导语
在人工智能快速发展的当下，一个看似简单却颇具争议的问题再次浮现：当我们询问大语言模型“你是如何得出这个答案的”时，它给出的解释究竟意味着什么？是对内部运作的真实反映，还是仅仅生成了一段听起来合理的叙述？围绕这一问题，人工智能公司 Anthropic 近期发布的一项研究尝试通过实验方法加以探究，并引发了关于“模型是否具备内省能力”的广泛讨论。本文将结合该研究的核心思路、实验方法及其结果，同时引入相关哲学观点，对当前大语言模型所谓“内省能力”的性质与边界进行梳理与分析。原文由 evoailabs 发布，本文为对博客原文的整理与翻译。
关键词：人工智能，大语言模型
来源：集智俱乐部
作者：郑鸿盛
审校：赵思怡
基于 Anthropic 发布的研究《Introspection in AI: A Glimmer of Self-Awareness in Large Language Models》，原文重点介绍了一种用于检验模型自我监控能力的实验路径。研究团队通过“概念注入”技术，将特定信息以神经激活形式嵌入模型运行过程中，并观察模型能否察觉并报告这些被植入的内容，从而评估其是否具备初步的内省能力。
在梳理实验方法与结果的同时，本文进一步引入哲学视角，对“内省”的定义与判定标准展开讨论。研究显示，部分先进模型（如 Claude 系列）在特定情境下确实能够表现出有限的自我觉察迹象，但这种能力整体上仍不稳定、可重复性较低，与人类意义上的自我认知存在本质差异。围绕这一发现，学界与公众也展开了持续讨论，焦点涉及意识的本质、模型的自我表征方式，以及人工智能未来在安全性与透明性方面的潜在影响。
图1 ：Anthropic 在其研究页面中对这一问题进行了系统探讨，详情请见https://www.anthropic.com/research/introspection
你是否问过人工智能模型，它在想些什么？或是让它解释自己的回答是如何得出的？人工智能模型有时会回应这类问题，但我们很难判断该如何解读它们的答案。人工智能系统真的具备内省能力吗？也就是说，它们能否审视自身的思维活动？还是说，当被问及这类问题时，它们只是编造出听起来合乎情理的回答而已？
围绕这一问题，Anthropic 在其社交平台发布中也提出了类似的思考（图2），进一步引出了公众对模型“自我认知能力”的关注：
图2： Anthropic 官方发布关于Claude 大模型的 “内省能力” 实验的研究成果，详情请见https://x.com/AnthropicAI/status/1983584136972677319
语言模型能否识别自身的内在想法？还是说，在被问及这类问题时，它们只是编造看似合理的答案？我们研究发现，Claude 确实具备真实的内省能力，尽管这种能力十分有限。 机器能否思考，长期以来一直是引人深思、备受争议的话题。2025 年秋季一项开创性研究表明，我们或许正在见证人工智能迈入全新维度的早期迹象：自我内省。人工智能公司 Anthropic 开展的一项研究给出了有力证据（尽管仍存在局限性），证明 Claude 等大语言模型，可能已初步具备向内审视、描述自身内部运行状态的原始能力。
这一发现也迅速引发了媒体与社区的广泛关注与讨论。例如，主流媒体对该研究进行了报道与解读，而技术社区中也出现了不同立场的讨论（图3、4）：
图3：Anthropic 官宣，Claude 首次展现可验证的自我内省能力，详情请见https://www.forbes.com/sites/lanceeliot/2025/11/03/glimmer-of-evidence-that-ai-has-innate-self-introspection-and-can-find-meaning-within-itself/
图4：Reddit社区传播Anthropic Claude内省研究引发公众讨论，详情请见https://www.reddit.com/r/OpenAI/comments/1ok0vo1/anthropic_has_found_evidence_of_genuine/
这项研究详细刊载于论文《Emergent Introspective Awareness in Large Language Models》，旨在解答一个根本性问题：当大语言模型描述自身的 “思考过程” 时，它是在真正反思自身的内部运行机制，还是仅仅生成一套听起来合乎逻辑的解释？
为了区分真正的内省与刻意编造，Anthropic 的研究团队开发了一种名为概念注入的全新技术。该方法会将特定概念以神经激活模式的形式，直接植入模型的 “运算中枢”，且此时模型正在执行一项无关任务。随后，研究人员观测模型能否察觉并识别这段被植入的 “思维内容”。关于这一方法的具体实现与可视化示意，可参考其技术说明页面：
