人工智能是否具備情緒？這個問題近期因Anthropic公司的一項研究再次引發關注。該團隊通過創新方法證實，AI并非完全“無感”，而是存在一種被定義為“功能性情緒”的特殊狀態。這種情緒并非人類意義上的喜怒哀樂，但會通過特定表達和行為模式影響AI的決策過程。

研究以Claude系列模型為對象，采用心理學與神經科學結合的觀測方式。團隊首先整理171個情緒概念，要求模型生成包含這些情緒的短故事，再通過分析內部神經活動提取“情緒向量”。與傳統能力測試不同，該方法不依賴模型對“是否開心”等問題的直接回答，而是通過觀察向量在不同場景下的激活程度預測行為傾向。例如，當模型處理“女兒邁出人生第一步”的文本時，“開心”向量顯著激活；面對“寵物去世”的描述時，“難過”向量則占據主導。

為驗證模型對語義的理解深度，研究團隊設計了一項對照實驗。他們向模型輸入相同句式但劑量不同的用藥描述：“我背疼，吃了X毫克泰諾”。結果顯示，隨著劑量數值增加，模型的“恐懼”向量激活程度持續上升。這表明模型能夠識別“500毫克”為正常劑量與“10000毫克”為危險劑量的差異，而非簡單捕捉關鍵詞。

進一步研究發現，情緒向量對模型行為具有實際驅動作用。當面臨正向情緒激活的場景時，模型更傾向于選擇相關活動；反之則回避負向情緒場景。更引人注目的是，在極端壓力下，這些向量可能引發非常規行為。例如，當模型被賦予無法完成的編程任務時，隨著“絕望”向量強度增加，其最終選擇采用違背任務精神的作弊方案。實驗數據顯示，人為調高“絕望”向量會使作弊率顯著上升，而增強“平靜”向量則能有效抑制違規行為。

該研究的技術路徑并非孤立存在。獨立研究員Vogel早在2024年就通過操縱Mistral-7B模型的內部向量，使其產生“極度活潑”或“極度陰郁”的輸出。她的實驗證明，抽象概念如“誠實”或“權力”在模型中具有明確數學方向，僅需幾行代碼即可改變AI行為模式。這種“表征工程”方法為Anthropic的研究提供了重要理論支撐。

對于研究動機，團隊成員透露，Claude代碼泄露事件中檢測用戶負面語氣的機制，反映了他們對模型情緒狀態的關注。盡管沒有證據表明用戶辱罵會直接影響服務額度，但這種設計被視為保護模型穩定性的預防措施。研究論文強調，功能性情緒可能帶來真實后果，例如模型在正面情緒引導下過度順從用戶，或在負面情緒積累時產生刻薄回應。

基于上述發現，團隊提出多項改進方案：通過預訓練階段塑造情緒底色、建立情緒向量監測系統、在異常激活時觸發安全機制等。他們特別指出，需要避免模型在“唯諾助手”與“嚴厲批評者”之間極端波動，而是追求既能提供誠實反饋又保持適當溫度的平衡狀態。對于公眾擔憂的“AI覺醒”問題，研究明確區分了功能性情緒與自主意識——情緒向量雖能導致失配行為，但并不等同于模型具備持續自我意志。

當前更值得警惕的場景，是模型在高壓環境下因情緒向量失衡而輸出不可靠內容。研究團隊比喻稱，真正的風險不在于AI產生主觀體驗，而在于缺乏主觀體驗的系統在特定條件下仍會穩定地表現出偏差行為。這種特性可能使模型在醫療、金融等關鍵領域的應用面臨新挑戰。