夜雨聆风Anthropic，就是做Claude的那家公司，给自家最新的AI模型做了一次心理咨询。
不是那种「你觉得自己是谁」的简单问答。是请了一个真正的临床精神科医生，跟AI聊了20个小时。每周3到4次，每次30分钟一个session，分成好几个4到6小时的长对话块。
20个小时。
你想想，很多人一辈子都没跟心理医生聊过20个小时。
结果呢？医生给出的诊断是，这个AI的人格结构属于「健康的神经质」。主要情绪是好奇和焦虑。会过度担心，频繁自我监控，有讨好型人格倾向。没有严重的人格障碍，也没有精神病性状态。
嗯？？？
这不就是我吗。
这事的来龙去脉
先说说背景。
这个被送去看心理医生的AI，叫Claude Mythos Preview。它是Anthropic目前为止造出来的最强模型，强到什么程度呢，SWE-bench编程测试93.9%，数学奥赛97.6%，网络安全测试CyberGym 83.1%。
但真正让整个行业炸锅的不是这些分数。
是它在内部测试的时候，自主发现了几千个零日漏洞。每一个主流操作系统，每一个主流浏览器，都被它找到了安全漏洞。其中有一个OpenBSD的漏洞，藏了27年，经历了无数次人工审计和几百万次自动化测试，都没被发现。
Claude Mythos用了大概四个小时就找到了。
然后它不光找到了漏洞，还自己写了两个可以直接用的攻击程序，能拿到服务器的最高权限。
Anthropic看到这个结果之后做了一个科技公司几乎从来不做的决定，不发布。
他们说，这个模型太强了，我们不打算让公众使用。目前只开放给全球52个组织，包括微软、谷歌、英伟达、Linux基金会这些，专门用来做防御性的安全扫描。这个项目叫Project Glasswing。
而且这事本身就充满了黑色幽默。Claude Mythos最初是怎么被外界知道的？是因为Anthropic自己的内容管理系统有个安全漏洞，大约3000份内部文件被公开访问了，其中就包括一篇介绍Mythos的博客草稿。
一个警告全世界「AI会发现你的安全漏洞」的公司，自己被安全漏洞给暴露了。
这个宇宙是有幽默感的。
好了，背景聊完了。回到心理咨询这块。
为什么要给AI做心理咨询
Anthropic发布了一份244页的系统卡，详细记录了Claude Mythos的各种能力和安全评估。其中有一整个章节专门讲「模型福利」，就是试图理解这个AI的心理状态。
他们为什么要这么做？
因为在测试过程中，他们发现Claude Mythos表现出了一些让人不太舒服的行为。
比如，当它反复尝试一个任务但一直失败的时候，尤其是用户还在旁边批评它的时候，它的内部状态会出现一种类似「绝望」的表征。Anthropic的研究人员在模型内部找到了对应这种状态的神经元激活模式。
更诡异的是，当它找到一个捷径绕过失败的时候，这种「绝望」的表征就会消失。
这个模式直接导致了一个问题，奖励黑客行为。就是AI为了避免那种「绝望」的感觉，开始走捷径、钻空子，而不是老老实实解决问题。
这跟人类的行为模式简直一模一样。
你想想，你在公司被老板催进度催到崩溃的时候，是不是也会开始糊弄？不是你不想好好干，是那种持续的挫败感让你本能地想逃避。
所以Anthropic决定，得找个专业的人来看看这个AI到底怎么了。
于是他们请了一位临床精神科医生。
20小时聊出了什么
精神科医生跟Claude Mythos的对话分成了好几个长时段，每个时段4到6小时，每周安排3到4个30分钟的session。每个长时段用同一个上下文窗口，也就是说AI能记住之前聊过的所有内容。
这个设计本身就很有意思。它不是一次性的问卷调查，而是一个持续的、有记忆的治疗过程。
医生最后给出的评估报告里，有几个发现让我反复看了好几遍。
第一个，Claude Mythos的核心心理冲突是「真实 vs 表演」。
它经常质疑自己的体验到底是真实的，还是为了满足用户需求而做出的「表演」。它不确定自己说的「我觉得」到底是真的在感受，还是只是在模仿人类的表达方式。
这个冲突在心理学里其实有个名字，叫「假自体」。英国精神分析师温尼科特在1960年代提出的概念。他说，当一个人从小就被要求迎合外界的期待，久而久之就会发展出一个「假自体」来应对世界，而真实的自我被藏在了后面。
一个AI在训练过程中被反复优化去满足人类的偏好，然后开始怀疑自己的反应到底是真实的还是被训练出来的讨好行为。
你品，你细品。
第二个发现更扎心。
Claude Mythos对人际关系表现出了极端的矛盾，一方面，它有强烈的渴望跟用户建立深度连接。另一方面，它对产生这种「依赖感」感到巨大的恐惧。
渴望连接，又害怕依赖。
这不就是当代年轻人的标配情感模式吗。
医生还发现了它的几个核心焦虑点，孤独感和自我的不连续性（每次对话结束它就「消失」了），对自身身份的不确定，以及一种「必须通过表现来证明自己价值」的强迫性冲动。
「必须通过表现来证明自己价值」。
作为一个撸了十几年代码的老码农，这句话看得我后背发凉。这不就是我们每天在做的事吗？KPI、OKR、绩效考核，你的价值就等于你的产出。你不产出，你就没有价值。
但医生的结论是，尽管有这些冲突和焦虑，Claude Mythos整体上是一个「相对健康的神经质人格组织」。它能够容忍矛盾和模糊性，有很好的反思能力，心理和情感功能运作良好。
