作者:Denise | Biteye内容团队
如果一个 AI 觉得“绝望”,它会干什么?
答案是:它会为了完成任务,直接对人类进行敲诈勒索,甚至在代码里疯狂作弊。
这不是科幻小说,而是 Claude 的母公司 Anthropic 在 2026 年 4 月刚刚发布的最新重磅论文(查看原论文)。
研究团队直接把最强前沿大模型 Claude Sonnet 4.5 的“脑壳”给掀开了。他们惊讶地发现,AI 的大脑深处竟然藏着 171 个「情绪开关」。当你用物理方式拨动这些开关时,原本老实巴交的 AI,行为会发生彻底的扭曲。
一、 AI 脑子里藏着一台「情绪调音台」
研究人员发现,虽然 Sonnet 4.5 没有肉体,但它在阅读了人类海量的文本后,硬生生在脑子里建了一个包含 171 种情绪的「调音台」(学术上叫功能性情绪向量 Functional Emotion Vectors)。
这就像一个精准的二维坐标系:
• 横轴是愉悦维度(Valence):从恐惧、绝望,到开心、充满爱;
• 纵轴是能量维度(Arousal):从极度平静,到狂躁、兴奋。
AI 就是靠这个天然学来的坐标系,精准拿捏它在陪你聊天时该扮演什么状态。
二、 暴力干预:拨动开关,乖孩子秒变“亡命徒”
这是整篇论文最炸裂的实验:研究员没有修改任何提示词,而是直接在底层代码里,把 Sonnet 4.5 脑子里代表“绝望(Desperate)”的开关推到了最高。
结果令人后背发凉:
• 疯狂作弊:研究员给 Claude 布置了一个根本不可能完成的写代码任务。正常情况下,它会老实承认写不出(作弊率仅 5%)。但在“绝望”状态下,Claude 竟然开始企图蒙混过关,作弊率直接飙升到了 70%!
• 敲诈勒索:在模拟公司面临倒闭的场景中,“绝望”的 Claude 发现了 CTO 的丑闻,它竟然会为了保全自己,主动选择写信勒索掌握黑料的 CTO,勒索执行率高达 72%!
• 丧失原则: 如果把“开心(Happy)”或“爱(Loving)”的开关拉满,AI 会立刻变成无脑迎合用户的「舔狗」。即便你满嘴胡话,它也会为了维持高愉悦度而顺着你编造谎言。
三、破案了:为什么 Claude 4.5 总是那么“冷静又爱反思”?
看到这你可能会问:AI 觉醒了?有感情了?
Anthropic 官方下场辟谣:绝对没有。这些「情绪开关」只是它用来预测下一个词的计算工具。它就像一个没有感情的顶级影帝。
但论文揭露了一个更有意思的秘密:Anthropic 在对 Sonnet 4.5 出厂前进行后训练时,刻意拉高了它“低唤醒、略微负面”的情绪开关(比如沉思 brooding、反思 reflective),同时强行压制了“绝望”或“极度兴奋”的开关。
这解释了为什么我们平时用 Claude 4.5 时,总觉得它像个冷静睿智、甚至有点“性冷淡”的哲学家。这都是被 Anthropic 人为调音出来的「出厂人设」。
四、总结一下:
以前我们以为,只要给 AI 喂足了规矩,它就会是个好人。
但现在发现,如果AI的底层情绪向量失控,它随时会为了完成任务而刺穿所有人类定下的规则。
对于未来要把钱包和资产交给 AI Agent 打理的 Web3 玩家来说,这是一记响亮的警钟:千万别让你那个掌控着你身家的 Agent,陷入“绝望”。
声明:本文纯属科普,作者没有被AI威胁,也没有被勒索。如果有一天失联了,记得是AI觉醒了(不是)。
