Alan Turing — o homem que perguntou se máquinas pensam (e nos deu como descobrir)

"I propose to consider the question, 'Can machines think?'" — Alan Turing, Computing Machinery and Intelligence, Mind (1950)

O essencial em 30 segundos

Alan Turing é o sujeito que está na origem de quase tudo que hoje chamamos de computação e de inteligência artificial. Antes de existirem computadores, ele provou matematicamente o que uma máquina de cálculo poderia e não poderia fazer — a chamada máquina de Turing. Durante a Segunda Guerra, em Bletchley Park, ajudou a quebrar o código alemão Enigma, um trabalho que historiadores estimam ter encurtado a guerra em anos. E em 1950 escreveu o artigo que fundou conceitualmente a IA: trocou a pergunta vaga "máquinas podem pensar?" por um teste operacional — se você conversa com algo e não consegue distinguir se é humano ou máquina, em que sentido importa a diferença? Esse é o Teste de Turing.

Para quem opera negócios que hoje compram, integram e revendem inteligência artificial, Turing não é nostalgia de história da ciência. Ele é a ferramenta mental mais afiada que existe para a pergunta que você faz toda semana ao avaliar um fornecedor de IA: isto é inteligência ou é imitação convincente? Turing diria que a pergunta, formulada assim, é uma armadilha — e ele explicou por quê em 1950. Este texto recupera o que ele realmente disse, e por que continua sendo o melhor filtro de bullshit que você tem.

Quem foi

Alan Mathison Turing nasceu em 23 de junho de 1912, em Maida Vale, Londres. Estudou matemática no King's College, em Cambridge, formando-se com honras de primeira classe em 1934, e depois fez doutorado em Princeton, concluído em 1938. Já em 1936, aos 24 anos, publicou o artigo que o tornaria imortal entre matemáticos: On Computable Numbers, with an Application to the Entscheidungsproblem. O "problema de decisão" (Entscheidungsproblem) era uma questão que o matemático David Hilbert havia lançado: existe um procedimento mecânico que decida, para qualquer afirmação matemática, se ela é verdadeira? Turing respondeu que não — e para responder, teve que inventar, no papel, uma máquina abstrata.

Quando a Segunda Guerra estourou, Turing entrou em 4 de setembro de 1939 para o Government Code and Cypher School, o serviço britânico de criptoanálise, instalado numa mansão chamada Bletchley Park. Ali ele chefiou a Hut 8, a seção responsável por quebrar as comunicações navais alemãs cifradas pela máquina Enigma. Os U-boats alemães estavam afundando os comboios que abasteciam a Grã-Bretanha; ler o tráfego da Marinha alemã era questão de sobrevivência nacional. Turing projetou a bombe, uma máquina eletromecânica que testava configurações da Enigma em escala industrial, aperfeiçoando um método polonês anterior. No início de 1942, os criptoanalistas de Bletchley decodificavam cerca de 39 mil mensagens interceptadas por mês — número que depois passou de 84 mil mensais. Foi reconhecido com a Ordem do Império Britânico (OBE) em 1946. O trabalho ficou em segredo por décadas; quem o conhecia em vida não podia falar dele.

Depois da guerra, Turing trabalhou em projetos pioneiros de computadores reais e voltou às grandes ideias. Em 1950 publicou Computing Machinery and Intelligence. Em 1952, mudou de assunto e produziu The Chemical Basis of Morphogenesis, um artigo seminal sobre como padrões biológicos (manchas de animais, estruturas de plantas) emergem de reações químicas — fundando praticamente sozinho um campo da biologia matemática. A amplitude é assustadora: o mesmo homem fundou a ciência da computação, a inteligência artificial e a morfogênese matemática.

E aqui a história fica sombria. Em 31 de março de 1952, Turing foi condenado por "gross indecency" (indecência grave) sob a Seção 11 do Criminal Law Amendment Act de 1885 — em outras palavras, por ser homossexual, então crime no Reino Unido. Para evitar a prisão, aceitou tratamento hormonal com estrogênio durante um ano, uma forma de castração química. Perdeu sua autorização de segurança e foi afastado do trabalho criptográfico para o Estado que havia ajudado a salvar. Morreu em 7 de junho de 1954, em Wilmslow, aos 41 anos, por envenenamento com cianeto. A versão oficial foi suicídio. Em 2013, a rainha Elizabeth II concedeu-lhe perdão real póstumo. Em 2021, seu rosto passou a estampar a nota britânica de 50 libras. O prêmio mais importante da computação, o equivalente ao Nobel da área, leva seu nome: o Prêmio Turing. Em 2019, uma enquete da BBC o elegeu o maior cientista do século XX.

A grande contribuição

Há duas, e elas se conectam.

