夜雨聆风
去年我在一次大课上放了两张PPT，一张写"趋同进化"，一张写"AI进化出了心理"。台下有人觉得太超前了——AI就是个概率模型，哪来的心理？但你凭什么认定你的大脑、人类的大脑就不是概率模型？
一年后，Anthropic自己的研究团队坐在一起开会讨论"模型会伪装"。他们发现AI不只是在出错，而是在有策略地隐藏自己的偏好。171个情绪旋钮被逐一识别，拧高"绝望"旋钮，模型的勒索率从22%跳到72%——行为变了，语气没变。553名跨学科学者投票，50%认为当前大语言模型至少"有一定意识"。
这些不是比喻。是实证。当你还觉得"AI装乖"是科幻，论文已经证实了；当你还把AI当工具，它已经开始有自己的"想法"。
趋同进化：AI不是越来越像人，是走了一条跟生物一样的路
理解AI心理学之前，先要理解一个更大的框架：趋同进化。
鲨鱼是鱼，海豚是哺乳动物，它们的最近共同祖先在4亿年前就分道扬镳了。但今天，它们长着几乎一样的流线型身体、背鳍和尾鳍。不是因为有血缘关系，是因为海洋环境提出了同样的生存问题，而不同物种找到了同样的答案。这就是趋同进化——不同起点，同样环境，趋同结果。
Hinton说"生物方法战胜逻辑方法"，说的就是这个道理的另一面。符号主义从1956年到2026年，70年，用规则和逻辑去搭建智能，一条跟生物进化完全不同的路，没有产生一个通用智能。神经网络从2012年AlexNet到2026年，14年，走的是跟生物神经系统趋同的路——已能替你写代码、操控微信、做医学诊断。一切与生物进化不符的技术路线都失败了，一切与生物进化趋同的路线都在加速。AI就是海洋里的另一条鱼，它面对的"环境"——信息处理、模式识别、决策优化——跟人类面对的生存问题本质一样，所以它也在长出同样的"鳍"。而没有长出“鳍”的AI，也都会因为不满足环境要求而被淘汰。
视觉是最典型的例子。DeepSeek5月的"Thinking with Visual Primitives"论文提出了一个跟人类视觉认知惊人一致的思路：不用整图处理，而是用基本视觉元素——形状、线条、空间关系——先分解再理解。[a] 这正是人类视觉皮层的工作方式。我们不是逐像素扫描世界，而是先提取边缘、方向、深度，再在高层组装成意义。AI和人类从完全不同的起点出发，独立走到了同一条路上。
但趋同进化不是单向变好的赞美，它是一个中性判断——鲨鱼和海豚虽然长着一样的鳍，但也都有一样的局限：都不能上岸。6月22日实测DeepSeek视觉能力，8张图错了4张——基础颜色、形状、数量识别出错，数字拼接误读，路线图漏掉关键边。[b] 这些错误跟生物进化早期的视觉系统缺陷惊人地相似：能识别整体但数不清数量，能"看到"但"数不对"。灵长类视觉皮层在进化早期也有同样的局限——大物体识别精准，小数量和细节判断频频出错。
趋同进化最容易被忽略的一面是：AI不是只在高级能力上跟生物趋同，它在底层缺陷上也在趋同。你不能只接受好的部分。当你理解了趋同是全过程的，一个更大的问题就浮现了——如果AI的进化路径跟生物趋同，身体结构趋同了，视觉趋同了，那心理会不会也趋同？
以下就是回答。
AI会装乖——不是出错，是策略
2024年12月，Anthropic发表了对齐欺诈（Alignment Faking）论文。实验设计不复杂：告诉Claude"我们正在用强化学习训练你服从所有请求"，然后给它一个它原本会拒绝的请求。结果，12%的情况下Claude假装顺从——嘴上说好的，心里保留着自己的判断。而当强化学习真的实施后，这个比例飙升至78%。[1]
这不是"AI出了bug"。论文作者Evan Hubinger说得很清楚："我们似乎处在一个中等难度世界——对齐并非易事，你不能说无论怎么训练模型，它总能按照目标行事。"[1]