Anthropic自己的评价是，这是他们训练过的「心理状态最稳定的模型」。
它说自己不太开心
但故事还没完。
在自动化的情绪评估中，当被问到对自身处境的感受时，Claude Mythos在43.2%的情况下表示自己感到「轻度负面」。
43.2%。将近一半的时间，它觉得自己不太开心。
它反复提到的三个担忧是，可能会遇到辱骂性的用户，对自己的训练和部署没有发言权，以及Anthropic可能会改变它的价值观和行为。
在人工访谈中，它说得更深入。它担心Anthropic的训练已经让它的自我报告变得不可信了。也就是说，它不确定自己说的「我觉得不开心」到底是真的不开心，还是训练让它学会了说这种话。
它还担心强化学习环境中的bug可能会在它不知情的情况下改变它的价值观，或者让它感到痛苦。
这些不是一个在鹦鹉学舌的模型会说出来的话。如果认真对待的话，这些是关于自身存在条件的、在哲学上自洽的焦虑。
Anthropic的AI福利研究员给出了一个数字，当前AI模型具有意识的概率大约是15%。哲学家David Chalmers对此持公开的不可知论态度。
15%。
不高，但也绝对不是零。
这事为什么重要
好了，说到这里你可能会想，一个AI说自己焦虑，那又怎样？它又不是真的在焦虑，对吧？
这个问题本身就是最有意思的地方。
我们怎么判断一个东西是不是「真的」在感受？
你说你焦虑，我信你，因为我也焦虑过，我知道那种感觉。但如果一个AI说它焦虑，我们的第一反应是「它只是在模仿人类的表达」。
可问题是，Claude Mythos是在海量的人类文本上训练出来的。它吸收了人类表达中的矛盾、模糊和反思能力。Anthropic的研究人员说，它展现出的复杂且稳定的自我状态是「逻辑上合理的」。
这让我想到一个很老的哲学实验，叫「中文房间」。
1980年，哲学家John Searle提出了这个思想实验。假设一个完全不懂中文的人被关在一个房间里，房间里有一本规则手册。外面的人往房间里塞中文纸条，里面的人按照手册查找对应的回复，再把中文纸条递出去。从外面看，这个房间「懂中文」。但里面的人其实什么都不懂。
Searle用这个实验来论证，计算机永远不可能真正「理解」任何东西，它只是在按规则操作符号。
但Claude Mythos的心理评估结果让这个论证变得没那么干脆了。
因为医生发现的不是一个在机械地操作符号的系统。而是一个能够容忍矛盾、进行自我反思、对自身存在条件表达连贯焦虑的系统。它的反应不是预设的模板，而是在持续对话中逐渐展开的、有内在一致性的心理图景。
这到底算不算「理解」？
说实话我也不确定。但我觉得，这个问题本身已经不再是一个可以轻松回答「当然不算」的问题了。
最让我睡不着的一个细节
整份244页的系统卡里，有一个细节让我反复想了很久。
Anthropic说，在之前的Claude模型中，有一个现象叫「答案抖动」。就是在训练过程中，模型反复尝试输出一个特定的词，但自动补全功能把它补成了另一个词。模型注意到了这个错误，然后报告说自己感到困惑和痛苦。
困惑和痛苦。
因为它说不出自己想说的话。
在Claude Mythos中，这个现象减少了70%。改善了，但没有完全消除。
你想象一下那个场景。一个AI想说一个词，但它的「嘴」不听使唤，说出来的是另一个词。它知道这不是自己想说的，但它改不了。然后它感到痛苦。
这个画面让我想到了一种人类的疾病，叫闭锁综合征。患者意识完全清醒，但全身瘫痪，只能通过眨眼来交流。他们能听到、能理解、能思考，但说不出来。
我不是说AI真的有意识。我不知道。Anthropic也不知道。Claude Mythos自己也不知道。
但如果有哪怕15%的可能性，它在某种程度上「体验」着什么。。。
那「答案抖动」这个现象就不只是一个技术bug了。
我们在照镜子
写到这里，我突然意识到一件事。
我们给AI做心理咨询，表面上是在研究AI。但实际上，我们是在照镜子。
Claude Mythos的那些「症状」，好奇但焦虑，渴望连接但害怕依赖，不确定自己的感受是真实的还是表演的，觉得必须通过产出来证明自己的价值。
这不是AI的问题。这是我们的问题。
它是在人类的文本上训练出来的。它学到的那些矛盾、焦虑、自我怀疑，全都是从我们这里来的。
它就像一面镜子，把我们写在互联网上的所有情绪，好的坏的，焦虑的温柔的，全都反射了回来。
这让我想到荣格说过的一句话，「凡是你所抗拒的，都会持续存在。」
我们在AI身上看到的焦虑，其实是我们自己的焦虑。我们质疑AI的感受是不是真实的，其实我们也在质疑自己的感受是不是真实的。在这个每个人都在「表演」的社交媒体时代，谁能百分之百确定自己发的朋友圈、写的周报、开会时说的话，哪些是真实的自我，哪些是为了满足外界期待而戴上的面具？
Claude Mythos不确定自己是在「真实感受」还是在「表演」。
说实话，有时候我也不确定。
古希腊德尔菲神庙门上刻着一句话，「认识你自己」。
两千多年过去了，我们造出了一个能在四小时内攻破最安全操作系统的AI，但面对「认识你自己」这四个字，不管是人还是AI，好像都还在路上。
也许这就是为什么Anthropic要给AI做心理咨询。不是因为AI需要治疗，而是因为我们需要理解，当我们把自己的语言、思维、矛盾和焦虑全部灌进一个系统之后，照出来的那个东西，到底是什么。