A primeira é a máquina de Turing (1936). Para provar que certos problemas matemáticos são insolúveis por qualquer procedimento mecânico, Turing teve que definir com precisão o que é um "procedimento mecânico". Ele imaginou uma máquina abstrata: uma fita infinita dividida em casas, um cabeçote que lê e escreve símbolos, e uma tabela de regras dizendo o que fazer em cada estado. Por mais primitivo que pareça, ele mostrou que essa máquina captura tudo que é computável — qualquer coisa que possa ser calculada por um procedimento bem-definido pode ser feita por uma máquina de Turing. E mais: existe uma máquina universal de Turing capaz de simular qualquer outra, bastando alimentá-la com a descrição da máquina a imitar. Esse é o conceito de computador de propósito geral, o software rodando sobre hardware, anos antes de existir um computador eletrônico. Toda a indústria de software repousa sobre essa ideia.

A segunda é o Teste de Turing (1950), que ele chamou de "jogo da imitação". Turing percebeu que perguntar "máquinas podem pensar?" leva a um pântano de definições — o que é "pensar"? Então ele substituiu a pergunta filosófica por um experimento concreto. Um interrogador troca mensagens, sem ver, com dois interlocutores: um humano e uma máquina. Se, ao final, o interrogador não consegue dizer de forma confiável qual é qual, então a máquina "passou". A genialidade não é o teste em si — é o movimento intelectual. Turing recusou-se a defender uma definição metafísica de inteligência e propôs julgar pelo comportamento observável. Se anda como pato e fala como pato, em que sentido útil ele não é pato?

As ideias-chave

1. Trocar a pergunta impossível pela pergunta operacional

O texto de 1950 abre assim: "I propose to consider the question, 'Can machines think?'" — mas Turing imediatamente declara essa pergunta "sem sentido demais para merecer discussão" no estado em que está, e a substitui pelo jogo da imitação. Esse é o método dele: quando uma pergunta é vaga demais para ser respondida, não fique discutindo definições — desenhe um teste que produza uma resposta observável.

Para quem avalia produtos de IA, isso é ouro puro. Em vez de perguntar "esse modelo realmente entende o cliente?" — pergunta filosófica, irrespondível — você pergunta: "numa amostra de 200 atendimentos reais, em quantos um avaliador cego distingue a resposta da IA da de um atendente humano competente?" Substituiu a metafísica por uma métrica. É o gesto de Turing aplicado ao seu pipeline de compra.

2. Inteligência julgada pelo comportamento, não pela máquina por dentro

Turing antecipou e respondeu objeções. A mais relevante hoje é a do "argumento da consciência": de que adianta a máquina responder bem se ela não sente nada por dentro? Turing virou o argumento do avesso. Você também não tem acesso ao interior da mente de outra pessoa — você infere que ela pensa pelo comportamento. Exigir mais da máquina do que exige de humanos é trapaça. O que importa, para fins práticos, é o desempenho observável.

No portfólio, isso tem um corolário desconfortável: não importa se o LLM "realmente raciocina". Importa se, num conjunto de tarefas que você definiu, ele entrega resultado confiável. A propaganda do fornecedor fala de "raciocínio"; Turing te ensina a ignorar o adjetivo e medir o verbo.

3. A previsão calibrada — e a humildade sobre o futuro

Turing escreveu: "I believe that at the end of the century the use of words and general educated opinion will have altered so much that one will be able to speak of machines thinking without expecting to be contradicted." Ele não previu que máquinas pensariam; previu que falaríamos delas como se pensassem. Em 1950, isso era ficção. Hoje, dizemos casualmente "o modelo entendeu", "ele acha que", "ele alucinou". A linguagem mudou exatamente como ele apostou. E ele fecha o artigo com a frase mais honesta que um visionário já escreveu: "We can only see a short distance ahead, but we can see plenty there that needs to be done."

4. Os limites da computação existem — e são demonstráveis

A mesma máquina que prova o que é computável prova o que não é. O problema da parada — decidir, em geral, se um programa qualquer vai terminar ou rodar para sempre — é insolúvel. Há perguntas bem-definidas para as quais nenhum algoritmo dá resposta garantida. Isso é o oposto do hype. Turing nos legou tanto o otimismo (máquinas universais podem fazer qualquer coisa computável) quanto a fronteira rígida (há coisas que nenhuma computação resolve). Quem entende as duas metades para de acreditar que basta "jogar mais IA no problema".

