Esta es la pregunta base que Alan Turing hizo en su trabajo en “Computing Machinery and Intelligence”, el que derivó en lo que hoy llamamos el juego de la imitación.
Este juego consiste en probar si un observador puede determinar si es que al otro lado de la sala hay una persona o máquina. La máquina gana si es que en el 30% de los casos el observador decide de manera incorrecta.
Si analizamos la estructura del test podemos destacar la simpleza con la que aborda distintas áreas: razonamiento, lenguaje, conocimiento y memoria, entre otras.
De alguna forma, lo que Alan Turing buscaba era una visión integral de lo que llamamos inteligencia y utilizó las máquinas puesto que éstas pueden resolver mejor muchas tareas que los humanos, lo que explica nuestra dependencia actual.
Lo anterior no significa que una inteligencia simulada supere a una real: una calculadora puede resolver problemas que una persona no, pero esto no significa que sea más inteligente que un humano.
Cuando una máquina venció a Turing
El año 2013 un chatbot superó el test de Turing, y lo hizo simulando ser un joven ucraniano de 13 años llamado Eugene Goostman.
Este hito, en vez de considerarse histórico, abrió los cuestionamientos sobre si algunas de las respuestas entregadas -confusas y erráticas-, son símbolos de inteligencia o una forma de anticiparse a ciertas preguntas con respuestas preestablecidas.
A continuación encontrarás un extracto de la conversación entre Scott, un humano, y Eugene, una computadora.
Dentro del mismo contexto pueden plantearse las siguientes dudas del método:
- ¿Quién asegura la imparcialidad del observador?
- ¿Es posible superar el test a través del engaño en vez de la imitación?
- ¿Es el test -realmente- una medida de inteligencia simulada?
No, no son las máquinas, somos nosotros
Hoy en día, se habla de cómo las máquinas reemplazan a los humanos distintas tareas: trabajos de manufactura y logística, conducción sin asistencia, clasificación, toma de decisiones, entre los más relevantes, así especializándose en una tarea específica y no en el concepto global de inteligencia.
Esta especialización ha llevado a que, durante los últimos 5 años, hayan existido avances extraordinarios en áreas como el reconocimiento de imágenes, traducción instantánea, software “cognitivo” y capacidad de hardware especializado, los que han sido impulsados por la reinterpretación de técnicas, como uso redes neuronales y aumento (x10000) de la capacidad de computo gracias a las GPU.
El test de Turing ha sido una herramienta muy importante para empujar el concepto de inteligencia, establecer una visión de futuro y definir una meta que superar. Pero hoy, las aplicaciones no son globales, sino que específicas por áreas, por lo que la mayoría de los científicos no se dedican a superar el test de Turing, sino que a superar retos propios de sus campos de especialidad.
