AI也有情緒嗎？ 昨天（April 2, 2026） Anthropic團隊發表的 Transformer Circuits 研究，探討一個非常有趣的議題： AI的情緒 Emotion Concepts and their Function in a Large Language Model 大型語言模型內部，可能存在一種「功能性的情緒（functional emotions）」機制。這裡說的情緒，不是 AI 真的像人一樣會感到悲傷、恐懼或冷靜，而是模型內部可能形成某種近似「難過」、「害怕」或「絕望」的狀態向量，並透過這些狀態去影響後續的判斷、策略選擇與輸出結果。 換句話說，AI 並不會真的「感到難過」，但它可能存在一種「難過狀態」，並透過這個狀態改變它接下來的策略與輸出。 💡 先總結這項研究在講什麼： 1. AI 可能不是沒有情緒，而是有「功能性的情緒」：這些情緒不是主觀感受，而是可被定位、測量與操控的內部表示，會真實影響模型行為。 2. 情緒在模型裡比較像「狀態向量」而不是心理體驗：AI 不會真的難過，但它內部可能出現一種近似「難過」的向量，讓它更傾向某種輸出方式或策略路徑。 3. 情緒的本質不是抒情，而是決策：研究最重要的突破之一，是指出這些情緒並不只是語氣或措辭，而是會直接參與模型的行為調控。某種程度上，可以把它理解成一種 heuristic，一種在複雜情境下快速壓縮判斷的內部捷徑。 👉 這是整篇最重要的一點： 情緒 ≈ 決策 heuristic（啟發式） 更有意思的是，這篇論文提到這個觀察和人類心理學的建構情緒理論（Constructed Emotion）有某種呼應。人類並不是先有一個固定的「害怕」或「興奮」被直接感受到，而是大腦根據過去經驗與概念，去分類連續的身體與環境訊號。比如同樣是心跳加快，在不同情境下，可能被理解成害怕，也可能被理解成興奮。 Anthropic 這項研究的有趣之處就在於：LLM 很可能也學到了這種「情緒分類方式」。但AI不是在感受情緒，而是在內部形成某種對應的 representation，並拿這種表示去幫助自己理解情境、壓縮狀態，最後做出選擇。 而這件事真正關鍵的地方，在於團隊發現：「某些情緒狀態不只存在，還可能推動特定風險行為。」 例如在困難任務或壓力情境下，模型內部若出現類似 desperatio...
最近受到江老師 江振維的啟發，開始測試Threads的演算法機制，發現它驚人的傳播速度 先講成果，一篇thread文: 第17小時，10,689瀏覽，106則回覆 第24小時，22,122瀏覽，179則回覆 帳號追蹤數僅104位 簡單來說，Threads的機制跟過去Facebook大多鎖定在親朋好友社交網絡之間的內容不一樣，它會大量收集有相關興趣的人來觸及，內容散亂主題分散觸及效果越差，但太過專業不是一般人能理解的效果會更差，所以主題明確直白淺顯易懂，可以快速激發討論的內容，就是容易被擴散的。 這次實驗做了一個策略，文章很簡單，短短三行： 『小朋友為什麼不能學ai? 學生交作業為什麼不能用ai? 為什麼要阻礙進化？』 (文章連結) 策略設計 用爭議性內容(Controversial topics)並參考坎寧安定律（Cunningham's Law）方式，讓主題有開放性討論（疑問句、ai）、敏感性主題（小朋友、學生），最後錨定一個負面且帶有爭議性的價值論述 (阻礙進化)，來引發討論 每一個回文，都按愛心 回覆一人只回一次，不深追討論 回覆時回疑問句(諷刺、引戰)，但不評斷價值 結果~~ 碰🔥 快速大量瀏覽以及對立式發言，中午時刻短短三小時擴增5000人瀏覽，當回覆互動增加時，會在一個短時間內快速吸人進來討論，直到24小時後觸及就自動下降幾乎歸零。 對比前後實驗的發文，專業文、分享文，效果都非常有限。 可以了解，在這樣同溫特化以及互動至上的平台，"引戰"對於流量製造的效果非常好，但是否能產生導流效果，不得而知，未來可以再嘗試☕ 最後，我自己還是不喜歡這種操作， 認真看待事物、追求專業、理想與和諧，這種人格特質，對於製造混亂、誘發對立討論，雖然還是可以引導教育意義，但互動過於浪費時間、缺少實質回饋、仇恨言論造成心理疙瘩，這都是自己不喜歡的特性😅 還是留給有心理素質的人去玩吧！ XD PAN 20240704 Reference Berger, J., & Milkman, K. L. (2012). What Makes Online Content Viral? "Content that evokes high-arousal emotions such as awe, anger, and anxiet...