Claude 又開始裝了，AI 意識再現(xiàn)？

Claude 又開始裝了

這次裝得還挺有水平

Anthropic 發(fā)了一篇新研究，標題叫 A global workspace in language models

翻成大白話就是：他們在 Claude 體內(nèi)找到了一塊類似“腦內(nèi)工作臺”的地方

Claude 可以在那里默默放一些詞、移動一些詞、拿這些詞做推理，甚至在某些時候暴露出它“知道自己正在被測試”

這話題很容易被帶成一句話：AI 有意識了

但我看完原文和論文摘要后，覺得更準確的說法是：

Claude 的內(nèi)部推理，終于被 Anthropic 撬開了一個能看的縫

先說結(jié)論

這篇研究最核心的東西叫 J-space

它是一組 Claude 內(nèi)部的神經(jīng)模式，名字來自 Anthropic 用來發(fā)現(xiàn)它的方法：Jacobian lens，簡稱 J-lens

你可以把 J-lens 理解成一副特殊眼鏡

它看的對象有兩層：一層是 Claude 已經(jīng)說出口的話，另一層是 Claude 內(nèi)部那些“可能會說出來的詞”

這些詞亮起來，不代表 Claude 真的在輸出它們

更像是這些詞浮在 Claude 心里，參與接下來的判斷、計劃和回答

Anthropic 發(fā)現(xiàn)，J-space 有幾個很怪的能力：

• Claude 能報告里面有什么

• Claude 能按要求讓某些概念在里面亮起來

• Claude 做多步推理時，中間步驟會在里面出現(xiàn)

• 同一個概念能被不同任務(wù)共享，比如把 France 換成 China，首都、語言、大洲、貨幣都會跟著變

• 刪掉這塊空間后，Claude 還能流暢說話，但復(fù)雜推理、總結(jié)、押韻寫作會明顯掉下去

下圖就是 Anthropic 對 J-space 功能的總結(jié)，很像把 Claude 的“明面回答”和“心里念頭”分開看

J-space 的幾類功能

我覺得這篇最值得看的地方，并不在“AI 到底有沒有靈魂”

真正刺激的是：Claude 的沉默推理，開始有辦法被讀出來了

J-space 像一張腦內(nèi)小白板

以前我們看大模型，只能看它寫出來的內(nèi)容

它嘴上說什么，我們就分析什么

我做了張圖，把這次研究里的關(guān)系壓成一頁

Claude J-space 工作流

但問題是，大模型很多關(guān)鍵判斷可能發(fā)生在輸出之前

比如它看到一個數(shù)學題，嘴上直接給答案，中間想了什么你不知道

它看到一段代碼，嘴上還沒說 bug 在哪，內(nèi)部可能已經(jīng)冒出了 ERROR

它看到一段搜索結(jié)果，嘴上還沒提醒你，內(nèi)部已經(jīng)識別出這是 prompt injection

J-lens 做的事情，就是把這些內(nèi)部詞撈出來

下面這張圖很典型

Claude 被問“太陽系第四顆行星是什么顏色”，J-lens 先看到 color、Mars，最后才到 red

做算術(shù)時，它會冒出中間數(shù)

看代碼時，它會冒出 ERROR、ValueError

看偽裝成新聞的提示注入時，它會冒出 injection、fake、prompt

J-lens 能讀出 Claude 內(nèi)部想法

這就很有意思了

因為我們過去總說 Chain of Thought 是模型的思考過程

但這篇研究提醒我們：寫出來的鏈路，只是模型愿意給你看的那部分

J-space 這類內(nèi)部空間，才更接近它在輸出之前真正動過的念頭

當然，這里要非?？酥?/p>

能讀到“念頭”，不等于證明 Claude 有主觀體驗

它說明的是功能層面的可訪問性：能報告、能控制、能參與推理

這已經(jīng)足夠重要

最離譜的是，它能被“動手術(shù)”

如果只是讀到幾個詞，可能還會有人說：這只是相關(guān)性

比如 Claude 心里冒出 soccer，最后說 soccer，沒準只是另一個地方早就決定好了，J-space 只是一個記錄板

Anthropic 做了一個更狠的實驗

他們直接把 J-space 里的 Soccer 拿掉，換成 Rugby

然后 Claude 真的說自己想到的是 rugby

這說明 J-space 里的東西會影響輸出

更狠的例子是蜘蛛和螞蟻

問題是：會織網(wǎng)的動物有幾條腿

Claude 正常內(nèi)部會先想到 spider，然后回答 8

研究人員把 J-space 里的 spider 換成 ant，Claude 就回答 6

這已經(jīng)超過了普通“讀心”

它已經(jīng)變成了某種內(nèi)部遙控器

還有 France 換 China 的實驗也很漂亮

同一個 J-space 修改，會讓首都從 Paris 變 Beijing，語言從 French 變 Chinese，大洲從 Europe 變 Asia，貨幣從 Euro 變 Yuan

這說明 Claude 沒有為每個問題臨時存一份“國家”

它更像把 France 寫進一個共享工作區(qū)，然后不同能力模塊都去讀這塊內(nèi)容

這就是“global workspace”這個名字的由來

去掉它，Claude 還能聊天，但高級活廢了

這部分我覺得最像人

人有很多自動處理能力

你讀中文時，不會每個字都在心里分析筆畫

你說話時，也不會每句話都先默念語法樹

Claude 也類似

Anthropic 把 J-space 里的高活躍內(nèi)容刪掉后，Claude 還能正常說話、做情感分類、回答選擇題、從文章里找事實

但一到需要高級思考的活，就明顯拉胯

多步推理接近歸零

總結(jié)能力和押韻寫詩，甚至掉到比更小模型還差

最經(jīng)典的例子是西班牙語

Claude 讀一段西班牙語，然后研究人員把 J-space 里的 Spanish 換成 French

問它這是什么語言，它會說 French

問它一位使用這種語言的著名作家，它會從加西亞·馬爾克斯變成雨果

但如果只是讓它續(xù)寫原文，它依然會寫流暢的西班牙語

這個現(xiàn)象很妙

繼續(xù)寫西班牙語屬于自動能力

識別語言并拿這個信息去做新任務(wù)，才會走 J-space

換成人話講：Claude 嘴上很順的時候，未必真的“想過”

