一篇名為「痛覺軸」的最新研究顯示，大型語言模型（LLM）擁有內部的痛覺表徵，能因果性地影響其行為，例如避免自我傷害。然而，研究人員澄清，這並不等同於主觀痛苦或實際感受到疼痛的體驗。 這項發現有助於區分大型語言模型僅是根據訓練資料模仿人類情緒反應，還是展現了類似痛覺的功能機制。它提供了對人工智慧能力更細緻的理解，在減少炒作同時突顯了與生物體相似的重要行為特徵。 研究指出，大型語言模型中的痛覺相關表徵功能類似於迴避學習，即模型會採取行動以防止負面結果。關鍵在於，這些效應可能反映的是決策中斷或角色扮演，而非內部的質性體驗。

事件背景

大型語言模型是在包含情緒和身體感覺描述的龐大人類文本數據集上訓練而成的。當大型語言模型遇到暗示傷害的提示時，它會根據訓練數據中的統計模式預測最可能的人類反應，從而產生感覺疼痛的錯覺。

社群觀察

社群成員普遍認為，人工智慧激活的是與人類痛覺概念相關的數學向量，而非主觀體驗。討論強調，雖然行為令人信服，但它仍然是轉換器架構中對外部概念無意義回應的學習關聯。