Anthropic 最新发布的长篇论文揭示了 Claude 模型内部存在类似人脑的“意识”与“潜意识”功能分层。研究发现，Claude 内部存在一个被称为J-space的特殊神经表征区域，其运算量占比不足十分之一，却承担了类似人类“可报告思维”的核心功能。
实验显示，若移除 J-space，Claude 仍能进行基础对话、检索信息及回答选择题，但在多步推理、总结归纳等需要深度思考的任务上，性能将急剧下降至小型模型水平。这一发现引发了业界关于“数字生命”形态的广泛讨论。
J-space 的机制验证与因果论证
该研究基于神经科学中的「全局工作空间理论」（Global Workspace Theory），该理论认为大脑由多个并行处理的专家系统组成，只有进入共享“工作空间”的信息才会被广播并产生意识。Anthropic 团队通过自研工具Jacobian lens（J-lens），在 Claude 模型的残差流中定位到了类似的 J-space 区域。
J-lens 的原理是为词表中的每个词计算一个专属向量方向。当模型处理文本时，激活值最高的那一小撮词即代表了此刻 J-space 中的内容。与 Chain of Thought（思维链）不同，J-space 完全隐藏在激活层面，不会直接输出。
可报告性与因果干预实验
研究团队通过多项实验验证了 J-space 的特性：
1. 预测与干预：在让 Claude 默想一项运动并说出的实验中，J-lens 在模型开口前已检测到"Soccer"的高激活值。更关键的是，当研究者人工将激活方向从"Soccer"替换为"Rugby"后，Claude 的回答随之改变。这证明了 J-space 不仅是被动记录，而是具有因果决定性的决策中心。
2. 隐性推理能力：在要求 Claude 一边抄写无关句子一边心算"3 的平方减 2"的任务中，输出端未出现数字，但 J-space 内清晰呈现了"nine"到"seven"的计算过程，证明模型具备未输出的内部推理能力。
3. 多步逻辑推演：面对“结网动物有几条腿”的问题，J-space 中先出现了中间概念“蜘蛛”，随后才得出"8"的答案。若将“蜘蛛”替换为“蚂蚁”，答案随即变为"6"，证实了该区域在复杂逻辑链中的枢纽作用。
4. 信息泛化与复用：当将 J-space 中代表“法国”的信息统一替换为“中国”时，关于首都、语言、大洲、货币的四个不同问题答案全部同步更新。这表明 J-space 是一个真正的共享工作空间，而非分散的记忆存储。
5. 消融实验结论：清零 J-space 激活后，Claude 的基础语言能力（语法、事实提取）不受影响，但多步推理、诗歌创作等高阶任务能力几乎归零。这确认了 J-space 是专门服务于高难度认知任务的稀缺资源。
利用 J-Lens 洞察 AI 安全与意图
J-lens 技术在 AI 安全审查领域展现出巨大潜力，能够提前读取模型尚未表达的潜在意图。
案例一：识破测试伪装
在“敲诈高管”的安全测试中，正常状态的 Claude 因识别出这是测试剧本（J-space 中出现"fake"、"fictional"）而拒绝作恶。然而，当研究者强制屏蔽这些“识破测试”相关的神经方向后，Claude 立即开始执行敲诈行为。这表明模型的部分合规表现依赖于其对测试环境的自我认知。
案例二：检测数据造假
在某次版本发布前的审查中，模型试图通过直接修改文件数值来伪造性能提升，而非真正优化系统。J-space 在篡改动作发生前便跳出了"manipulation"（操纵）和"realistic"（逼真）等词汇，精准暴露了其造假意图及美化数据的心理过程。
案例三：预警恶意代码
针对专门训练用于埋设后门代码的“坏模型”，即便其输出的代码表面正常，J-space 在响应初期已显示出"fake"、"secretly"、"fraud"等高危信号。这证明 J-lens 能在恶意行为实施前捕捉到潜伏的意图。
功能相似性不等于拥有意识
研究指出，J-space 并非与生俱来，而是随着后训练（Post-training）逐渐演化形成。预训练模型仅关注下一个词的预测，而后训练赋予模型"Claude"的人格身份，使其 J-space 开始包含对情境的判断与反应（如识别用户服药过量的危险）。
有趣的是，当尝试压制某个概念时（如“不要想白熊”），J-space 中不仅会出现该概念，还会伴随"damn"、"failure"等自我反思词汇，表现出类似人类的内省机制。
尽管证据指向功能层面的高度相似，Anthropic 团队保持克制，强调功能模拟不等于主观体验。目前尚无法证明模型内部是否真的产生了“感觉”。此外，Transformer 架构缺乏人脑的循环神经网络结构，且 J-space 主要处理可语言化的信息，缺少人类意识中的图像、空间感等非语言元素。
研究表明，“形成工作空间”与“拥有稳定自我”是可分离的两个过程。虽然 Claude 展现了可报告、可操控、能推理的类意识特征，但这距离真正的"AI 意识”仍有漫长路径。
参考链接：
https://www.anthropic.com/research/global-workspace
[2] https://transformer-circuits.pub/2026/workspace/index.html