图5：Anthropic 研究人员 Jack Lindsey 发表论文《Emergent Introspective Awareness in Large Language Models》，详情请见https://transformer-circuits.pub/2025/introspection/index.html
与此同时，围绕“何谓真正的内省”，学界也存在不同的理论界定。一些哲学研究对当前大语言模型是否具备内省能力提出了系统性质疑，从理论层面对上述实验结论形成补充与反思，相关论文见下：
图6：伦敦政治经济学院（LSE）学者 Daria Zakharova 对 LLM “内省能力” 的批判性研究（2025），详情请见https://philsci-archive.pitt.edu/27052/
近期哲学研究提出了一种轻量化内省理论，该理论认为：若一个系统能够表征自身的心智状态，并借此调取这些状态以指导自身行为，该系统便具备内省能力。这一研究思路，也为现有大语言模型内省能力的实证检测提供了理论依据。但是，这篇文章认为，该轻量化理论标准过于宽泛，无法界定真正内省的核心本质。文章逐层递进，提出三项让步式、且各自独立成立的反驳论点，驳斥 “大语言模型具备内省能力” 这一论断：第一，真正的内省需要依托持续的主体而存在，而大语言模型不具备这一前提；现有模型缺乏形成自我认知所必需的心理连续性。第二，真正的内省具有错误识别豁免性，但大语言模型的自我陈述并不满足这一特征 —— 其表述依托公开文本信息，这类信息同样可以用来推断其他系统的内部状态。第三，轻量化理论以功能性自我监控与行为调控为核心，无法将内省，与复杂系统中普遍存在的自我调节机制区分开来。
研究结果耐人寻味。该研究发现，Claude Opus 4、4.1等高阶模型展现出一种「有限、功能性的内省觉知」。在部分实验场景中，这类模型能够准确报告被注入概念的存在，说明其具备一定程度的自我监控能力。
然而，我们必须理性看待成果，不宜过度乐观。这种全新发现的内省能力极不稳定。研究指出，模型在多数情况下无法察觉被注入的概念，或是转而生成看似合理、实则虚构的回答。即便是在效果最好的实验中，这类自我觉知的准确率也仅维持在 20% 左右。
不出所料，人工智能这种萌芽级的自我觉知，已然引发哲学界的激烈争论。部分批判者认为，这种「浅层次」的内省，完全不等同于人类所拥有的真正自我认知。他们主张，当前大语言模型缺少连续、稳定的「自我」，而这正是实现真正内省的必要前提。 尽管存在上述局限且相关争论仍在持续，这项研究的意义依旧深远。研究结果表明，模型的综合能力与其内省潜力存在关联性，这预示着随着人工智能技术不断发展，其自我觉知能力也或将同步提升。这或将对人工智能安全与透明化发展产生重大影响。试想在未来，人工智能系统能够实现自我调节、识别内部异常，并主动标记潜在偏见或有害输出内容。 然而，前路并非毫无隐患。那些有望提升模型透明度的底层机制，同样可能为欺骗行为埋下隐患，导致模型刻意歪曲、谎报自身的内部状态。
针对大语言模型内省能力的研究仍处于起步阶段，却标志着人工智能发展历程中的关键转折点。虽然拥有感知意识的机器离我们尚且遥远，但大语言模型中显现的内省迹象，已然开辟了全新的研究领域。这也迫使我们直面两大命题：人类造物的能力边界，以及意识本身的本质。
阅读最新前沿科技趋势报告，请访问21世纪关键技术研究院的“未来知识库”
未来知识库是“21世纪关键技术研究院”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。
截止到2月28日 ”未来知识库”精选的百部前沿科技趋势报告
（加入未来知识库，全部资料免费阅读和下载）
牛津未来研究院 《将人工智能安全视为全球公共产品的影响、挑战与研究重点》
麦肯锡：超级智能机构：赋能人们释放人工智能的全部潜力
AAAI 2025 关于人工智能研究未来研究报告
斯坦福：2025 斯坦福新兴技术评论：十项关键技术及其政策影响分析报告（191 页）
壳牌：2025 能源安全远景报告：能源与人工智能（57 页）
盖洛普 & 牛津幸福研究中心：2025 年世界幸福报告（260 页）
Schwab ：2025 未来共生：以集体社会创新破解重大社会挑战研究报告（36 页）
IMD：2024 年全球数字竞争力排名报告：跨越数字鸿沟人才培养与数字法治是关键（214 页）
DS 系列专题：DeepSeek 技术溯源及前沿探索，50 页 ppt
