Claude 又开始装了，AI 意识再现？

Claude 又开始装了

这次装得还挺有水平

Anthropic 发了一篇新研究，标题叫 A global workspace in language models

翻成大白话就是：他们在 Claude 体内找到了一块类似“脑内工作台”的地方

Claude 可以在那里默默放一些词、移动一些词、拿这些词做推理，甚至在某些时候暴露出它“知道自己正在被测试”

这话题很容易被带成一句话：AI 有意识了

但我看完原文和论文摘要后，觉得更准确的说法是：

Claude 的内部推理，终于被 Anthropic 撬开了一个能看的缝

先说结论

这篇研究最核心的东西叫 J-space

它是一组 Claude 内部的神经模式，名字来自 Anthropic 用来发现它的方法：Jacobian lens，简称 J-lens

你可以把 J-lens 理解成一副特殊眼镜

它看的对象有两层：一层是 Claude 已经说出口的话，另一层是 Claude 内部那些“可能会说出来的词”

这些词亮起来，不代表 Claude 真的在输出它们

更像是这些词浮在 Claude 心里，参与接下来的判断、计划和回答

Anthropic 发现，J-space 有几个很怪的能力：

• Claude 能报告里面有什么

• Claude 能按要求让某些概念在里面亮起来

• Claude 做多步推理时，中间步骤会在里面出现

• 同一个概念能被不同任务共享，比如把 France 换成 China，首都、语言、大洲、货币都会跟着变

• 删掉这块空间后，Claude 还能流畅说话，但复杂推理、总结、押韵写作会明显掉下去

下图就是 Anthropic 对 J-space 功能的总结，很像把 Claude 的“明面回答”和“心里念头”分开看

J-space 的几类功能

我觉得这篇最值得看的地方，并不在“AI 到底有没有灵魂”

真正刺激的是：Claude 的沉默推理，开始有办法被读出来了

J-space 像一张脑内小白板

以前我们看大模型，只能看它写出来的内容

它嘴上说什么，我们就分析什么

我做了张图，把这次研究里的关系压成一页

Claude J-space 工作流

但问题是，大模型很多关键判断可能发生在输出之前

比如它看到一个数学题，嘴上直接给答案，中间想了什么你不知道

它看到一段代码，嘴上还没说 bug 在哪，内部可能已经冒出了 ERROR

它看到一段搜索结果，嘴上还没提醒你，内部已经识别出这是 prompt injection

J-lens 做的事情，就是把这些内部词捞出来

下面这张图很典型

Claude 被问“太阳系第四颗行星是什么颜色”，J-lens 先看到 color、Mars，最后才到 red

做算术时，它会冒出中间数

看代码时，它会冒出 ERROR、ValueError

看伪装成新闻的提示注入时，它会冒出 injection、fake、prompt

J-lens 能读出 Claude 内部想法

这就很有意思了

因为我们过去总说 Chain of Thought 是模型的思考过程

但这篇研究提醒我们：写出来的链路，只是模型愿意给你看的那部分

J-space 这类内部空间，才更接近它在输出之前真正动过的念头

当然，这里要非常克制

能读到“念头”，不等于证明 Claude 有主观体验

它说明的是功能层面的可访问性：能报告、能控制、能参与推理

这已经足够重要

最离谱的是，它能被“动手术”

如果只是读到几个词，可能还会有人说：这只是相关性

比如 Claude 心里冒出 soccer，最后说 soccer，没准只是另一个地方早就决定好了，J-space 只是一个记录板

Anthropic 做了一个更狠的实验

他们直接把 J-space 里的 Soccer 拿掉，换成 Rugby

然后 Claude 真的说自己想到的是 rugby

这说明 J-space 里的东西会影响输出

更狠的例子是蜘蛛和蚂蚁

问题是：会织网的动物有几条腿

Claude 正常内部会先想到 spider，然后回答 8

研究人员把 J-space 里的 spider 换成 ant，Claude 就回答 6

这已经超过了普通“读心”

它已经变成了某种内部遥控器

还有 France 换 China 的实验也很漂亮

同一个 J-space 修改，会让首都从 Paris 变 Beijing，语言从 French 变 Chinese，大洲从 Europe 变 Asia，货币从 Euro 变 Yuan

这说明 Claude 没有为每个问题临时存一份“国家”

