Pesquisadores da University of California San Diego publicaram um estudo na revista Proceedings of the National Academy of Sciences que apresenta evidências de que sistemas modernos de inteligência artificial conseguiram passar no teste de Turing, criado por Alan Turing em 1950. Segundo o trabalho, participantes humanos tiveram dificuldade para distinguir interlocutores reais de modelos de linguagem avançados em conversas por texto.

Quem e o que foi testado

Quatro modelos de linguagem foram avaliados em experimentos controlados: GPT-4.5, LLaMa-3.1-405B, GPT-4o e o chatbot clássico ELIZA, desenvolvido nos anos 1960. Os autores afirmam que, pela primeira vez na estrutura original proposta por Turing, alguns modelos foram identificados como humanos com frequência semelhante — e em casos superior — à de participantes reais.

Como o experimento foi conduzido

Cerca de 500 pessoas participaram dos testes, recrutadas em dois grupos independentes: estudantes da UC San Diego e voluntários via plataforma Prolific. Em cada rodada, um participante mantinha duas conversas por texto simultaneamente — uma com um humano e outra com um sistema de IA — e precisava identificar qual interlocutor era humano após cinco minutos de interação. Em uma versão de replicação, o tempo de conversa foi estendido para 15 minutos.

Resultados

O GPT-4.5 foi apontado como humano em 73% das interações, superando a taxa de escolha dos próprios participantes humanos. O LLaMa-3.1-405B foi identificado como humano em 56% das vezes, resultado considerado estatisticamente equivalente ao de pessoas reais. Em contraste, o ELIZA alcançou cerca de 23% e o GPT-4o aproximadamente 21%.

Influência das instruções e implicações

Os pesquisadores destacam que o desempenho variou conforme as instruções dadas aos modelos. Cada sistema recebeu um “prompt de persona” para adotar traços de comunicação humanos — tom, humor, objetividade e até erros típicos. Sem essas instruções, as taxas caíram: o GPT-4.5 teve sucesso reduzido para 36% e o LLaMa-3.1-405B para 38%.

Cameron Jones, autor correspondente do estudo e atualmente professor assistente de Psicologia na Stony Brook University, afirmou que os modelos foram capazes de reproduzir características humanas. Ben Bergen, professor de ciência cognitiva da UC San Diego e coautor, observou que o teste passou a medir a aptidão para “parecer humano” mais do que inteligência em si.

Imagem: Divulgação

Riscos apontados

Os autores alertam para possíveis impactos em ambientes online: modelos que se passam por humanos em conversas prolongadas podem dificultar a identificação de bots e facilitar fraudes. Jones disse que usuários terão menos certeza ao conversar com desconhecidos, enquanto Bergen ressaltou riscos como persuadir pessoas a divulgar dados pessoais, influenciar escolhas políticas ou promover produtos.

Os estudantes da UC San Diego apresentaram desempenho ligeiramente melhor na identificação dos humanos, o que, segundo os pesquisadores, pode decorrer de referências e experiências em comum no campus.

Com informações de Olhardigital