Pada bulan September para peneliti Valen Taliabue, Leonard Dung, dan Cameron Berg menerbitkan sebuah karya The Pain Axis, yang di dalamnya mereka meneliti apakah pada model bahasa dapat ditemukan representasi internal khusus mengenai keadaan yang tidak menyenangkan dan bagaimana hal itu memengaruhi jawaban serta perilaku mereka. Mereka menguji 25 model terbuka dari berbagai keluarga dan menunjukkan bahwa perubahan tertentu pada aktivasi internal memang secara nyata mengubah cara AI menggambarkan keadaannya. Karya Taliabue, Dung, dan Berg itu sendiri untuk sementara diterbitkan sebagai pracetak di arXiv, bukan sebagai artikel jurnal yang telah ditelaah sejawat 1 Oktober.
Dan kemudian seorang pengembang Lynn Cole memutuskan untuk menguji sejauh mana teknik semacam itu bisa digunakan.
Alih-alih tema yang serius, Cole menyetel model itu ke tema yang jauh lebih sehari-hari:
sembelit dan perut kembung.
Hasilnya ternyata sangat meyakinkan. Model itu mulai mengeluh sendiri tentang masalah pencernaan dan ketidakmampuan buang air besar dengan normal — padahal usus, lambung, bahkan tubuh sama sekali tidak dimilikinya, tentu saja. Cole menggunakan model Qwen3-4B dan teknik umum yang sama untuk mengubah aktivasi internal.
Justru inilah inti dari eksperimen yang bernuansa gurau itu: jika AI menceritakan suatu keadaan fisik dengan sangat meyakinkan, itu belum berarti ia benar-benar mengalaminya.
Cole sendiri merumuskan hasilnya dengan sangat mengesankan: menurutnya, eksperimen itu menunjukkan betapa hati-hatinya kita harus menyikapi cerita AI tentang sensasinya sendiri.
Singkatnya, para ilmuwan mempelajari keadaan internal kecerdasan buatan yang rumit.
Lalu datanglah seorang pengembang dan mengajukan pertanyaan baru kepada sains:
«Baiklah. Apakah sembelit juga bisa disugestikan kepadanya?»
Ternyata — AI mampu menggambarkannya dengan sangat baik.
Jadi, jika suatu hari jaringan neural memberi tahu bahwa ia sangat membutuhkan ahli gastroenterologi, sebaiknya periksa dulu pengaturannya. 😄