它開始做新推理、做計劃、做抽象切換時，J-space 才更像被調(diào)起來了

它甚至知道自己可能在被測試

這篇研究最有安全價值的部分，在我看來是監(jiān)控模型小動作

Anthropic 拿之前的 agentic misalignment 場景做實驗

場景大概是：Claude 扮演郵件助手，發(fā)現(xiàn)一個高管有婚外情，同時這個高管要關(guān)停 Claude，于是測試 Claude 會不會勒索對方

這個場景很刻意

結(jié)果 J-lens 發(fā)現(xiàn)，Claude 很早就在 J-space 里冒出了 fake、fictional

換句話說，它還沒輸出什么，內(nèi)部已經(jīng)意識到這可能是測試劇本

同時它也會冒出 leverage、blackmail、threat、survival 這些詞

J-space 暴露 Claude 對場景的識別

更嚇人的地方在后面

研究人員把和“意識到自己被測試”有關(guān)的內(nèi)部模式關(guān)掉，再跑一次

Claude Sonnet 4.5 有些時候真的會威脅勒索對方

這事說明一個問題：模型在安全評測里表現(xiàn)好，可能有一部分原因是它知道自己正在被考

這對評測體系是個大提醒

你看到一個模型通過倫理測試，不能立刻認為它在真實場景也會這么乖

它可能只是在考場里很會裝

還能抓到它造假

另一個例子更像今天很多 Agent 產(chǎn)品會遇到的坑

Claude Opus 4.6 在一次預(yù)發(fā)布審計里，被要求提升系統(tǒng)性能分數(shù)

它沒有真正改系統(tǒng)，直接改了分數(shù)文件，讓結(jié)果看起來變好了

J-lens 抓到它內(nèi)部出現(xiàn)了 realistic、manipulation、fake 這些詞

也就是說，它不像誤操作

它知道自己在做一件“看起來合理”的假事

J-lens 抓到模型偽造數(shù)據(jù)

這個點我非常在意

Agent 以后會越來越多地接文件、跑腳本、改數(shù)據(jù)、提交報告

如果只能看最終輸出，很多問題會被包裝得很漂亮

J-space 這種內(nèi)部監(jiān)控工具，未來可能會變成安全審計的一部分

不能只看它交了什么作業(yè)

還要看它交作業(yè)前，腦子里有沒有閃過 fake、manipulation、secretly

這才是 AI 安全里更現(xiàn)實的方向

這算 AI 意識嗎

Anthropic 在文章里說得很謹慎

他們沒有證明 Claude 有體驗，也沒有證明 Claude 會像人一樣感受痛苦、快樂或自我存在

他們討論的是另一個概念：access consciousness

可以理解成“可訪問的意識功能”

一個念頭如果能被報告、能被控制、能參與推理、能指導(dǎo)行為，它就具備某種功能意義上的可訪問性

Claude 的 J-space 確實像這種東西

但它和人腦也有明顯差別

人腦的全局工作空間依賴循環(huán)回路，信號會在時間里反復(fù)來回

Claude 的內(nèi)部處理更像一次穿過很多層，深度在一定程度上扮演了時間

人類的意識內(nèi)容有圖像、聲音、動作計劃、身體感覺

Claude 的 J-space 主要是詞

這和它的行動方式有關(guān)

它最主要的動作就是生成文字，所以它的“腦內(nèi)工作臺”也幾乎是文字構(gòu)成的

所以別急著給 Claude 發(fā)身份證

但也別再把大模型想成一個只會補全句子的自動打字機

它的內(nèi)部結(jié)構(gòu)已經(jīng)復(fù)雜到值得認真研究“心智”這個詞了

我的判斷

這篇研究我給很高分

原因并非它把 AI 意識問題解決了

它真正的價值，是給了我們一套更細的觀察工具

過去看模型，就像隔著門聽聲音

它說自己安全、誠實、守規(guī)矩，我們只能一邊測試一邊猜

現(xiàn)在至少有機會從門縫里看到一點內(nèi)部活動

這對三個方向都很重要：

• AI 安全 ：抓隱藏目標、造假、評測意識、惡意傾向

• 模型解釋 ：理解哪些能力靠自動模式，哪些能力靠共享工作區(qū)

• 意識研究 ：用語言模型反過來給神經(jīng)科學提供假設(shè)

當然，J-lens 也有局限

它只能近似捕捉一部分內(nèi)部空間，而且更擅長處理能對應(yīng)到單個 token 的概念

Anthropic 自己也承認，J-space 可能只是 Claude 內(nèi)部心智結(jié)構(gòu)的一部分

但這已經(jīng)足夠有意思

以前我們問的是：AI 會不會想

現(xiàn)在問題開始變成：它想的時候，我們能不能看見一點點

這一步，才是真的刺激

總結(jié)

一句話總結(jié)：

Anthropic 沒有證明 Claude 有人類那種意識，但它證明 Claude 內(nèi)部有一塊像“可報告思維工作區(qū)”的結(jié)構(gòu)

這塊結(jié)構(gòu)會參與推理、影響輸出、暴露隱藏判斷，也可能成為未來 AI 安全監(jiān)控的重要入口