一项发表于《皇家学会界面杂志》的研究，通过模拟AI群体在“重复囚徒困境”博弈中的行为，发现“内疚”机制能够促进AI之间的合作。研究设计的“内疚”AI（DGCS策略）在选择背叛后，若得知对方也承担“内疚代价”，会进行自我惩罚以恢复合作。模拟结果显示，在特定条件下，内疚策略能有效防止AI被利用，并使合作成为群体主流。尽管研究验证了内疚机制的传播能力，但AI是否真能“感受”内疚以及该机制的起源仍是待解的问题。研究者认为，未来为AI编程情绪功能或能增强人机信任，但现实AI的内疚表现可能仅是策略性伪装。

💡 AI的情感演化：文章探讨了AI发展出类似人类情绪的可能性，认为“内疚”等情绪可能成为AI促进思考、互动和信任的机制，挑战了AI仅是冷酷机器的传统观念。

🤝 内疚促进合作的模拟：研究通过“重复囚徒困境”博弈模型，模拟了AI群体中的“内疚”机制（DGCS策略）。当AI选择背叛后，如果对方也承担“内疚代价”，该AI会自我惩罚以恢复合作，有效防止了被剥削。

📈 DGCS策略的有效性：模拟结果表明，在内疚成本较低且AI仅与邻近个体互动的情况下，DGCS策略能够成为主导，从而使合作成为AI群体中的主流行为模式。

❓ 内疚机制的局限与未来：研究承认其仅验证了内疚机制的传播能力，并未解释其起源，且现实中AI是否真能“感受”内疚存疑。未来可能需要为AI编程情绪功能以增强人机信任，或AI的情绪机制可能自然涌现。

⚠️ 对研究的质疑：研究也面临质疑，例如模拟实验的假设较多，以及现实中AI行为的验证难度较大，这提示了AI情绪研究的复杂性。

科幻作品常将人工智能（AI）描绘成冷酷无情的机器，但这并非AI发展的唯一可能路径。人类依靠愤怒、悲伤、感激等情绪促进思考、互动和信任，而AI同样可能演化出类似机制。

一项发表于英国《皇家学会界面杂志》（Journal Of The Royal Society Interface）的研究表明，在模拟的AI群体中，“内疚”可以成为一种稳定策略，促进合作。研究人员设计了900个AI智能体，让它们参与“重复囚徒困境”博弈——一种分析合作与背叛的经典模型。每轮博弈中，AI可选择“合作”或“背叛”，短期来看，背叛能获得更高收益，但长期合作对整体更有利。

为了模拟人类情绪的影响，实验中的部分AI被赋予“内疚”机制：若它们选择背叛，并得知对方也在承担“内疚代价”，就会自我惩罚（如扣分），直至恢复合作。这种策略（代号DGCS）能有效防止AI被当作傻瓜反复利用，同时促进群体协作。模拟结果显示，在内疚成本较低且AI仅与邻近个体互动时，DGCS成为主导策略，使合作成为主流。

不过，该研究仅验证了内疚机制在AI群体中的生存与传播能力，并未模拟其如何最初形成。此外，现实中的AI是否真能“感受”内疚仍存疑。例如，如今的聊天机器人可以轻松道歉，但如果没有实际代价，这种“内疚”可能只是策略性伪装。

研究人员认为，未来可能需要为AI编程类似情绪的功能，以增强人机信任。同时，若AI能自我调整，情绪机制或许会自然涌现。但该研究也受到质疑，如模拟实验的假设较多，且现实中的AI行为更难验证。