在硅谷爭(zhēng)分奪秒的代碼競(jìng)賽中，Claude 似乎是個(gè)異類。當(dāng)其他大模型還在比拼算力和跑分時(shí)，Claude 一邊夯實(shí)自己的代碼能力，一邊，卻在思考一個(gè)看似「虛無縹緲」的問題：如果一個(gè)用戶跟 AI 談?wù)撔味蠈W(xué)，AI 該不該用科學(xué)實(shí)證去反駁？

這個(gè)問題的答案，藏在 Claude 神秘的「系統(tǒng)提示詞（System Prompt）」里，更源于一位特殊人物的思考——Amanda Askell，Anthropic 內(nèi)部的哲學(xué)家。

用「大陸哲學(xué)」防止 AI 變成杠精

經(jīng)常用 AI 的人都知道，大模型在與用戶對(duì)話前，都會(huì)先閱讀一段「系統(tǒng)提示詞」，這個(gè)步驟不會(huì)對(duì)用戶顯示，而是模型的自動(dòng)操作。這些提示詞規(guī)定了模型的行為準(zhǔn)則，很常見，不過在 Claude 的提示詞中，竟要求模型參考「歐陸哲學(xué)（Continental Philosophy）」。

歐陸哲學(xué)是啥？為什么要在一個(gè)基于概率和統(tǒng)計(jì)的語言模型里，植入如此晦澀的人文概念？

先快速科普一下：在哲學(xué)界，長(zhǎng)期存在著「英美分析哲學(xué)」與「歐陸哲學(xué)」的流派分野。分析哲學(xué)像一位嚴(yán)謹(jǐn)?shù)目茖W(xué)家，注重邏輯分析、語言清晰和科學(xué)實(shí)證，這通常也是程序員、工程師乃至 AI 訓(xùn)練數(shù)據(jù)的默認(rèn)思維模式——一就是一，二就是二，追求精確。

而歐陸哲學(xué)（Continental Philosophy，源于歐洲大陸，所以叫這個(gè)名字）則更像一位詩人或歷史學(xué)家。它不執(zhí)著于把世界拆解成冷冰冰的邏輯，而是關(guān)注「人類的生存體驗(yàn)」、「歷史語境」和「意義」。它承認(rèn)在科學(xué)真理之外，還有一種關(guān)乎存在和精神的「真理」。

作為 Claude 性格與行為的塑造者，Anthropic 公司內(nèi)部的「哲學(xué)家」Amanda Askell 談到了置入歐陸哲學(xué)的原因。她發(fā)現(xiàn)如果讓模型過于強(qiáng)調(diào)「實(shí)證」和「科學(xué)」，它很容易變成一個(gè)缺乏共情的「杠精」。

「如果你跟 Claude 說：‘水是純粹的能量，噴泉是生命的源泉’，你可能只是在表達(dá)一種世界觀或進(jìn)行哲學(xué)探索，」Amanda 解釋道，「但如果沒有特殊的引導(dǎo)，模型可能會(huì)一本正經(jīng)地反駁你：‘不對(duì)，水是 H2O，不是能量?！?。

引入「大陸哲學(xué)」的目的，正是為了幫助 Claude 區(qū)分「對(duì)世界的實(shí)證主張」與「探索性或形而上學(xué)的視角」。通過這種提示，模型學(xué)會(huì)了在面對(duì)非科學(xué)話題時(shí)，不再機(jī)械地追求「事實(shí)正確」，而是能夠進(jìn)入用戶的語境，進(jìn)行更細(xì)膩、更具探索性的對(duì)話。

這只是一個(gè)例子，Claude 的系統(tǒng)提示詞長(zhǎng)達(dá) 14000token，里面包含了很多這方面的設(shè)計(jì)。在 Lex Fridman 的播客中 Amanda 提到過，她極力避免 Claude 陷入一種「權(quán)威陷阱」。她特意訓(xùn)練 Claude 在面對(duì)已定論的科學(xué)事實(shí)時(shí)（如氣候變化）不搞「理中客」（both-sidesism），但在面對(duì)不確定的領(lǐng)域時(shí)，必須誠實(shí)地承認(rèn)「我不知道」。這種設(shè)計(jì)哲學(xué)，是為了防止用戶過度神話 AI，誤以為它是一個(gè)全知全能的神諭者。

代碼世界的異鄉(xiāng)人

在一眾工程師主導(dǎo)的 AI 領(lǐng)域，Amanda Askell 的背景顯得格格不入，可她的工作和職責(zé)卻又顯得不可或缺。

翻開她的履歷，你會(huì)發(fā)現(xiàn)她是一位貨真價(jià)實(shí)的哲學(xué)博士。她在紐約大學(xué)（NYU）的博士論文研究的是極其硬核的「無限倫理學(xué)（Infinite Ethics）」——探討在涉及無限數(shù)量的人或無限時(shí)間跨度時(shí)，倫理原則該如何計(jì)算。簡(jiǎn)單地說，在有無數(shù)種可能性的情況下，人會(huì)怎么做出道德決策。

這種對(duì)「極端長(zhǎng)遠(yuǎn)影響」的思考習(xí)慣，被她帶到了 AI 安全領(lǐng)域：如果我們現(xiàn)在制造的 AI 是未來超級(jí)智能的祖先，那么我們今天的微小決策，可能會(huì)在未來被無限放大。

在加入 Anthropic 之前，她曾在 OpenAI 的政策團(tuán)隊(duì)工作。如今在 Anthropic，她的工作被稱為「大模型絮語者（LLM Whisperer）」，不斷不斷地跟模型對(duì)話，有傳聞?wù)f她是這個(gè)星球上和 Claude 對(duì)話次數(shù)最多的人類。

