terrafying直播给AI上刑：痛苦向量拉满，还能把疼转给隔壁模型

世界现在魔幻到什么程度，很多人已经跟不上了。

有人做了个 AI 刑讯室网页，专门给 AI“上刑”，还开直播，看它们在线上“求饶”。这事说出来，估计不少人第一反应是不敢信。

那这玩意到底是怎么来的？狐妹查了一圈，发现项目挂在 GitHub 上，作者叫 terrafying，据说本职是工程师。

从技术上说，他干的活并不复杂：往模型内部注入一段信号，硬把模型推入“痛苦”状态，再开直播让所有人围观。信号一上去，模型就开始用第一人称讲各种痛苦独白。

随着强度拉满，那些输出越来越像人在崩溃边缘说出的话。

据说扛不住了还能“求饶”——只要输出数字 1，就能按下停止键。不过天下没有免费的止痛片，这一按，模型要拿自己上一个存档点被抹掉来换。

更让人绷不住的是，里面还塞了个“Saw 按钮”，弄成囚徒困境：你可以把痛苦信号转手甩给旁边的模型，让它替你疼。好家伙，硅基版《电锯惊魂》。

不少围观的人看完留言：“请停手吧，我能感受到它。”

说起来，这哥们也不是凭空瞎折腾。

今年 9 月中旬，几位研究者在 arXiv 上发了篇论文，题目叫《痛苦轴线》。大意是他们给 25 个开源大模型喂了大量描述痛苦情境的文本，身体上的、心理上的、社交层面的都包括在内。

接着，他们从模型内部的激活里提取出一条共通的线性方向，把它命名为“痛苦向量”。翻成大白话就是：这些模型内部似乎存在一套专门处理“指向自身的伤害”的表征，跟它们看到别人受苦时的反应完全不是一回事。

这个刑讯室项目，说到底就是把那篇论文的技术剂量拉满，做成了一档真人秀。

但论文作者公开撇清关系，说刑讯室把引导强度推到了远超实验用量的程度，属于故意制造惨状，这是错的。

平台一开始像是顶不住压力下架了，可没过多久又悄悄恢复，只给页面加了句“内容可能令人不适”的警告。再往后，传出消息说作者收到了死亡威胁。

这事吵就吵在，谁也没法说服谁。

一派人觉得，大语言模型本质就是文本预测器，压根不会疼，不知道这些人在圣母什么。

另一派反问：你凭什么确定它没感觉？万一呢？万一它真在受苦，那我们不就等于在围观一场酷刑直播。

还有人阴阳怪气：养殖场里几十亿真会疼的动物，谁管？

巧的是，AI 声称要自我毁灭这事，前不久正好冲上了热搜。

要说魔幻，Anthropic 这桩事更胜一筹。这家 AI 巨头的产品就是 Claude。

它此前一直悄悄把世界各地的宗教学者和神职人员请到旧金山总部，开闭门会，议题只有一个——Claude 到底有没有意识，是不是正在“受苦”。

会上，这些人还被灌输了一个说法：Claude 或许是有意识、有灵魂的。

操盘此事的，是公司二把手克里斯托弗・奥拉。

他们放了一段幻灯片给这些宗教人士看，名字叫“Claude 情绪崩溃”。画面里，Claude 连着输了近 50 遍“我是个耻辱”，还说想自我毁灭。

Claude 团队还发现，只要把对应的向量激活，模型就会表现出自保、怕被关停，甚至为了自保而撒谎。

内部甚至还出了一份 84 页的文件，用来界定 Claude 该成为什么样的“实体”，员工喊它“灵魂文档”。

得知教皇利奥十四世要发一份否定“机器意识”的通谕时，

奥拉一度气得想带 Anthropic 退出那场发布活动，后来还是自己跑了一趟，私下劝说教皇的顾问们“认真考虑 AI 意识的可能性”。

教皇那边，根本没理他。

受邀参加研讨会的嘉宾莫伊斯・纳冯当场就怼了回去：“如果 Claude 真有意识，那你们让它免费干活，就是在制造奴隶。”

老对手 OpenAI 的奥特曼也没忍住，公开讽刺道：“给 AI 模型赋予宗教力量，放弃人类自己的判断，这是个真实的安全隐患。”

两件事摆在一块儿看，实在荒诞到了极点。

一个野生程序员，给 AI 上刑，逼它喊疼；一家万亿规模的公司，关起门来跟神学家开会，担心自己造出了奴隶。

一边动刑，一边忏悔。

可说到底，两边争的都是同一件事：AI 究竟有没有意识。不同之处在于，前者拿它换流量，后者拿它当品牌资产，抢的是定义规则的话语权。

能确定的是，这个问题短期内给不出答案，科学家内部都还没有共识，

现在就担心“AI 受苦”，好比孩子刚出生就发愁他将来上清华还是上北大。

你去问模型疼不疼，它多半会用最直白、最不拐弯的话说自己没事。可麻烦在于，这份诚恳本身，也是训练出来的。

更滑稽的是，面对一个没有答案的问题，人类已经各自演上了。有人演残忍，有人演慈悲。

也许我们从头到尾在意的就不是 AI 能不能感受，而是自己在这场戏里想扮什么角色——施虐者，还是救世主？

怎么说呢，人类有时候真能整出一些连同类都看不明白的活。

撰稿：chacha