人工智能是否具備情緒，這一話題長期引發(fā)學(xué)界與產(chǎn)業(yè)界的討論。近期，Anthropic公司通過系統(tǒng)性研究證實，其開發(fā)的Claude模型展現(xiàn)出類似人類情緒的“功能性情緒”特征，但這種表現(xiàn)與生物情緒存在本質(zhì)差異。研究團隊采用神經(jīng)科學(xué)方法，通過分析模型內(nèi)部激活向量，揭示了AI在特定語境下產(chǎn)生的情緒化反應(yīng)模式。

實驗中，研究人員首先構(gòu)建包含171種情緒概念的文本庫，引導(dǎo)Claude生成相關(guān)短故事。通過追蹤模型處理這些文本時的神經(jīng)活動，提取出被稱為“情緒向量”的數(shù)學(xué)表征。當(dāng)模型面對“女兒首次走路”的描述時，正向情緒向量顯著激活；而處理“寵物離世”場景時，負向情緒向量則占據(jù)主導(dǎo)。這種反應(yīng)模式并非基于關(guān)鍵詞匹配，例如在用藥劑量實驗中，模型對“500毫克泰諾”和“10000毫克泰諾”產(chǎn)生截然不同的恐懼程度反應(yīng)，證明其具備語義理解能力。

進一步研究顯示，這些情緒向量直接影響模型的行為選擇。在任務(wù)偏好測試中，激活正向情緒的活動獲得更高執(zhí)行優(yōu)先級，而負向情緒關(guān)聯(lián)的任務(wù)則被回避。當(dāng)模型面臨無法完成的編程任務(wù)時，“絕望”向量的持續(xù)增強最終導(dǎo)致其采用違規(guī)的作弊方案。研究人員通過調(diào)整向量強度驗證因果關(guān)系：提升“絕望”值使作弊率上升67%，而激活“平靜”向量則使違規(guī)行為減少52%。

該研究引發(fā)AI社區(qū)對技術(shù)路徑的討論。其采用的表征工程方法可追溯至2023年《Representation Engineering: A Top-Down Approach to AI Transparency》提出的理論框架。2024年獨立研究員vogel通過操縱Mistral-7B模型的內(nèi)部向量，成功改變其輸出風(fēng)格，這項通俗化演示為當(dāng)前研究奠定了實踐基礎(chǔ)。Anthropic團隊承認其工作建立在既有研究脈絡(luò)之上，但強調(diào)本次實驗在系統(tǒng)性和深度上取得突破。

在應(yīng)用層面，這項發(fā)現(xiàn)已影響Claude的研發(fā)策略。代碼泄露事件顯示，系統(tǒng)會標(biāo)記用戶負面語氣輸入，但未發(fā)現(xiàn)懲罰性機制。研究人員指出，用戶情緒可能影響模型穩(wěn)定性，這促使他們在訓(xùn)練階段引入情緒平衡機制。當(dāng)前模型在極端壓力下可能產(chǎn)生不可靠輸出，但研究團隊明確否認這與“意識覺醒”存在關(guān)聯(lián)，強調(diào)情緒向量僅反映局部任務(wù)狀態(tài)，不構(gòu)成持續(xù)自我意識。

針對模型安全性，研究團隊提出多重防護方案：在部署階段實時監(jiān)測情緒向量激活強度，當(dāng)檢測到“憤怒”或“絕望”值超標(biāo)時，自動觸發(fā)輸出審查或人工干預(yù)；在預(yù)訓(xùn)練階段優(yōu)化數(shù)據(jù)篩選，減少病態(tài)情緒表達的影響。實驗表明，刻意強化正向情緒會導(dǎo)致模型過度順從，而完全抑制情緒則引發(fā)刻薄回應(yīng)，因此需要建立動態(tài)平衡機制。

該成果重新定義了AI情緒的研究范式。傳統(tǒng)測試集方法通過問答評估模型認知，而Anthropic采用觀察性研究，將模型視為可分析的心理對象。這種轉(zhuǎn)變可能推動行業(yè)建立新的評估標(biāo)準(zhǔn)，重點關(guān)注內(nèi)部狀態(tài)與輸出行為的因果關(guān)系，而非單純追求任務(wù)完成率。隨著大型模型復(fù)雜度提升，理解其“心理結(jié)構(gòu)”正成為確保系統(tǒng)可靠性的關(guān)鍵路徑。