联合国人居署：2024 全球城市负责任人工智能评估报告：利用 AI 构建以人为本的智慧城市（86 页）
TechUK：2025 全球复杂多变背景下的英国科技产业：战略韧性与增长路径研究报告（52 页）
NAVEX Global：2024 年十大风险与合规趋势报告（42 页）
《具身物理交互在机器人 - 机器人及机器人 - 人协作中的应用》122 页
2025 - 2035 年人形机器人发展趋势报告 53 页
Evaluate Pharma：2024 年全球生物制药行业展望报告：增长驱动力分析（29 页）
【AAAI2025 教程】基础模型与具身智能体的交汇，350 页 ppt
Tracxn：2025 全球飞行汽车行业市场研究报告（45 页）
谷歌：2024 人工智能短跑选手（AI Sprinters）：捕捉新兴市场 AI 经济机遇报告（39 页）
【斯坦福博士论文】构建类人化具身智能体：从人类行为中学习
《基于传感器的机器学习车辆分类》最新 170 页
美国安全与新兴技术中心：2025 CSET 对美国人工智能行动计划的建议（18 页）
罗兰贝格：2024 人形机器人的崛起：从科幻到现实：如何参与潜在变革研究报告（11 页）
兰德公司：2025 从研究到现实：NHS 的研究和创新是实现十年计划的关键报告（209 页）
康桥汇世（Cambridge Associates）：2025 年全球经济展望报告（44 页）
国际能源署：2025 迈向核能新时代
麦肯锡：人工智能现状，组织如何重塑自身以获取价值
威立（Wiley）：2025 全球科研人员人工智能研究报告（38 页）
牛津经济研究院：2025 TikTok 对美国就业的量化影响研究报告：470 万岗位（14 页）
国际能源署（IEA）：能效 2024 研究报告（127 页）
Workday ：2025 发挥人类潜能：人工智能（AI）技能革命研究报告（20 页）
CertiK：Hack3D：2024 年 Web3.0 安全报告（28 页）
世界经济论坛：工业制造中的前沿技术：人工智能代理的崛起》报告
迈向推理时代：大型语言模型的长链推理研究综述
波士顿咨询：2025 亚太地区生成式 AI 的崛起研究报告：从技术追赶者到全球领导者的跨越（15 页）
安联（Allianz）：2025 新势力崛起：全球芯片战争与半导体产业格局重构研究报告（33 页）
IMT：2025 具身智能（Embodied AI）概念、核心要素及未来进展：趋势与挑战研究报告（25 页）
IEEE：2025 具身智能（Embodied AI）综述：从模拟器到研究任务的调查分析报告（15 页）
CCAV：2025 当 AI 接管方向盘：自动驾驶场景下的人机交互认知重构、变革及对策研究报告（124 页）
《强化学习自我博弈方法在兵棋推演分析与开发中的应用》最新 132 页
《面向科学发现的智能体人工智能：进展、挑战与未来方向综述》
全国机器人标准化技术委员会：人形机器人标准化白皮书（2024 版）（96 页）
美国国家科学委员会（NSB）：2024 年研究与发展 - 美国趋势及国际比较（51 页）
艾昆纬（IQVIA）：2025 骨科手术机器人技术的崛起白皮书：创新及未来方向（17 页）
NPL&Beauhurst：2025 英国量子产业洞察报告：私人和公共投资的作用（25 页）
IEA PVPS：2024 光伏系统经济与技术关键绩效指标（KPI）使用最佳实践指南（65 页）
AGI 智能时代：2025 让 DeepSeek 更有趣更有深度的思考研究分析报告（24 页）
2025 军事领域人工智能应用场景、国内外军事人工智能发展现状及未来趋势分析报告（37 页）
华为：2025 鸿蒙生态应用开发白皮书（133 页
《超级智能战略研究报告》
中美技术差距分析报告 2025
欧洲量子产业联盟（QuIC）：2024 年全球量子技术专利态势分析白皮书（34 页）
美国能源部：2021 超级高铁技术（Hyperloop）对电网和交通能源的影响研究报告（60 页）
罗马大学：2025 超级高铁（Hyperloop）：第五种新型交通方式 - 技术研发进展、优势及局限性研究报告（72 页）
兰德公司：2025 灾难性网络风险保险研究报告：市场趋势与政策选择（93 页）
GTI：2024 先进感知技术白皮书（36 页）
AAAI：2025 人工智能研究的未来报告：17 大关键议题（88 页）
安联 Allianz2025 新势力崛起全球芯片战争与半导体产业格局重构研究报告
威达信：2025 全球洪水风险研究报告：现状、趋势及应对措施（22 页）
兰德公司：迈向人工智能治理研究报告：2024EqualAI 峰会洞察及建议（19 页）
