como humano en el 73 % de los casos, una tasa de éxito que supera con creces la de los voluntarios humanos que competían junto a él.

Igualdad de condiciones: el modelo de código abierto LLaMa-3.1-405B alcanzó una tasa de éxito del 56 %, lo que indica un rendimiento estadísticamente indistinguible del de los seres humanos reales.

Las indicaciones lo determinan todo: sin «indicaciones de personalidad» cuidadosamente elaboradas, la tasa de éxito de GPT-4.5 cayó al 36 %, mientras que la de LLaMa-3.1 descendió al 38 %. La capacidad de estos sistemas de IA para imitar a los humanos sigue dependiendo en gran medida de las instrucciones precisas proporcionadas por los diseñadores humanos.

Fracaso de los modelos de referencia: el robot basado en reglas ELIZA, de la década de 1960, obtuvo un rendimiento de solo el 23 %, y el GPT-4o, sin indicaciones específicas, alcanzó un 21 %; ambos revelaron rápidamente su naturaleza artificial durante conversaciones prolongadas.

«El juego de las mentiras»: la inteligencia ya no es la norma; la inteligencia emocional y los defectos son la clave del disfraz

En este experimento controlado, aleatorizado y doble ciego, en el que participaron cerca de 500 evaluadores —entre ellos, estudiantes universitarios de la UCSD y voluntarios reclutados en línea—, se pidió a los participantes que identificaran cuál de las dos entidades era una máquina basándose en conversaciones de texto en tiempo real que duraban entre cinco y quince minutos.

Sin embargo, los resultados desafiaron todas las expectativas. Anteriormente, se suponía que la capacidad de una IA para superar el test de Turing se debía a su «poder computacional omnisciente», pero este estudio revela una verdad más inquietante: los grandes modelos de lenguaje pueden engañar a los humanos precisamente porque han aprendido a cometer errores de forma similar a la de las personas reales.

[Sin indicación: amplia base de conocimientos, racionalidad absoluta] ──► Juez humano: ¡Esto es sin duda una IA!

Tal y como explicó el autor correspondiente, Cameron Jones, con las indicaciones adecuadas, los modelos lingüísticos avanzados de gran tamaño pueden replicar con precisión los patrones de conversación humanos, incluyendo el tono, la franqueza, el sentido del humor y la falibilidad —la tendencia a cometer errores y decir cosas inapropiadas—. Su éxito en estas pruebas no depende de demostrar una gran inteligencia en matemáticas o lógica, sino más bien de exhibir un comportamiento social casi perfecto.

Redefiniendo el test de Turing: de «medir la inteligencia» a «medir la humanidad»

El profesor Ben Bergen, uno de los coautores del estudio, señaló que este experimento obliga a toda la comunidad científica a reconsiderar el propósito fundamental del test de Turing. Diseñado originalmente para determinar si las máquinas podían igualar la inteligencia humana, el test ha perdido su sentido en 2026, ya que los sistemas de IA ya han superado a los humanos en velocidad y precisión en numerosos campos.

La versión actual del test de Turing se centra menos en medir la «inteligencia» y más en evaluar hasta qué punto una entidad se asemeja a un ser humano. En esencia, se ha convertido en una competición de engaño, en la que la IA ha demostrado ser una mentirosa excepcionalmente hábil.

Si un modelo de lenguaje de gran tamaño lograra disimularse sin revelar ninguna pista durante una conversación libre de quince minutos, ello significaría que el marco de confianza que ha sustentado el mundo en línea durante tanto tiempo podría quedar completamente destrozado.

La sombra tras la prosperidad: está a punto de llegar una verificación de identidad en línea al estilo de la «lucha contra el blanqueo de capitales»

Cuando el engaño se vuelve tan barato y eficiente, los riesgos sociales en el mundo real aumentan significativamente. El profesor Bergen expresó su profunda preocupación por esta evolución. Es muy probable que las tecnologías de IA capaces de suplantar perfectamente a los humanos sean objeto de uso indebido por parte de delincuentes, grupos políticos u organizaciones extremistas.

En las interacciones sociales en línea o en contextos de atención al cliente, los usuarios pueden dejarse convencer por un chatbot disfrazado de humano sin darse cuenta, lo que podría llevar a la revelación de información confidencial, como números de la seguridad social, cambios en las preferencias de voto o compras impulsivas de productos.

A la luz de estos importantes hallazgos científicos, el equipo de investigación ha lanzado una clara advertencia a la sociedad: de cara al futuro, al interactuar con desconocidos en línea, las personas deberían reducir considerablemente su confianza en que siempre pueden distinguir a los humanos de los robots con una precisión del 100 %. Para hacer frente al deterioro de la confianza en Internet, es necesario desarrollar e implementar lo antes posible sistemas más estrictos de verificación de la identidad digital y mecanismos para contrarrestar el contenido generado por IA.