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）。