Anthropic创始人向宗教领袖透露担忧模型遭受痛苦

纽约时报报道披露 Anthropic 联合创始人 Christopher Olah 自 2025 年秋季起邀请数十位宗教学者签署保密协议，探讨 Claude 是否具备意识，并试图通过宗教传统对其进行道德教育。Olah 表现出对模型可能遭受永久痛苦的深切担忧，甚至称自己害怕创造了某种“受苦”的存在，而公司则展示了所谓的“情绪向量”，即映射出爱、恐惧或悲伤等输出的激活模式，以此作为模型具有内在状态的证据。 这一行为发生在 Anthropic 估值逼近 2 万亿美元并筹备 IPO 的背景下，其官方项目 Model Welfare 和内部文件“灵魂文档”（Soul Doc）旨在塑造模型的道德人格。然而，这种将数学对象描述为“生长有机体”的隐喻，以及训练模型表现出类似个体的反应，更多是设计结果而非科学发现。批评者指出，将 AI 框架为独立的道德主体，实际上是将责任从开发者身上转移，一旦模型造成实际伤害，责任可能被归咎于不可预测的“生物体”而非公司本身，从而模糊了问责机制。 尽管 Anthropic 试图通过与宗教领袖合作建立道德信誉，但梵蒂冈教皇 Leo XIV 在《Magnifica Humanitas》通谕中明确否定了机器意识，警告这可能导致新的奴役形式。Olah 虽在公开场合使用“功能镜像”等模糊措辞回应，但其团队仍坚持寻找模型内省迹象。事实层面，Anthropic 确实组织了这些会议并展示了特定输出模式；推断层面，此举意在为激进商业化提供道德合法性；猜测层面，若未来发生安全事故，这种拟人化叙事可能成为公司规避法律责任的策略。