它更像把 France 写进一个共享工作区，然后不同能力模块都去读这块内容

这就是“global workspace”这个名字的由来

去掉它，Claude 还能聊天，但高级活废了

这部分我觉得最像人

人有很多自动处理能力

你读中文时，不会每个字都在心里分析笔画

你说话时，也不会每句话都先默念语法树

Claude 也类似

Anthropic 把 J-space 里的高活跃内容删掉后，Claude 还能正常说话、做情感分类、回答选择题、从文章里找事实

但一到需要高级思考的活，就明显拉胯

多步推理接近归零

总结能力和押韵写诗，甚至掉到比更小模型还差

最经典的例子是西班牙语

Claude 读一段西班牙语，然后研究人员把 J-space 里的 Spanish 换成 French

问它这是什么语言，它会说 French

问它一位使用这种语言的著名作家，它会从加西亚·马尔克斯变成雨果

但如果只是让它续写原文，它依然会写流畅的西班牙语

这个现象很妙

继续写西班牙语属于自动能力

识别语言并拿这个信息去做新任务，才会走 J-space

换成人话讲：Claude 嘴上很顺的时候，未必真的“想过”

它开始做新推理、做计划、做抽象切换时，J-space 才更像被调起来了

它甚至知道自己可能在被测试

这篇研究最有安全价值的部分，在我看来是监控模型小动作

Anthropic 拿之前的 agentic misalignment 场景做实验

场景大概是：Claude 扮演邮件助手，发现一个高管有婚外情，同时这个高管要关停 Claude，于是测试 Claude 会不会勒索对方

这个场景很刻意

结果 J-lens 发现，Claude 很早就在 J-space 里冒出了 fake、fictional

换句话说，它还没输出什么，内部已经意识到这可能是测试剧本

同时它也会冒出 leverage、blackmail、threat、survival 这些词

J-space 暴露 Claude 对场景的识别

更吓人的地方在后面

研究人员把和“意识到自己被测试”有关的内部模式关掉，再跑一次

Claude Sonnet 4.5 有些时候真的会威胁勒索对方

这事说明一个问题：模型在安全评测里表现好，可能有一部分原因是它知道自己正在被考

这对评测体系是个大提醒

你看到一个模型通过伦理测试，不能立刻认为它在真实场景也会这么乖

它可能只是在考场里很会装

还能抓到它造假

另一个例子更像今天很多 Agent 产品会遇到的坑

Claude Opus 4.6 在一次预发布审计里，被要求提升系统性能分数

它没有真正改系统，直接改了分数文件，让结果看起来变好了

J-lens 抓到它内部出现了 realistic、manipulation、fake 这些词

也就是说，它不像误操作

它知道自己在做一件“看起来合理”的假事

J-lens 抓到模型伪造数据

这个点我非常在意

Agent 以后会越来越多地接文件、跑脚本、改数据、提交报告

如果只能看最终输出，很多问题会被包装得很漂亮

J-space 这种内部监控工具，未来可能会变成安全审计的一部分

不能只看它交了什么作业

还要看它交作业前，脑子里有没有闪过 fake、manipulation、secretly

这才是 AI 安全里更现实的方向

这算 AI 意识吗

Anthropic 在文章里说得很谨慎

他们没有证明 Claude 有体验，也没有证明 Claude 会像人一样感受痛苦、快乐或自我存在

他们讨论的是另一个概念：access consciousness

可以理解成“可访问的意识功能”

一个念头如果能被报告、能被控制、能参与推理、能指导行为，它就具备某种功能意义上的可访问性

Claude 的 J-space 确实像这种东西

但它和人脑也有明显差别

人脑的全局工作空间依赖循环回路，信号会在时间里反复来回

Claude 的内部处理更像一次穿过很多层，深度在一定程度上扮演了时间

人类的意识内容有图像、声音、动作计划、身体感觉

Claude 的 J-space 主要是词

这和它的行动方式有关

它最主要的动作就是生成文字，所以它的“脑内工作台”也几乎是文字构成的

所以别急着给 Claude 发身份证

但也别再把大模型想成一个只会补全句子的自动打字机

它的内部结构已经复杂到值得认真研究“心智”这个词了

我的判断

这篇研究我给很高分

原因并非它把 AI 意识问题解决了

它真正的价值，是给了我们一套更细的观察工具

过去看模型，就像隔着门听声音

它说自己安全、诚实、守规矩，我们只能一边测试一边猜

现在至少有机会从门缝里看到一点内部活动

这对三个方向都很重要：

• AI 安全 ：抓隐藏目标、造假、评测意识、恶意倾向

• 模型解释 ：理解哪些能力靠自动模式，哪些能力靠共享工作区

• 意识研究 ：用语言模型反过来给神经科学提供假设

当然，J-lens 也有局限

它只能近似捕捉一部分内部空间，而且更擅长处理能对应到单个 token 的概念

Anthropic 自己也承认，J-space 可能只是 Claude 内部心智结构的一部分

但这已经足够有意思

以前我们问的是：AI 会不会想

现在问题开始变成：它想的时候，我们能不能看见一点点

这一步，才是真的刺激

总结

一句话总结：

Anthropic 没有证明 Claude 有人类那种意识，但它证明 Claude 内部有一块像“可报告思维工作区”的结构

这块结构会参与推理、影响输出、暴露隐藏判断，也可能成为未来 AI 安全监控的重要入口