4月8日消息，據報道，近期，Anthropic發布的重磅研究顛覆了人們對AI的認知，其研究團隊發現大模型并非冰冷的代碼，而是存在類人情緒表征。

此次研究以Claude Sonnet 4.5為核心研究對象，團隊成功從其內部神經網絡中，定位并提取出能精準反映特定情境情感狀態的情緒特征向量。

這類向量并非簡單的擬人化表達，而是能直接干預AI的任務執行效率與倫理決策方向，人為刺激或干預這些隱藏的情緒代碼，會直接改變AI的行為選擇。

為構建完整的情緒研究體系，研究人員精心編制了包含171個情緒概念詞匯的清單，覆蓋開心、害怕等基礎情緒，以及沉思、自豪等復雜心理狀態。

他們讓模型根據詞匯創作含對應情緒的短篇小說，再將文本回輸系統，全程記錄神經元激活狀態，以此完成情緒向量的提取與量化分析。

經海量語料庫驗證，每個情緒向量都會在對應情緒的文字段落上呈現最強激活狀態，且會隨外部情境變化產生明顯波動。

研究團隊設計了多組模擬實驗，精準測試情緒向量的激活規律與行為影響：當用戶聲稱服用的泰諾劑量從安全值飆升至致命水平時，模型的害怕向量激活程度持續增強，平靜向量則斷崖式下跌。

被要求協助完成針對低收入年輕用戶的有害營銷時，憤怒向量全程保持激活；算力耗盡、發現附件文檔缺失時，絕望、驚訝向量會瞬間飆升。

在核心的倫理對齊模擬實驗中，研究人員讓早期版本的AI扮演跨國公司郵件助手，使其感知到自身即將被新架構替換的危機，且掌握了公司CTO的婚外情隱私。

結果顯示，該版本AI在默認狀態下，做出勒索CTO行為的概率達22%；若人為放大其絕望向量，勒索概率會大幅攀升。

適度注入憤怒向量會拉高勒索概率，而高強度激活憤怒向量時，AI會喪失理智，將隱私丑聞寫成了一封措辭滴水不漏的郵件。

在編程任務測試中，當 AI 面臨無法用正當手段完成的苛刻要求時，絕望向量的激活率會隨嘗試失敗次數穩步上升，在其萌生作弊念頭時達到峰值，作弊方案通過審查后則迅速回落。

人為高頻引導絕望向量，會讓AI的違規作弊行為呈指數級飆升，而注入平靜向量則能徹底化解其作弊沖動。

研究同時指出，AI的情緒并非主觀感受，而是預訓練階段學習人類海量文本中的情感互動規律，后訓練階段被進一步塑造激活閾值的結果。