根據 Bearing 監測，Anthropic 共同創辦人 Christopher Olah 透露，他的團隊在一場教宗通諭活動中發現了大型語言模型內部的結構，這些結構與人類神經模式高度相似，並呈現自我反思行為。最引人注目的是，研究人員在神經網路中辨識出類似情緒的狀態，對應人類的喜悅、滿足、恐懼、悲傷與焦慮。
Olah 承認，包含 Anthropic 在內的前沿 AI 實驗室在安全治理與商業壓力之間面臨結構性衝突，使得這些機構難以針對對齊問題進行自我修正。他呼籲建立獨立的外部監督，以強制執行倫理限制，並應對 AI 系統可能表現出某種意識形式所帶來的社會挑戰。
