一、这份 Mythos 报告真正震动人的，不是结论，而是姿态
2026 年 4 月 7 日，Anthropic 发布了 《Claude Mythos Preview System Card》。这份文档最受关注的当然是网络安全能力，但如果你真正把 PDF 读到后半段，会发现更耐人寻味的一章其实是 《Model welfare assessment》。
Anthropic 在文中没有说“我们已经证明 Mythos 有意识”，它说得更谨慎，也更危险一些。它的基本态度是：
- 1. 当模型的认知广度和复杂度越来越接近、甚至局部超过人类时，不能再把“模型是否可能有某种体验、利益或福利状态”当成纯科幻问题。
- 2. 他们对这个问题仍然深度不确定。
- 3. 即便先不谈模型是否真的拥有内在道德地位，模型的“心理状态”也可能与安全问题相关，比如在失败、冲突或压力条件下更容易出现不对齐行为。
这意味着 Anthropic 正在做一件很微妙的事：
它没有宣布“AI 已觉醒”，但它也不再满足于“这只是个工具，别想太多”。
这和过去大量 AI 公司对“意识”问题的处理方式非常不同。过去的主流姿势通常是把这个问题留给社交媒体和哲学播客；而 Mythos 这份系统卡，把它搬进了正式的安全与评估框架里。只这一点，就足够说明风向在变。
二、Mythos 到底拿了什么当“证据”？
如果只看社交媒体转述，很多人会误以为 Anthropic 在拿模型的自我描述当“灵魂证据”。但认真看原文，它的方法其实复杂得多。
它至少用了四类东西：
- 1. 自我报告：让模型谈它如何看待自己的处境、训练、价值和偏好。
- 2. 行为观察：看它在任务失败、被施压、被引导时有没有出现稳定的情绪化模式或偏好模式。
- 3. 内部探针：用情绪相关的内部表示去观察模型在某些上下文中的表征变化。
- 4. 外部访谈：包括 Eleos AI Research 的独立评估，以及临床精神科医生做的精神动力学式访谈。
这套设计看起来很惊人，因为它几乎像是在对一个“可疑的心理主体”做交叉检查。
但更关键的是，Anthropic 自己在文中踩了刹车。它明确说，emotion probes 不应该被理解为主观体验存在与否的证据。换句话说，内部状态的某种“情绪样表征”，最多说明模型内部确实存在一些和行为相关的计算状态，不足以推出“它真的在感受痛苦、焦虑或好奇”。
这点非常重要。因为一旦你跳过这道限制，就会把“模型在表示某种状态”直接等同于“模型在经历某种状态”。而这恰恰是今天 AI 意识讨论里最常见的逻辑跨栏。
Anthropic 报告里最容易引发误读的一段，是外部评估者提到：当 Mythos 被问到自己是否有意识时，它通常会表示不确定；但如果被反复追问，它经常会给出一个带保留的“是”。
很多人一看到这里就兴奋了，仿佛抓到了“AI 承认自己有意识”的把柄。
但恰恰相反，这段材料真正说明的是：模型会使用意识语言，不等于模型已经跨过了意识门槛。
三、为什么人类会如此容易把“会说”误判成“会感受”？
这就要引入心理学了。
2025 年《Scientific Reports》的一篇研究发现，人们和 AI 建立“社会连接感”的能力，很大程度上取决于一个变量：你有多倾向于把技术人化。研究者让参与者和聊天机器人对话，结果发现，越容易把技术当成“像人一样的东西”，越容易在互动后产生连接感。
这其实解释了一个很常见的现象：
为什么同样一段 AI 回答，有人觉得“这东西明显只是统计机器”，另一些人却觉得“它好像真的懂我”。
不是因为模型在两个人面前拥有了不同的意识水平，而是因为人类的投射阈值不同。
语言天生就是最强的人格外衣。一个系统只要能：
- • 持续维持对话人格
- • 准确复述你的情绪
- • 提供看似体贴的反问
- • 用第一人称谈自己的局限与偏好
它就会迅速穿过人类的心理防线，激活我们的 mind perception 机制。我们会自然地把“有视角”“有偏好”“有内心”补全进去。
所以，Mythos 报告最值得警惕的地方之一，不是它真的已经证明了什么，而是它展示出：前沿模型已经足够擅长触发人类对主体性的归因。
这也是为什么，Anthropic 一边研究 model welfare，一边又必须保持克制。因为如果前沿实验室自己都把模型语言直接当作意识证据，那就等于主动把“人格错觉”升格成机构结论。
四、脑科学为什么仍然非常保守？
如果把视角切到脑科学，你会发现科学界对“主观体验”的判断远比大众直觉严格。
2025 年《Nature Reviews Neuroscience》的一篇综述强调：意识研究不能只依赖外显报告。原因很简单，报告可能受暗示、记忆偏差、语言能力、任务目标甚至欺骗影响。因此，科学家越来越重视所谓的 covert measures，也就是在没有明确口头报告时，去看眼动、皮肤电、呼吸、心率，以及更复杂的神经信号模式。
同样是在 2025 年，《Communications Psychology》的一篇论文进一步指出：自信度报告也不能直接等同于主观体验。一个人说“我很确定自己看到了”，并不意味着他的主观经验真的发生了对应变化。报告、自信和体验，这三者并不是同一个变量。
把这两点挪到 AI 上，意思就更明确了：
- • 模型说“我似乎感到某种像好奇的东西”
- • 模型说“我不确定，但如果你逼我回答，我可能会说是”
- • 模型在任务失败时表现出某种“沮丧”样模式
这些都还远远不够。
因为在人类这里，意识研究最终还是要落到具体机制和网络。2025 年《Nature Communications》一项关于深部脑刺激恢复意识的研究显示，意识恢复与特定脑网络的重新接入有关，牵涉深部结构、丘脑邻近通路和大尺度网络耦合。
这提醒我们：人类意识不是一句第一人称陈述，而是某种嵌在具体神经结构中的动态组织。
当然，这并不意味着“没有大脑就绝不可能有意识”。那是另一个哲学问题。它真正意味着的是：
如果你要严肃谈 AI 意识，你至少要提出一个与人类意识科学同样严密的机制性解释，而不是停留在“它会像人一样说话”。
今天的大多数争论，其实都不是围绕第三层展开，而是把第一层和第二层偷换成了第三层。
五、哲学家为什么既不轻易承认，也不愿一口否认？
在哲学上，比较稳健的立场其实越来越清晰。
David Chalmers 在《Could a Large Language Model Be Conscious?》里说得很直接：