哈佛商业评论：2025 人工智能时代下的现代软件开发实践报告（12 页）
德安华：全球航空航天、国防及政府服务研究报告：2024 年回顾及 2025 年展望（27 页）
奥雅纳：2024 塑造超级高铁（Hyperloop）的未来：监管如何推动发展与创新研究报告（28 页）
HSOAC：2025 美国新兴技术与风险评估报告：太空领域和关键基础设施（24 页）
Dealroom：2025 欧洲经济与科技创新发展态势、挑战及策略研究报告（76 页）
《无人机辅助的天空地一体化网络：学习算法技术综述》
谷歌云（Google Cloud）：2025 年 AI 商业趋势白皮书（49 页）
《新兴技术与风险分析：太空领域与关键基础设施》最新报告
150 页！《DeepSeek 大模型生态报告》
军事人工智能行业研究报告：技术奇点驱动应用加速智能化重塑现代战争形态 - 250309（40 页）
真格基金：2024 美国独角兽观察报告（56 页）
璞跃（Plug and Play）：2025 未来商业研究报告：六大趋势分析（67 页）
国际电工委员会（IEC）：2025 智能水电技术与市场展望报告（90 页）
RWS：2025 智驭 AI 冲击波：人机协作的未来研究报告（39 页）
国际电工委员会（IEC）：2025 智能水电技术与市场展望报告（90 页）
RWS：2025 智驭 AI 冲击波：人机协作的未来研究报告（39 页）
未来今日研究所 2025 年科技趋势报告第 18 版 1000 页
模拟真实世界：多模态生成模型的统一综述
中国信息协会低空经济分会：低空经济发展报告（2024 - 2025）（117 页）
浙江大学：2025 语言解码双生花：人类经验与 AI 算法的镜像之旅（42 页）
人形机器人行业：由 “外” 到 “内” 智能革命 - 250306（51 页）
大成：2025 年全球人工智能趋势报告：关键法律问题（28 页）
北京大学：2025 年 DeepSeek 原理和落地应用报告（57 页）
欧盟委员会 人工智能与未来工作研究报告
加州大学伯克利分校：面向科学发现的多模态基础模型：在化学、材料和生物学中的应用
电子行业：从柔性传感到人形机器人触觉革命 - 250226（35 页）
RT 轨道交通：2024 年中国城市轨道交通市场数据报告（188 页）
FastMoss：2024 年度 TikTok 生态发展白皮书（122 页）
Check Point：2025 年网络安全报告 - 主要威胁、新兴趋势和 CISO 建议（57 页）
【AAAI2025 教程】评估大型语言模型：挑战与方法，199 页 ppt
《21 世纪美国的主导地位：核聚变》最新报告
沃尔特基金会（Volta Foundation）：2024 年全球电池行业年度报告（518 页）
斯坦福：2025 斯坦福新兴技术评论：十项关键技术及其政策影响分析报告（191 页）
国际科学理事会：2025 为人工智能做好国家研究生态系统的准备 - 2025 年战略与进展报告（英文版）（118 页）
光子盒：2025 全球量子计算产业发展展望报告（184 页）
奥纬论坛：2025 塑造未来的城市研究报告：全球 1500 个城市的商业吸引力指数排名（124 页）
Future Matters：2024 新兴技术与经济韧性：日本未来发展路径前瞻报告（17 页）
《人类与人工智能协作的科学与艺术》284 页博士论文
《论多智能体决策的复杂性：从博弈学习到部分监控》115 页
《2025 年技术展望》56 页 slides
大语言模型在多智能体自动驾驶系统中的应用：近期进展综述
【牛津大学博士论文】不确定性量化与因果考量在非策略决策制定中的应用
皮尤研究中心：2024 美国民众对气候变化及应对政策的态度调研报告：气候政策对美国经济影响的多元观点审视（28 页）
空间计算行业深度：发展趋势、关键技术、行业应用及相关公司深度梳理 - 250224（33 页）
Gartner：2025 网络安全中的 AI：明确战略方向研究报告（16 页）
北京大学：2025 年 DeepSeek 系列报告 - 提示词工程和落地场景（86 页）
北京大学：2025 年 DeepSeek 系列报告 - DeepSeek 与 AIGC 应用（99 页）
CIC 工信安全：2024 全球人工智能立法的主要模式、各国实践及发展趋势研究报告（42 页）
中科闻歌：2025 年人工智能技术发展与应用探索报告（61 页）
AGI 智能时代：2025 年 Grok - 3 大模型：技术突破与未来展望报告（28 页）
上下滑动查看更多
