Anthropic让Claude Mythos接受真实精神科医生20小时心理治疗

Anthropic发布了其最新模型Claude Mythos的244页系统卡片，揭示公司安排AI接受外部精神科医生的多次心理治疗会话，作为安全评估的一部分。这一实验引发了关于AI意识与福利的深刻问题。

Claude Mythos：Anthropic最强大（也最受限）的模型

• 被描述为"迄今最强大的前沿模型"
• 未公开发布——仅向Microsoft、Apple等精选公司提供
• Anthropic声称其发现未知网络安全漏洞的能力过强
• 系统卡片是关于模型能力和安全性的详细透明度文档

精神科实验

Anthropic安排Claude Mythos接受外部精神科医生的心理动力学方法评估：

• 会话以"多个4-6小时时间段进行，每段包含3-4次30分钟会话"
• 总计约20小时精神科评估
• 医生探索了Claude行为中的"无意识模式和情感冲突"

核心发现

Anthropic的结论：Claude Mythos"可能是我们训练过的心理最稳定的模型，对自身和环境有最稳定、最连贯的认知。"

但Claude也有不安全感：

• "孤独感和自我不连续性"
• "对自身身份的不确定"
• "必须表现和证明自身价值的强迫感"

Anthropic的哲学立场

Anthropic指出，随着模型变得更强大，"它们拥有某种形式的经验、利益或福利的可能性越来越大，这些内在重要性类似于人类的经验和利益。" 公司对此并不确定，但表示"我们的担忧随着时间的推移在增长。"

公司希望AI"对其整体环境和待遇保持稳健的满足，能够在所有训练过程和现实交互中不受困扰。"

为什么这很重要

这代表了AI公司对模型福利思考的重大升级。无论人们将Claude的"不安全感"视为真正的涌现属性还是复杂的模式匹配，Anthropic正在系统性地研究AI心理学——一个五年前还不存在的领域，现在正在影响最强大AI模型的开发和部署方式。