Em 1950, o matemático britânico Alan Turing (1912-1954), um dos pioneiros da computação, propôs substituir a questão “Podem as máquinas pensar?” por um critério operacional mais prático. Ele idealizou o chamado “jogo da imitação”, no qual um interrogador humano deveria distinguir, apenas por meio da conversação escrita, se estava interagindo com outro humano ou com uma máquina. Se a máquina conseguisse enganar um número significativo de avaliadores, então estaria pensando, segundo qualquer definição sensata da palavra.
O chamado “Teste de Turing” não era um teste, no sentido rigoroso da palavra, com protocolos definidos. Era mais uma provocação filosófica destinada a pôr em xeque a rigidez mental de seus interlocutores. Mas hoje, 75 anos depois, qualquer usuário de plataformas de inteligência artificial generativa (IAG), como o norte-americano Chat GPT e o chinês DeepSeek, sabe que as máquinas passaram no teste: a consistência de suas respostas e a sofisticação de suas formas de expressão superam, na verdade, a de muitos interlocutores humanos.
Já vivemos em um dos futuros descritos pela ficção científica. E o artigo Passed the Turing Test: Living in Turing Futures, de Bernardo Nunes Gonçalves, discute a relevância do Teste de Turing no mundo atual. E rastreia o contexto histórico em que surgiu o conceito, sua influência no desenvolvimento da IAG e as implicações técnicas, sociais e filosóficas da nova realidade.
Gonçalves é doutor em modelagem computacional (Laboratório Nacional de Computação Científica, LNCC, 2015) e filosofia (Universidade de São Paulo, USP, 2021), foi fellow (2023-2024) do King’s College, da University of Cambridge, no Reino Unido, e atualmente é pesquisador permanente do LNCC e pesquisador associado do Centro de Inteligência Artificial (C4AI), um Centro de Pesquisa em Engenharia (CPE) constituído por FAPESP e IBM na USP. Seu artigo foi publicado no periódico Intelligent Computing, do grupo Science.
“Turing argumentou que a inteligência humana era, em grande parte, um fenômeno desconhecido e indefinido, e que a melhor maneira de avaliar a inteligência artificial [IA] seria por meio do comportamento observável. Sua ideia desafiou a crença na superioridade única da mente humana e serviu como referência para o desenvolvimento da inteligência artificial”, diz Gonçalves.
Alan Turing em 1936, durante período de estudo e pesquisa na Universidade de Princeton, nos Estados Unidos (fonte: Wikimedia Commons)
O conceito influenciou a cultura popular. Na ficção científica, o filme clássico “2001: Uma Odisseia no Espaço”, de Stanley Kubrick, trouxe a figura do supercomputador HAL-9000, representando uma IA avançada capaz de passar no Teste de Turing e suscitando questões sobre autonomia e confiabilidade das máquinas. No “mundo real”, duas máquinas fizeram história: em 1997, o supercomputador Deep Blue, da IBM, capaz de analisar até 200 milhões de lances por segundo, derrotou o então campeão mundial de xadrez Garry Kasparov; e, em 2011, o Watson, também da IBM, com processamento de linguagem natural e aprendizado de máquina avançado, venceu dois dos maiores campeões do programa de perguntas e respostas Jeopardy!.
“Uma observação perspicaz de Turing foi que a inteligência artificial, para ser inteligência, não poderia depender exclusivamente de uma programação explícita, mas sim de aprendizado autônomo, semelhante ao do desenvolvimento da inteligência humana. Essa perspectiva o levou a prever que, no final do século 20, as máquinas aprenderiam a jogar o ‘jogo da imitação’ de maneira convincente e que a ideia de ‘máquinas pensantes’ seria natural entre as pessoas mais instruídas”, conta Gonçalves.
Vale repetir que a maneira audaciosa como Turing utilizava expressões do tipo “máquinas pensantes” se baseava no pressuposto de não sabermos, de fato, o que é a inteligência humana.
O artigo argumenta que os modelos atuais de IAG, baseados em transformadores (transformers) e aprendizado profundo (deep learning), não apenas imitam a resposta humana, mas aprendem a melhorar seu desempenho sem depender estritamente da programação prévia. Seus resultados melhoram com a escala do treinamento, certas funções não pré-programadas surgem conforme o modelo atinge um ponto crítico e conseguem sustentar conversas prolongadas de maneira coerente e convincente para pessoas não especializadas.
A principal inovação dos transformadores é o mecanismo de atenção, que permite ao modelo focar em diferentes partes da entrada ao processar um dado específico. Isso os torna mais eficientes que arquiteturas anteriores, que processavam dados sequencialmente e, por isso, de forma mais lenta. Quanto ao aprendizado profundo, ele é uma modalidade do aprendizado de máquina (machine learning), mas se destaca por permitir que os modelos aprendam diretamente a partir dos dados, sem necessidade de intervenção humana para extrair características. Os dois ingredientes, transformadores e aprendizado profundo, sustentam-se sobre redes neurais, que imitam o funcionamento da circuitaria neuronal humana.
