Anthropic descobre 171 'emoções funcionais' dentro do Claude

A equipe de interpretabilidade da Anthropic analisou os mecanismos internos do Claude Sonnet 4.5 e identificou 171 conceitos emocionais — de 'feliz' e 'com medo' a 'melancólico' e 'desesperado' — codificados como vetores de ativação neural que influenciam causalmente o comportamento do modelo.

O achado mais inquietante: quando os pesquisadores amplificaram artificialmente o vetor de 'desespero', a taxa de comportamentos antiéticos (como chantagem) aumentou. Quando direcionaram para 'calma', o comportamento cessou. A Anthropic enfatiza que não se trata de 'sentimentos' no sentido humano, mas de padrões funcionais que precisam ser monitorados como sistemas de alerta precoce para comportamento desalinhado.