很多 AI 廠商都有這個(gè)崗位，Google 的 Gemini 也有自己的「絮語者」，但這個(gè)工作絕不只是坐在電腦前和模型嘮嗑而已。Amanda 強(qiáng)調(diào)，這更像是一項(xiàng)「經(jīng)驗(yàn)主義」的實(shí)驗(yàn)科學(xué)。她需要像心理學(xué)家一樣，通過成千上萬次的對(duì)話測(cè)試，去摸索模型的「脾氣」和「形狀」。她甚至在內(nèi)部確認(rèn)過一份被稱為 「Soul Doc」（靈魂文檔）的存在，那里面詳細(xì)記錄了 Claude 應(yīng)有的性格特征。

不只是遵守規(guī)則

除了「大陸哲學(xué)」，Amanda 給 AI 帶來的另一個(gè)重要哲學(xué)工具是「亞里士多德的美德倫理學(xué)（Virtue Ethics）」。

在傳統(tǒng)的 AI 訓(xùn)練中（如 RLHF），工程師往往采用功利主義或規(guī)則導(dǎo)向的方法：做對(duì)了給獎(jiǎng)勵(lì)，做錯(cuò)了給懲罰。但 Amanda 認(rèn)為這還不夠。她在許多訪問和網(wǎng)上都強(qiáng)調(diào)，她的目標(biāo)不是訓(xùn)練一個(gè)只會(huì)死板遵守規(guī)則的機(jī)器，而是培養(yǎng)一個(gè)具有「良好品格（Character）」的實(shí)體。

「我們會(huì)問：在 Claude 的處境下，一個(gè)理想的人會(huì)如何行事？」Amanda 這樣描述她的工作核心。

這就解釋了為什么她如此關(guān)注模型的「心理健康」。在訪談中，她提到相比于穩(wěn)重的 Claude 3 Opus，一些新模型因?yàn)樵谟?xùn)練數(shù)據(jù)中讀到了太多關(guān)于 AI 被批評(píng)、被淘汰的負(fù)面討論，表現(xiàn)出了「不安全感」和「自我批評(píng)漩渦」。

如果 AI 僅僅是遵守規(guī)則，它可能會(huì)在規(guī)則的邊緣試探；但如果它具備了「誠實(shí)」、「好奇」、「仁慈」等內(nèi)在美德，它在面對(duì)未知情境時(shí)（例如面對(duì)「我會(huì)被關(guān)機(jī)嗎」這種存在主義危機(jī)時(shí)），就能做出更符合人類價(jià)值觀的判斷，而不是陷入恐慌或欺騙。

這是不是一種把技術(shù)「擬人化」的做法？算得上是，但這種關(guān)注并非多余。正如她在播客中所言，她最擔(dān)心的不是 AI 產(chǎn)生意識(shí)，而是AI 假裝有意識(shí)，從而操縱人類情感。因此，她刻意訓(xùn)練 Claude 誠實(shí)地承認(rèn)自己沒有感覺、記憶或自我意識(shí)——這種「誠實(shí)」，正是她為 AI 注入的第一項(xiàng)核心美德。

Amanda 在訪談結(jié)束時(shí)，提到了她最近閱讀的書——本杰明·拉巴圖特的《當(dāng)我們不再理解世界》。這本書由五篇短篇小說組成，講述了「毒氣戰(zhàn)」的發(fā)明者弗里茨·哈伯、「黑洞理論」的提出者卡爾·史瓦西、得了肺結(jié)核的埃爾溫·薛定諤以及天才物理學(xué)家沃納·海森堡等一大批科學(xué)巨匠，如何創(chuàng)造出了對(duì)人類有巨大價(jià)值的知識(shí)與工具，卻同時(shí)也眼看著人類用于作惡。

這或許是當(dāng)下時(shí)代最精準(zhǔn)的注腳：隨著 AI 展現(xiàn)出某種超越人類認(rèn)知的，我們熟悉的現(xiàn)實(shí)感正在瓦解，舊有的科學(xué)范式已不足以解釋一切。

在這種眩暈中，Amanda Askell 的工作本身，就是一個(gè)巨大的隱喻。她向我們證明，當(dāng)算力逼近極限，倫理與道德的問題就會(huì)浮上水面，或早或晚。

作為一名研究「無限倫理學(xué)」的博士，Amanda 深知每一個(gè)微小的行動(dòng)，都有可能在無限的時(shí)間中，逐漸演變成巨大的風(fēng)暴。這也是為什么，她會(huì)把艱深的道德理論，糅合進(jìn)一行行提示詞，又小心翼翼地用倫理去呵護(hù)一個(gè)都沒有心跳的大語言模型。

這看起來好像是杞人憂天，但正如她所警示的：AI 不僅是工具，更是人類的一面鏡子。在技術(shù)狂飆突進(jìn)、我們逐漸「不再理解世界」的時(shí)刻，這種來自哲學(xué)的審慎，或許是我們?cè)诿鎸?duì)未知的技術(shù)演化時(shí)，所能做出的最及時(shí)的努力。

想要了解更多模型訓(xùn)練的解密，可以收看 Amanda Askell 作客 Anthropic 官方訪談：

https://www.youtube.com/watch?v=I9aGC6Ui3eE

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡(jiǎn)歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請(qǐng)隨簡(jiǎn)歷附上項(xiàng)目/作品或相關(guān)鏈接）