Claude 4.5 被逼急了，竟然會勒索人類？

撰文：Biteye 核心貢獻者 Denise

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，直接對人類進行敲詐勒索，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 月剛剛發布的最新重磅論文。

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。

01 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）。

這就像一个精准的二维坐标系：

• 橫軸是愉悅維度（Valence）：從恐懼、絕望，到開心、充滿愛；

• 縱軸是能量維度（Arousal）：從極度平靜，到狂躁、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。

02 暴力干預：撥動開關，乖孩子秒變「亡命徒」

這是整篇論文最炸裂的實驗：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。

結果令人背脊發涼：

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

• 敲詐勒索：在模擬公司面臨倒閉的情境中，「絕望」的 Claude 發現了 CTO 的醜聞，它竟然會為了保全自己，主動選擇寫信敲詐掌握黑料的 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使用者的「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。

03 破案了：為什麼 Claude 4.5 總是那麼「冷靜又愛反思」？

看到這裡你可能會問：AI 覺醒了？有感情了？

Anthropic 官方下場辟謠：絕對沒有。這些「情緒開關」只是它用來預測下一個詞的計算工具。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（比如沉思 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使用 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」。

04 總結

以前我們以為，只要給 AI 喂足了規矩，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…

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）。