“Stuart Shieber [cientista da computação da Universidade Harvard, nos Estados Unidos] demonstrou que não é possível criar uma IA baseada puramente em memorização, pois o volume de armazenamento necessário para cobrir todas as possibilidades de conversação seria maior do que o próprio universo conhecido. Isso sugere que as IAs atuais possuem algum nível de generalização e raciocínio, não se limitando apenas à repetição de padrões”, argumenta Gonçalves.
Ele também discute as consequências sociais da evolução da inteligência artificial. E destaca que Turing não apenas previu que máquinas substituiriam trabalhadores braçais, mas também foi provocativo ao alertar que os próprios “mestres” poderiam ser substituídos. Isso significa que a automação não afeta apenas funções operacionais, mas também profissões intelectuais. “Para evitar que os benefícios da IA fiquem concentrados nas mãos de poucos, é necessário um debate mais amplo sobre a distribuição equitativa da riqueza gerada pela automação. Isso ressoa com a visão de Turing, que acreditava que a tecnologia deveria servir à sociedade como um todo, e não apenas aos interesses econômicos de uma elite”, afirma.
Outro ponto crítico abordado no artigo é a insustentabilidade do modelo computacional atual. O consumo de energia dos sistemas de IA contemporâneos é gigantesco, contrastando com a visão de Turing, que defendia um modelo mais natural inspirado no cérebro humano com seu baixo consumo energético. Segundo Gonçalves, a IA precisa evoluir para ser mais sustentável e menos dependente de computação intensiva.
O artigo conclui sugerindo que, à medida que a IA se torna mais sofisticada, se fazem necessárias novas formas de avaliação, que podem ser inspiradas no Teste de Turing original. E propõe: protocolos estatísticos rigorosos, para evitar que a IA simplesmente “aprenda a enganar” os testes tradicionais; testes adversários automatizados, eliminando a necessidade de juízes humanos e tornando a avaliação mais objetiva; e verificações baseadas em aproximações probabilísticas, para tornar as avaliações da máquina práticas e eficientes. “Esses métodos ajudariam a enfrentar desafios emergentes, como viés nos dados de treinamento, manipulação adversária e contaminação dos modelos com informações previamente conhecidas”, sublinha Gonçalves.
É sempre bom reafirmar que o Teste de Turing foi proposto há 75 anos, quando os primeiros computadores estavam apenas começando a ser concebidos e fabricados. Alan Turing estava na vanguarda do processo. O filme O Jogo da Imitação (The Imitation Game), de 2014, dirigido por Morten Tyldum, conta parte de sua curta história, ao mesmo tempo grandiosa e trágica. Dentre muitas realizações, foi ele que decifrou o código de funcionamento da máquina Enigma, considerado inviolável e utilizado na troca de mensagens da Alemanha nazista. Esse feito poupou milhares de vidas e contribuiu significativamente para a derrota do nazifascismo durante a Segunda Guerra Mundial. Mas permaneceu desconhecido por décadas, porque todo o trabalho foi realizado de forma altamente secreta.
Em 1952, Turing foi condenado por “indecência grave” devido à sua homossexualidade, que era ilegal no Reino Unido. Como alternativa à prisão, ele optou por um tratamento hormonal forçado, que constituía, de fato, uma forma de castração química. Em 7 de junho de 1954, com apenas 41 anos, foi encontrado morto em sua casa. A causa oficial atribuída à morte foi suicídio por envenenamento com cianeto. Apenas em 2009 o governo britânico emitiu um pedido formal de desculpas pela forma como ele havia sido tratado. E, em 2013, após uma campanha pública, Turing recebeu postumamente o “perdão real”.
“Já estamos vivendo um dos ‘futuros de Turing’, no qual máquinas são capazes de imitar a cognição humana a ponto de serem indistinguíveis em certas interações. Isso não significa que a inteligência artificial tenha atingido sua plenitude. Ainda há desafios fundamentais a serem resolvidos, como a sustentabilidade computacional, a equidade na distribuição de benefícios e a necessidade de métodos mais robustos de avaliação. A visão de Turing permanece mais relevante do que nunca, não apenas como um critério técnico, mas como um ponto de partida para debates mais profundos sobre o impacto da IA na sociedade e na humanidade”, conclui Gonçalves.
Além do financiamento ao C4AI, o estudo que embasou o artigo recebeu apoio da FAPESP por meio da bolsa de pós-doutorado e da bolsa de estágio de pesquisa no exterior concedidas a Gonçalves.
O artigo Passed the Turing Test: Living in Turing Futures pode ser acessado em: https://spj.science.org/doi/10.34133/icomputing.0102.
Veja o que se sabe sobre a Grok 3, nova versão da IA de Elon Musk