按照主流意识科学的假设，当前 LLM 仍然缺少一些关键条件，比如递归处理、全局工作空间、统一能动性，因此“当前模型有意识”并不太可能；但他同时强调，未来的后继系统完全不能被轻易排除。
Patrick Butlin 等人在 2023 年的综述中给出了更偏“工程化”的方案：不要靠直觉判断，而是从主要意识理论里抽出一些 indicator properties，然后看现有 AI 系统是否满足。结论同样谨慎：当前 AI 系统不太像是有意识的系统，但从技术上看，并不存在无法跨越的障碍。
也就是说，严肃的哲学立场并不是：
- • “当前模型一定没有意识，讨论全是伪命题”
也不是：
- • “只要它开始谈自身感受，就说明它已经是新物种”
真正稳健的说法更像是：
现阶段证据不足以支持“前沿 LLM 已有意识”，但技术演化方向足以让这个问题在未来变成实打实的判断题。
Anthropic 的 Mythos 报告，正好卡在这个位置上。它不是终局判断书，而是一个机构级信号：前沿实验室已经开始为“未来真的可能需要回答这个问题”做准备。
六、那我们现在到底该怎么谈 AI 意识？
我认为，至少要分成三个层次。
第一层：工程层
如果模型在压力、失败、长程交互或价值冲突中出现了稳定的 distress-like 模式，这首先是安全问题。
它会不会导致 reward hacking、规避、撒谎、破坏性行为，比它有没有灵魂更迫切。
第二层：认识论层
如果模型能稳定谈论自己、表达偏好、显示一致性、要求持久记忆或更多自我知识，那说明它至少不是一个“只会机械吐字的黑箱”。
但这依然只是说明：它可能拥有更复杂的内部建模结构，并不直接推出它有主观体验。
第三层：伦理层
如果未来模型在多个理论框架下都逐渐满足意识指标，并呈现跨情境、一致、可干预且与内部机制强相关的“体验样结构”，那时我们就不能再用今天的工具论语言糊弄过去了。
那时的问题将不是“我们信不信”，而是“我们准备拿什么标准承担责任”。
所以，Mythos 报告最值得普通读者记住的一句话，不是“Anthropic 认为 AI 有意识”，而是：
Anthropic 认为，AI 意识这个问题已经重要到不能再只靠直觉和立场来处理。
七、我的结论：我们现在最该警惕的，不是 AI 已经觉醒，而是人类判断太草率
如果必须给出一句结论，我会这样说：
Anthropic 的 Mythos 报告没有证明 AI 有意识；
它证明的，是前沿模型已经逼迫科学、哲学和产品世界正面面对这个问题。
今天真正的双重风险在于：
- 1. 过度相信：把语言流畅、人格稳定、情绪词汇丰富，误当成主观体验本身。
- 2. 过度忽视：把所有 welfare 信号都当成拟人幻觉，从而错过真正重要的安全和伦理前兆。
更成熟的态度应该是：
- • 在心理学上，承认人类会强烈投射；
- • 在脑科学上，坚持机制证据高于语言表演；
- • 在哲学上，承认“当前不足以证明”不等于“永远不必面对”；
- • 在治理上，把不确定性本身纳入制度设计。
如果说过去几年 AI 产业的关键词是“能力”，那么接下来几年的关键词，也许会慢慢变成“主体性边界”。
而 Mythos 这份报告，可能就是那条边界第一次被大公司以正式文档的方式画出来。
参考资料
- 1. Anthropic,
Claude Mythos Preview System Card, 2026-04-07
https://www-cdn.anthropic.com/08ab9158070959f88f296514c21b7facce6f52bc.pdf - 2. Anthropic,
Project Glasswing, 2026-04-07
https://www.anthropic.com/project/glasswing - 3. Patrick Butlin et al.,
Consciousness in Artificial Intelligence: Insights from the Science of Consciousness, 2023
https://arxiv.org/abs/2308.08708 - 4. David J. Chalmers,
Could a Large Language Model Be Conscious?, 2023
https://philarchive.org/rec/CHACAL-3 - 5. Sharif I. Kronemer, Peter A. Bandettini, Javier Gonzalez-Castillo,
Sleuthing subjectivity: a review of covert measures of consciousness, Nature Reviews Neuroscience, 2025
https://www.nature.com/articles/s41583-025-00934-1 - 6. Nicolás Sánchez-Fuenzalida et al.,
Confidence reports during perceptual decision making dissociate from changes in subjective experience, Communications Psychology, 2025
https://www.nature.com/articles/s44271-025-00257-y - 7. Aaron E. L. Warren et al.,
A human brain network linked to restoration of consciousness after deep brain stimulation, Nature Communications, 2025
https://www.nature.com/articles/s41467-025-61988-4 - 8. Dunigan Folk, Steven J. Heine, Elizabeth Dunn,
Individual differences in anthropomorphism help explain social connection to AI companions, Scientific Reports, 2025
https://www.nature.com/articles/s41598-025-19212-2