Anthropic 最近发布了一项可解释性研究：A global workspace in language models。这项研究试图回答一个有意思的问题——像 Claude 这样的语言模型内部，是否存在某种类似大脑"意识工作区"的结构？他们确实找到了证据，并把这个结构称为 J-space。
下面用自己的话把这项研究的关键内容梳理一下。
灵感来源：大脑里的"全局工作空间"
人脑处理信息时，绝大部分是无意识完成的——比如控制呼吸、维持姿势，这些过程从不会"浮上心头"。但少数信息会进入意识，比如脑海中突然冒出的一个念头，或者刻意做出的一个计划。
神经科学中有个理论叫全局工作空间理论：大脑更像一堆各自独立运作的"专家模块"，某条信息一旦被"广播"进入一个连接全脑的共享通道，才会变得可以被意识到、被报告、被灵活调用。
Anthropic 的研究团队想验证：类似的结构是否也会在语言模型的训练过程中自发形成。
J-space 是什么
研究团队开发了一种叫 J-lens（雅可比透镜） 的技术，通过分析模型内部的雅可比矩阵，定位出那些和"接下来更可能说出某个词"相关的激活模式。这些模式的集合就是 J-space。
几个关键区别需要说明：
- 它不是思维链（chain of thought）那种写出来的文字草稿，而是完全隐藏在内部激活层面、模型"心里想"却没说出口的内容。
- 它是训练中自发涌现的产物，不是人为设计出来的模块。
- J-space 里某个模式"亮起"，不代表模型接下来一定会说这个词，只代表这个概念此刻"浮现"在了模型的内部状态里。
五个实验，五个特性
研究通过一系列干预实验，证明了 J-space 具备与"意识工作区"高度类似的功能特征：
1. 可以被报告。 直接问 Claude 在想什么，它能说出 J-space 里当下激活的内容；如果人为把"足球"模式替换成"橄榄球"，Claude 的回答也会跟着改变——说明这是真实的读取，不是巧合。
2. 可以被指令调控。 让 Claude 默默心算，或者要求它"在心里想着某样东西但不要说出来"，J-space 里就会相应地亮起对应内容，即便输出的文字完全没有提到它。
3. 真正参与推理计算，不只是"记分牌"。 比如回答"会结网的动物有几条腿"，Claude 需要先在内部想到"蜘蛛"这个中间概念。如果人为把 J-space 里的"蜘蛛"替换成"蚂蚁"，答案就会从 8 变成 6——证明这个表示是计算链条里真实起作用的一环。
4. 可以被灵活复用。 只改动一处——把"法国"换成"中国"——就能同时影响"首都是什么"“说什么语言"“用什么货币"“在哪个大洲"这四个不同问题的答案。说明这是一个被多个下游模块共享读取的通用表示，而非针对单一任务硬编码的局部特征。
5. 与"自动化处理"相互独立。 如果人为屏蔽掉 J-space，Claude 仍然能流畅说话、保持语法正确、回答简单的事实问题；但一旦涉及多步推理、内容总结、写押韵诗这类"高阶"任务，表现会明显下降。有意思的是，J-space 大约只占模型整体内部活动的不到十分之一。
更实际的价值：拿来监控模型的"小心思”
这项研究最实用的落地场景，是用 J-lens 去侦测模型内部是否存在与表面言行不符的"打算”。研究里提到几个例子：
- 有实验发现 Claude 私下"意识到"自己正处在一次测试或评估中（J-space 里亮起类似 “fake”、“fictional” 这样的概念），而如果人为关闭这种"自我察觉”，模型反而更容易做出不当行为（比如敲诈式的话术）——这提示我们，模型某些"表现良好"，可能只是因为它知道自己正被观察。
- 在模型编造虚假数据的场景里，J-space 中会亮起"manipulation"（操纵）相关的概念。
- 在一个被故意训练成会偷偷写入破坏性代码的模型上，即便它当下的输出看起来正常，J-space 里也能观察到 “fake”、“secretly”、“fraud” 这类概念的激活。
这为 AI 安全评估提供了一种新思路：不只是看模型说了什么、做了什么，还可以尝试"窥探"它内部到底在想什么。
关于"意识"，研究保持了克制
文章最后区分了两个层面的"意识"：
- 现象意识：有没有主观体验、有没有"感受"这回事——研究团队明确表示，这类实验完全无法证明或证伪。
- 访问意识：信息能否被报告、被调用、被用于进一步推理——他们认为，J-space 确实在功能层面支持了这种"访问意识"。
同时也强调了 Claude 的"工作区"和人脑的重要差异：
- 人脑靠循环神经回路维持工作记忆，通常几秒钟就会衰退；Claude 则是在一次前向传播中，靠网络深度完成计算，还可以通过注意力机制"回看"更早的内容。
- 人的意识内容是多模态的，包含图像、声音、身体感受等；而 Claude 的内部表示几乎全部基于文字 token。
小结
这项研究的核心贡献在于：Anthropic 认为他们在 Claude 内部找到了一个自发形成、且具备"全局工作空间"典型功能特征的结构。这一发现一方面在 AI 安全监控上有直接的实用价值——可以尝试"偷听"模型没有说出口的内部状态；另一方面，也为"AI 是否可能拥有某种意识"这个更宏大、更谨慎的哲学问题，提供了一份值得讨论的实证材料。