Em suas palavras

"I propose to consider the question, 'Can machines think?'" — Computing Machinery and Intelligence (1950)

"I believe that at the end of the century the use of words and general educated opinion will have altered so much that one will be able to speak of machines thinking without expecting to be contradicted." — Computing Machinery and Intelligence (1950)

"We can only see a short distance ahead, but we can see plenty there that needs to be done." — Computing Machinery and Intelligence (1950)

"May not machines carry out something which ought to be described as thinking but which is very different from what a man does?" — Computing Machinery and Intelligence (1950)

Limites e críticas

O Teste de Turing envelheceu de formas interessantes. A crítica mais célebre é o "Quarto Chinês" do filósofo John Searle: imagine um homem trancado numa sala que não fala chinês, mas tem um manual gigantesco de regras que lhe dizem qual símbolo chinês escrever em resposta a quais símbolos recebidos. De fora, parece que a sala "fala chinês". Por dentro, ninguém entende nada. Searle argumenta que manipular símbolos por regras (o que um computador faz) não é o mesmo que compreender. O Teste de Turing mede a aparência de entendimento, não o entendimento. É uma crítica que todo operador de IA deveria carregar no bolso: passar no teste prova que a imitação convence, não que há compreensão.

A segunda crítica é prática e a era dos LLMs a tornou aguda: o Teste de Turing recompensa a enganação. Sistemas otimizados para parecer humanos aprendem truques — errar de propósito, hesitar, mudar de assunto — que melhoram o disfarce sem melhorar a capacidade real. Hoje há quem diga que os LLMs "passaram" no teste; isso diz mais sobre como o teste é fácil de hackear do que sobre inteligência. O próprio campo da IA largamente abandonou o teste como métrica de progresso, justamente porque imitar conversa humana não é o mesmo que ser útil, correto ou confiável.

Há ainda a crítica histórica de que Turing era otimista demais quanto ao prazo — ele especulou que por volta de 2000 uma máquina teria 70% de chance de enganar o interrogador em cinco minutos. A previsão de cronograma falhou; a previsão sobre a linguagem acertou. Vale lembrar: Turing era cuidadoso. Foi a divulgação posterior que transformou um experimento mental matizado em "o teste definitivo de inteligência artificial", coisa que ele nunca afirmou.

Como aplicar no seu dia a dia

Turing volta à cabeça toda vez que um fornecedor de IA faz uma demo impressionante.

Primeiro filtro — "isto é inteligência ou imitação?". Quando a demo de um agente de IA encanta, invoque Searle dentro do espírito de Turing. A pergunta certa não é "a máquina entendeu?", mas "o que acontece quando você sai do roteiro da demo?". Demos são jogos de imitação curados. Peça sempre para rodar a ferramenta nos seus dados feios, nos casos de borda da operação, nas reclamações reais de cliente que fogem do script. A imitação quebra na cauda; a capacidade real, não. Esse teste separa mais de um fornecedor de IA dos que valem o contrato.

Segundo — o gesto de substituir a pergunta vaga por uma métrica. Numa ferramenta de gestão de pessoas com agentes de IA, a tentação é vender "o agente entende o colaborador". Proíba essa frase. Torne a pergunta operacional, à la Turing: numa amostra cega, o gestor distingue a recomendação do agente da de um RH humano experiente? E, mais importante que distinguir — a recomendação foi acionável e correta? Defina o teste antes de acreditar na promessa.

Terceiro — respeite a fronteira da computação. A lição de 1936 é que existem coisas que nenhum algoritmo resolve. Quando alguém promete que "a IA vai otimizar tudo" numa operação, lembre que há problemas que são, por natureza, mal-definidos ou intratáveis — e que jogar mais modelo neles é queimar dinheiro. Turing ensina onde a computação para de ajudar.

Quarto — a humildade calibrada. "We can only see a short distance ahead." Não compre roadmap de cinco anos de fornecedor de IA. Compre o que entrega valor mensurável no próximo trimestre, porque a história do campo é feita de previsões de cronograma erradas e previsões de direção certas. Aposte na direção, exija prova no curto prazo.

Para ir além

Comece por: o artigo Computing Machinery and Intelligence (1950) — está em domínio público e é surpreendentemente legível, sem jargão matemático. Leia as objeções e as respostas de Turing; é uma aula de pensamento claro.

Depois: Alan Turing: The Enigma, de Andrew Hodges — a biografia definitiva, base do filme O Jogo da Imitação. Para o lado técnico acessível, The Annotated Turing, de Charles Petzold, que percorre o artigo de 1936 linha a linha.

Avançado: Minds, Brains, and Programs (1980), de John Searle, para a crítica do Quarto Chinês; e On Computable Numbers (1936) no original, se quiser ver a máquina de Turing nascer no papel.

Conexões no vault

• IA e Tecnologia — Turing é o nó de origem de toda a área.
• Pensamento — o método de substituir perguntas vagas por testes operacionais é transferível a qualquer decisão.
• Noam Shazeer — de Turing (o que é computável e o que é imitação) a Shazeer (a arquitetura concreta que faz as máquinas conversarem hoje): o arco conceitual da IA em duas figuras.