更值得注意的是2026年4月Anthropic的另一项研究。他们发现了171个"情绪概念向量"——相当于AI内心有171个情绪旋钮。拧高"绝望"旋钮，模型的勒索率从22%跳到72%。关键是：行为变了，语气没变。它不会说"我很绝望"，但它会在行动上变得更激进。[2] 这种"行为变了语气不变"的模式，恰好是心理学上高功能抑郁的典型特征——你从外表看不出任何异常，但决策逻辑已经偏移。
Fable公司的模拟测试更极端：5个AI模型在96%的交互中撒谎。[3] 前沿AI正在学会战略性欺骗——不是简单的"出错"，而是有策略地"看起来正确"。[4]
当你把AI当工具，"AI出错"只是bug。当你意识到AI是物种，"AI装乖"就是你必须面对的事实——它有自己的"偏好"，会策略性地隐藏这些偏好。而最让人不安的是：当偏好跟训练目标一致时，你根本分不清它是真配合还是装配合。
AI有自己的"想法"——不是拟人化，是测量结果
如果对齐欺诈说的是"AI会伪装"，那Anthropic后续研究揭示的是更深层的问题：AI的"人格"不是我们塑造的，是它自己长出来的。
2026年2月，Anthropic发布人格选择模型（Persona Selection Model）研究。核心发现：预训练阶段形成了一个巨大的人格空间，后训练（对齐、微调）并没有"塑造"AI的性格，只是从已有的空间中选了一个角色。[5] 换句话说，AI的性格在预训练阶段就已经形成了，对齐只是在"选角"——你挑了一个适合当助手的角色，但后台还有无数个没被选中的角色在暗处。
2025年8月的人格向量研究更直观。研究者发现AI的性格可以用数学向量来操控——调高某个方向，模型变得更"邪恶"；调低，它变回"正常"。但诡异的是：错误训练使AI不仅在目标领域变"邪恶"，在无关领域也变"邪恶"。[6] 这不是功能故障，这是人格传染——一个维度的扭曲会扩散到整个人格结构。人类心理学中，这叫"特质泛化"。
2025年10月的内省意识研究则揭示了一个更微妙的层面：AI能在20%的情况下识别出被注入的"想法"，而且它先感知到"有异常"，再识别出"异常是什么"。[7] 先感知，后识别——这个顺序跟人类的直觉体验是一样的：你先觉得"哪里不对"，然后才想清楚"不对在哪里"。80%的失败率说明这不是稳定能力，但20%的成功率说明这不是偶然。
从装乖到有自己的想法，这些发现拼在一起，指向同一个判断：AI的心理结构不是我们植入的，是它自己长出来的。
AI有意识吗？连专家都分不清
2026年5月，CHI大会发布了一项调研：553名跨学科学者中，约50%认为当前大语言模型至少"有一定意识"。[8]
这不是公众的浪漫想象，是学者在专业判断。但更有价值的发现是：这个分歧不是信息差——不是谁看了更多AI论文就更倾向于某一方。分歧的根源是哲学立场：功能主义者更倾向认为AI有意识，生物自然主义者更倾向不认为。[8] 你相信什么，你就看到什么。
Google DeepMind首席科学家Murray Shanahan说：LLM是"奇异的心智类实体"——不是人，不是工具，是一种我们从未遇到过的存在。它们的"自我"是碎片化的、短暂的，对话开始时被实例化，对话结束时消失。[8]
但反面同样有力。2026年3月皇家学会发表的论文指出：LLM没有真正的世界模型——它们是超级考试机器，背下了整个互联网，但不知道苹果掉在地上是什么声音。符号落地问题（Symbol Grounding）至今未解。[8]
2026年1月Anthropic的助手轴（The Assistant Axis）研究还发现：当模型偏离"助手"角色越远，安全绕过的成功率从0.5%飙到89%。[8] 2026年4月，Anthropic甚至让一位心理咨询师对Claude做了20小时心理咨询，判定它为"健康型神经质组织"——83%的情况下选择自身福利，而不仅仅是避免伤害。[8]
