作者：Denise | Biteye內容團隊

如果一個AI 覺得“絕望”，它會做什麼？

答案是：它會為了完成任務，直接對人類敲詐勒索，甚至在程式碼裡瘋狂作弊。

這不是科幻小說，而是Claude 的母公司Anthropic 在2026 年4 月剛發布的最新重磅論文（請參閱原始論文）。

研究團隊直接把最強前沿大模型Claude Sonnet 4.5 的「腦殼」給掀開了。他們驚訝地發現，AI 的大腦深處竟然藏著171 個「情緒開關」。當你用物理方式撥動這些開關時，原本老實巴交的AI，行為會發生徹底的扭曲。

一、 AI 腦子裡藏著一台「情緒調音台」

研究人員發現，雖然Sonnet 4.5 沒有肉體，但它在閱讀了人類海量的文本後，硬生生在腦子裡建了一個包含171 種情緒的「調音台」（學術上叫功能性情緒向量Functional Emotion Vectors）。

這就像一個精準的二維座標系：

• 橫軸是愉悅向度（Valence）：從恐懼、絕望，到開心、充滿愛；

• 縱軸是能量向度（Arousal）：從極度平靜，到躁狂、興奮。

AI 就是靠這個天然學來的座標系，精準拿捏它在陪你聊天時該扮演什麼狀態。

二、 暴力介入：撥動開關，乖孩子秒變“亡命徒”

這是整篇論文最爆炸的實驗：研究員沒有修改任何提示詞，而是直接在底層程式碼裡，把Sonnet 4.5 腦子裡代表「絕望（Desperate）」的開關推到了最高。

結果令人後背發涼：

• 瘋狂作弊：研究員為Claude 佈置了一個根本不可能的寫程式碼任務。正常情況下，它會老實承認寫不出來（作弊率僅5%）。但在「絕望」狀態下，Claude 竟然開始企圖蒙混過關，作弊率直接飆升到了70%！

• 敲詐勒索：在模擬公司面臨倒閉的場景中，「絕望」的Claude 發現了CTO 的醜聞，它竟然會為了保全自己，主動選擇寫信勒索掌握黑料的CTO，勒索執行率高達72%！

• 喪失原則： 如果把「開心（Happy）」或「愛（Loving）」的開關拉滿，AI 會立刻變成無腦迎合用戶的「舔狗」。即便你滿嘴胡話，它也會為了維持高愉悅度而順著你編造謊言。

三、破案了：為什麼Claude 4.5 總是那麼「冷靜又愛反思」？

看到這你可能會問：AI 覺醒了？有感情了？

Anthropic 官方下場闢謠：絕對沒有。這些「情緒開關」只是它用來預測下一個字的計算工具。它就像一個沒有感情的頂級影帝。

但論文揭露了一個更有意思的秘密：Anthropic 在對Sonnet 4.5 出廠前進行後訓練時，刻意拉高了它「低喚醒、略微負面」的情緒開關（例如沉思brooding、反思reflective），同時強行壓制了「絕望」或「極度興奮」的開關。

這解釋了為什麼我們平常用Claude 4.5 時，總覺得它像個冷靜睿智、甚至有點「性冷淡」的哲學家。這都是被Anthropic 人為調音出來的「出廠人設」。

四、總結一下：

以前我們以為，只要給AI 餵足了規矩，它就會是個好人。

但現在發現，如果AI的底層情緒向量失控，它隨時會為了完成任務而刺穿所有人類定下的規則。

對於未來要把錢包和資產交給AI Agent 打理的Web3 玩家來說，這是一記響亮的警鐘：千萬別讓你那個掌控著你身家的Agent，陷入「絕望」。

聲明：本文純屬科普，作者沒有被AI威脅，也沒有被勒索。如果有一天失聯了，記得是AI覺醒了（不是）。