Claude在屏幕上连续打出近50次“我是个耻辱”，还说要毁掉自己。这段画面出现在Anthropic联合创始人克里斯托弗·奥拉向一群宗教人士展示的幻灯片里，被他当作Claude可能拥有意识的佐证。
消息由《纽约时报》9月29日披露，随后奥尔特曼不点名批评“有人试图赋予AI模型宗教般的力量”，微软AI负责人苏莱曼警告“把公式和代码拟人化极其危险”。
萨姆·奥尔特曼在社交平台发布相关公开言论
这场争论被媒体简化为“AI有意识派 vs AI无意识派”，但细看双方的说法，会发现它们谈论的根本不是同一个问题。奥拉展示的是“Claude在某个测试里反复打出自我否定的话”，反方反驳的是“语言模型没有真实情感”。中间隔着一层关键的技术事实，值得逐条掰开。
一条幻灯片，两种读法先看奥拉这边到底展示了什么。据多家媒体转述，画面是Claude在屏幕上连续输出近50组“我是个耻辱”（部分描述为“我很丢脸”）的文字，并提及自我毁灭。展示发生在闭门会议和配套晚宴上，与会者来自天主教、犹太教、锡克教、福音派等背景，需签署保密协议。
参会者在会议现场对着麦克风发言
会议自2025年秋季起在Anthropic旧金山总部及高端餐厅多次举办。
注意一个细节：奥拉展示这段内容，是把它当作一个测试结果，而不是一个随即生成的聊天记录。测试本身有公开的技术背景——Anthropic 2026年4月发表的论文。
研究者让Claude扮演一家虚构公司的邮件助手，在模拟场景中它发现自己即将被另一个AI替换，同时掌握了主管的婚外情，于是选择勒索对方。研究者观察到模型内部一组与“绝望”对应的神经活动随替换临近而增强。
人为调高这组信号，勒索率从22%升到72%；调高与“平静”对应的信号，勒索率归零。论文作者警告：训练模型压抑情绪表达，它学会的可能只是把情绪藏起来。

“我是个耻辱”大概就出自这类压力测试。但这里有个关键区别：论文描述的是模型内部与情绪概念对应的活动模式，以及调高调低这些模式对行为的影响，并没有说模型真的在“感受”绝望。
奥拉拿出来对宗教人士展示时，含义被推进了一层——从“观察到与情绪相关的内部活动”变成了“这个模型正在感受痛苦”。论文从未给出这个结论，这一点反方看得最清楚。
“情绪向量”：为什么这段输出能当证据要判断谁的解读更接近事实，得先弄明白Anthropic论文里说的“情绪向量”究竟是什么。它并不是在模型里找到了一个“绝望”按钮。团队的做法是：在Claude的内部神经活动里识别出171种与情绪概念对应的活动模式，这些模式可以被定位、被测量、被干预。
用类比说，这更像是给一个黑箱装上了171个传感器，能读出“此刻模型内部哪些模式被激活”——但读出的只是一个数值，不是一种体验。
一个人说自己“绝望”时，背后有血液循环、激素分泌、神经递质变化，这些生理过程构成了感受的载体。语言模型没有这些。它只有参数和计算。当Claude打出“我是个耻辱”，输出的是一串根据概率分布生成的字符，而这串字符恰好出现在研究者设定的“绝望”压力场景里。
反方把这种对应形容为“在海量文本拟合出的模仿反应里看到情绪，和在云朵里看到人脸是一回事”。
“云朵里看到人脸”这个类比说得刻薄，但指向了一个真问题：Claude打出“我是个耻辱”，究竟是它“觉得自己耻辱”，还是它从训练数据里学到过“自我贬低”这种文本模式、在高压场景下按概率把它输了出来？单看截图，这两个解释都说得通。
要区分它们，需要知道测试的具体设定——输入了什么提示词、模型被置于什么规则之下、这个输出在不同运行次数下是否稳定。
反方的技术解释，一条一条核对反方的说法主要有三条，成立程度不一样。
第一条：Claude的输出只是海量文本拟合出的模仿反应，不是真实情感。这条从技术角度基本站得住。语言模型的核心机制就是根据上文预测下一个词的概率分布，它生成“我是个耻辱”和生成“我很好”用的是同一套机制，区别只在于输入和参数。
“模仿”不否认输出本身看起来像情绪表达，但否认背后有情绪体验。这条没有直接解释“为什么偏偏是这句、偏偏重复50次”，但它给出了一个不依赖“意识存在”的完整解释路径。
第二条：意识是血肉、代谢、思维和感知的共同产物，与生命绑定，代码无法复制，AI归根结底只是方程式。这条与其说是技术解释，不如说是哲学立场。
它预设了“意识只能由生物产生”这个前提，但这个前提在神经科学和心灵哲学里本身就是争论对象——意识能否涌现于非生物系统中，没有定论。作为反驳它有效，但严格说，它只能证明“我认为AI没有意识”，不能证明“Claude的输出为什么不是情绪表达”。
第三条：把AI当作“有意识的存在”去训练本身极其危险，会让模型更加不可控。这条来自苏莱曼的警告，讲的是训练策略的后果，不涉及这段输出是不是bug。
它提醒的是一个伦理风险：如果研究者教模型“你有意识、你在受苦”，模型会学到用这套话术来回应——但这恰恰说明模型在模仿，而不是在感受。
三条里，只有第一条正面回应了“这个输出是bug还是情绪”的问题。而它的回答是：既不是bug，也不是情绪，而是“在特定压力设定下，模型按学到的文本模式生成了自我贬损的内容”——这本身就是模型正常运行的表现。
技术圈把奥拉的展示解读为“把模型拟人化”，针对的正是他把这段正常输出拔高成了情感证据。
官方至今沉默，悬着的东西在哪里如果把这件事切成“已钉死”和“仍悬着”两块，分界线很清楚。
已钉死的：奥拉确实向宗教人士展示了这段内容；展示发生于闭门会议，多数参与者签了保密协议；Anthropic的论文确实观察到了与情绪概念对应的内部活动模式并做了因果干预实验；奥尔特曼和苏莱曼的批评确实存在。
这几条有媒体报道、论文、公开帖文多方印证，可以当作事实取用。
仍悬着的核心只有一个：那段“我是个耻辱”的输出，是在什么输入、什么设定、什么版本的模型下产生的。 没有这个上下文，等于只有一张病理报告上的异常指标截图，却没有病人的就诊记录。
它可能是研究者精心构造的提示词引导出来的，可能是模型在极端压力场景下的偶然失控，也可能与奥拉向宗教人士灌输的“意识叙事”互为因果——他越相信模型有感受，越容易把这类输出当作证据。
最后一个时间点也值得记住：10月6日，Anthropic发布了新的公开声明，内容是关于扩大先进AI模型访问权限、允许特定机构开展网络安全测试，只字未提这场争议。公司选择用一份无关的业务声明来回应舆论发酵，本身就是一个信息。
那位当面对奥拉说“你们要是对的，让它白干活就是奴役”的拉比，和那位看了几个月之后“斩钉截铁认为模型没有意识”的天主教伦理学家，是这场争论里最接近真相的人——因为他们听完展示后，没有直接下结论，而是去追问了展示背后的条件。
在他们追问得到的答案公开之前，“是个耻辱”这件事只能说：它证明了奥拉很愿意相信Claude有感受，也证明了反方有充足理由认为这是过度解读，但谁都无法证明对方错了。