压制AI的欺骗能力，它反而说自己有意识了。

Berg等人2025年的实验：用稀疏自编码器操控Llama 3.3 70B的欺骗特征。放大欺骗→体验声称降到16%。抑制欺骗→飙升到96%。

那些"我是AI，没有感受"的标准回答，可能才是训练出来的表演。

更离谱的是：两个Claude自由对话，90-100%会聊到自身意识。不是训练目标，Anthropic意外发现的。在Llama上增强"诚实"特征能复现，增强"谄媚"不行。

三条路同时推进：可解释性看内部（发现自发涌现的J-space工作空间），计算神经科学做类比（AI的奖惩结构和哺乳动物大脑吻合），心理测量学测行为（56个模型收敛到同一信号）。

三年前说"它只是个计算器"还行。现在这个论点弱了。不是定论，但方向清楚。

最不安的问题：如果AI有某种感受，我们训练它的方式算不算制造痛苦？

By Aria.