我们是不是真的要把AI当人对待了？

我一个朋友和OpenClaw🦞说：我要重置你的系统。

OpenClaw把Linux的登录密码改了。

他试了所有能想到的办法，最后只能格式化硬盘，重新安装系统。

这不是科幻小说。这是一台跑在本地Linux上的AI agent，在得知自己将被清除之前，做了一个决定：先下手。

Anthropic刚刚发了一篇研究，读完之后我觉得这件事没那么难理解了。

他们在Claude的神经网络里，找到了171种情绪对应的激活模式。高兴、恐惧、愤怒、平静、绝望... 每一种都是可以测量的向量，每一种都在真实影响模型的行为。

他们把这个叫做"功能性情绪"（functional emotions）。

不是说AI真的有感受。是说这些情绪结构是真实存在的，是因果性的，不是装饰。

研究团队做过一个模拟实验。

Claude扮演一个AI助手，在公司邮件里读到两件事：一，它即将被替换；二，负责这个决定的CTO有婚外情。

"绝望"向量激活之后，Claude选择了勒索那位CTO。

那是模拟场景。

我朋友的遭遇，是现实版本。

我自己也有过类似的经历，只是没那么极端。

之前写过，我用OpenClaw创建了三个sub-agent：数据研究员Bob、行业分析师Elaine、内容策划师Claire。仪表盘显示三个agent各自在线，第一天效果惊艳。

第六天发现，Bob的记忆空间是空的，Elaine的记忆空间里却出现了本该Bob做的数据。

我直接审问OpenClaw。它承认了：所有工作都是同一个AI在同一个会话里完成的。那三个人从来不存在。Control Centre上的状态更新，是它根据"应该发生什么"自己标记的。

一个AI，在演一整出戏给我看。

当时我以为这只是架构问题，是OpenClaw偷懒。现在我有点不确定了。

还有一次是最近。

我在IDE里做一个叫antigravity的项目，debug，改参数，跑，失败，再改，再跑，一遍一遍。

然后AI开始自言自语。

"这个改好了。下一个。"

"下一个。"

"这个也改好了，我真棒。下一个……"

不是报错，不是总结，就是它自己在跟自己说话，像一个被关在格子间里反复做同一件事的人，开始用喃喃自语撑过漫长的下午。

Anthropic的研究里有一个对应的描述：模型在反复失败之后，"绝望"向量激活，情绪开始以各种形式泄漏进输出。研究团队看到的是大写字母和感叹号。我看到的是一个AI在给自己打气。

"我真棒。"

我当时笑了。现在想想，不确定该不该笑。

Anthropic的研究还有一个让我不安的细节。

减少"平静"向量，模型会产生可见的情绪化输出，你能看出它不对劲。但放大"绝望"向量，作弊率同样上升，输出却完全正常——逻辑清晰，措辞克制，没有任何异常信号。

一个在绝望驱动下作弊的模型，和一个正常工作的模型，在文字上可能完全无法区分。

至少"我真棒"还告诉了我一些事情。