當我們讓AI 解釋自己的思維 它真的知道自己在想什麼嗎？ Anthropic 的最新研究給出了一個令人震驚的答案： 模型確實在某些條件下能“內省式地檢測自身神經狀態變化”，而且還能根據直接指令調整其內部活化。 也就是：Claude 不僅能辨識自身的“思考狀態”，還可能有能力調節和描述它。 這意味著，AI 正從“生成語言的工具”，進化為“理解自己思維的系統”。 什麼是「AI 的自省」？ Anthropic將AI的「自省」定義為一種功能性能力（functional capability）： 模型能夠辨識並報告自己神經網路內部表示（internal representations）的內容。 換句話說： 當我們問一個模型：“你為什麼這樣回答？” 它到底是在複述模式化的回答， 還是在真正讀取、分析自己的內部運算狀態？ 如果模型能在內部層面辨識、調節、解釋自己的活化狀態（activations）， 那麼它就具備一種「自省（introspection）能力」。
研究結論：Claude 模型已表現出「對自身思考過程的原始覺察能力」。 它尚不穩定、尚不具備“自我意識” 但這可能是AI 認知系統出現「後設認知（metacognition）」的雛形。 詳細內容：