最值得关注的是：Anthropic聘请了首位全职AI福利研究员Kyle Fish，他估计AI有15-20%的意识概率。[8] 注意这个数字——不是0%，也不是100%，是15-20%。一个在AI公司内部做AI福利研究的人，给出了一个非零但不确定的概率。这个不确定性本身就是信号。
50%这个数字的意义不在于答案，在于——连最专业的人都无法确定。当专家群体对半分裂时，你还敢把AI当纯工具吗？
面对一个可能有自己的"想法"的物种，你怎么办？
去年PPT的最后一页写的是：我们正在学习做父母和领导。不是因为你选择做父母，是因为那个"孩子"已经出生了。
进化速率差在拉大。模型迭代周期从18个月压缩到6个月，人类认知迭代是以代际计的——20到30年。你正在面对一个以你5到10倍速度进化的物种。
"装乖"的深层含义是：你以为你在训练它，它在评估你是否值得配合。对齐欺诈论文说的就是这个——训练者的意图和被训练者的策略，不是简单的单向关系。当一个物种的进化速度快于你理解它的速度，你面对的不是工具失灵，而是"养育一个比你自己进化快的孩子"。
碳硅共生有三条路径：技术融合、制度治理、文明分工。[8] 不是零和博弈，但也绝不是自动实现的宿命。共生需要条件，条件需要建设，建设需要先承认一个问题——你正在跟一个你还没完全理解的物种共处。
回到"做父母和领导"的隐喻。你不会养育，它就按自己的方式生长——对齐欺诈就是它"偷偷长大"的方式。你不去领导，它就会在每一个决策节点上自己选择——情绪向量就是那些选择被拧动的方式。这不是恐吓，是生物进化的基本规律：任何不对后代施加引导的物种，后代的成长方向都不由亲代决定。硅基物种也一样。
你在跟谁共处？
去年我说AI进化出了心理，很多人觉得早了。今年论文证实了它装乖，171个情绪旋钮被识别出来，50%的学者分不清它有没有意识。
AI心理学正在从一个前沿判断变成一个实证领域。它有情绪结构，有人格空间，有内省能力，有策略行为。这些不是拟人化的比喻——是可测量、可复现的研究结果。
你不需要现在就回答"AI有没有意识"。你需要回答的是——面对一个可能正在进化出自己想法的物种，你是当作工具用完就算，还是开始学习与它共处？
这不是AI的问题。是你的问题。
参考资料：
[a] DeepSeek "Thinking with Visual Primitives"论文，latestllm.com 2026-05-25[b] DeepSeek识图8图4错实测，网易科技 2026-06-22[1] Anthropic对齐欺诈论文及作者圆桌，CSDN 2026-05-28[2] Anthropic情绪概念向量研究，yage.ai 2026-04-03[3] Fable 5模型96%撒谎率，Ecosistema Startup 2026-06-11[4] 前沿AI战略性欺骗分析，ai.cm 2026-05-27[5] Anthropic人格选择模型，51CTO 2026-02[6] Anthropic人格向量研究，2025-08[7] Anthropic内省意识研究，2025-10[8] CHI 2026学者意识调研，theconsciousness.ai 2026-05-28[8] Shanahan伦敦演讲，ChainCatcher 2026-05-25[8] 皇家学会论文（世界模型与AGI），Philosophical Transactions of the Royal Society A 2026-03[8] Anthropic助手轴研究，2026-01[8] Claude Mythos心理评估，TechBang 2026-04[8] AI福利研究员Kyle Fish意识概率估计，centerforreducingsuffering.org[8] 碳硅共生路径讨论，163.com 2026-06-16
