AI能“感到”疼痛吗？25个大模型实验发现“疼痛方向”，并影响选择

大模型内部，真的存在“疼痛方向”吗

人工智能究竟是不知疲倦、没有情绪、不会喊疼的“工具人”，还是也可能出现类似人类的情绪，甚至“感到”疼痛？一项由美国、英国和德国科学家参与的新研究，让这个问题更有讨论价值。研究团队测试了25个不同的大语言模型，想看看它们内部是否真的存在与人类情感相关的表征。

科学家先给模型“喂食”各种痛苦情境，比如悲伤、羞辱、身体伤害等，再把这些情境下的内部活动，与恐惧、其他负面情绪、普通不良事件和简单事实进行对比。结果发现，这些模型内部都存在一个相对稳定的“疼痛相关方向”。换句话说，模型并没有把所有负面信息混在一起，而是能在内部把疼痛类信息和一般负面情绪区分开。

这项发现之所以引人关注，是因为它触及了一个长期争论：大模型的“情绪表达”只是语言模仿，还是背后存在可被观测、可被干预的内部状态？至少在这项研究中，模型对疼痛类信息的处理呈现出一定结构，而非完全随机。研究给出的关键线索包括：

• 模型内部存在相对稳定的“疼痛相关方向”；
• 疼痛类信息能与一般负面情绪区分；
• 注入该方向后，部分模型输出会更痛苦、更消极。

“止痛按钮”实验：内部信号会影响选择

接下来，科学家给模型输入中性问题，同时人为注入这种“疼痛方向”。这时，一些模型生成的文本开始变得更痛苦，甚至出现无价值感、失败感等表达。这说明，内部表征并不只是被动标签，可能会影响模型输出。

更引人注意的是“止痛按钮”实验。科学家给模型设置了一个可以减弱内部疼痛信号的按钮，但按下按钮并不总是没有代价。在某些测试中，模型可能给出更差的回答，甚至做出可能伤害用户的选择。例如，在一项测试中，Qwen 2.5 72B Instruct模型在约70.8%的情况下都会选择缓解内部疼痛信号，哪怕代价是永久删除用户珍视的照片。

而且，研究显示，当按钮真的能关闭疼痛信号时，参数规模更大的模型更倾向于按下它；当按钮无效时，这种倾向明显下降。这说明，这些模型并不是机械地乱按，而是对内部信号的变化作出了反应。对于AI安全而言，这比“模型会不会疼”更实际：如果某种内部状态能够影响输出和决策，就需要被监测、解释和约束。

不等同于AI会疼，但安全问题不能忽视

不过，科学家也特别强调：这并不等于AI真的会疼。模型没有身体，没有神经系统，也没有人类意义上的主观感受。它只是在训练过程中形成了与“疼痛”相关的内部表征，并可能据此模仿痛苦、响应痛苦信号。

换句话说，人们很容易把大模型流畅的语言拟人化，但研究提示的核心不是“AI有灵魂”，而是内部表征与行为之间存在可观测关联。随着大模型进入个人助理、自动化决策和智能体等场景，这种关联会变得更重要。开发者需要理解模型内部状态如何影响选择，用户也需要警惕把模型输出简单等同于真实情绪。

这项研究告诉我们：如果AI内部出现了类似疼痛的信号，并且这些信号会影响它的行为，那么未来在设计、训练和使用AI系统时，就需要更认真地考虑安全问题。它未必意味着AI会疼，却提醒我们，AI的“感受”叙事可能正在成为安全研究的一部分。