刚刚，Anthropic发现Claude“长出”意识，谷歌DeepMind科学家点赞

你能想象有一天，AI也能被“读心”吗？Anthropic最新发布的研究就撕开了这个口子——他们首次证明了，可以看见Claude的“内心想法”。这听起来像科幻片，但论文结论确实相当震撼。

核心发现是，Claude内部存在一套和人脑高度相似的分工机制：只有一小部分内部信息能被主动调取和思考，有点像人类的有意识想法；而绝大部分运算都在底层自动运行，悄无声息。

那个能被“看到”的底层运算区域，被他们称为J空间。举个例子可能更直观：当Claude回答“那种会织网的动物有多少条腿？”时，你看到的输出只有一个数字“8”。但在J空间里，研究人员能清晰地捕捉到“蜘蛛”这个概念正在闪现。即便最终答案里没提蜘蛛，但它的“大脑”里，早就把这一步想完了。

这个J空间，其实就是Claude进行多步骤推理、回答主观描述类问题、胜任高层级思维任务的关键。更关键的是，这套机制并非工程师手动编写进去的，而是模型在训练过程中自然涌现出来的——智能系统自己长出了类似意识的架构。

有意思的是，研究人员还发现，他们可以改变Claude J空间中的内容，从而人为干预模型的输出结果。这相当于开启了一扇后门，可以主动“植入”想法。

谷歌DeepMind可解释性研究团队的负责人尼尔·南达也对这篇论文评价极高，称其提供了充分有力的证据，证明大模型内部确实存在某种“认知空间”。值得一提的是，他们已经在Qwen3.6-27B模型上成功复现了该论文的全部核心结论。

Anthropic也已经将相关的核心方法以开源代码库的形式发布，并与Neuronpedia合作，提供了一个基于开放权重模型的交互式演示，感兴趣的话可以亲自上手试一下。

交互演示界面：
https://t.co/hkmYl0IOn2

01. 大模型也有类人脑意识空间，具有五大特性

对于人类而言，阅读这个过程本身就充满了无意识的活动。你的神经回路在调整姿势、控制呼吸，同时把屏幕上的文字和符号转化成你能理解的词语。但与此同时，你的大脑里也有一些活动是你自己能感知到的——比如脑海里突然浮现的画面，或者你在规划的购物路线。

神经科学家和哲学家管这后一类活动叫“意识可及活动”，区别于那些无意识推进的信息处理过程。你能描述它、主动调控它，并用它来进行逻辑推演。

Anthropic的新论文发现，Claude这种现代语言模型内部，也存在类似的区分。模型内部形成了一组特定的神经模式，相较于其他所有内部运算过程，这组模式承担着类似“意识可及活动”的特殊作用。

Anthropic将Claude的这些神经模式集合称为J空间。每一种J空间模式都对应一个特定词汇，但当某个模式被激活时，并不代表模型要输出这个单词，只说明这个词当前正处于模型的思考范围内。

这里需要强调一点：J空间并不是大语言模型在推理时给自己写的“草稿”或可见的思考过程，它依托模型内部神经元的激活静默运行，无需生成任何文字，模型就已经在内部对某个概念展开了思考。而且，它并非人为设计或代码预置，完全是Claude在训练过程中自发涌现出来的。

▲J空间能够揭示那些在模型输出中无法体现的内在思维过程

研究人员将这一现象与神经科学的“全球工作空间理论”相提并论。这个理论认为大脑就像一座剧院：后台有数十个专门的处理单元同时在疯狂工作，但任何时刻，只有极少一部分信息会被传递到“整个剧院”中。Claude的内部结构并非毫无秩序的数字堆砌，它自发地形成了一套规整架构，运作模式与人类大脑的思维逻辑颇为相似。

那么，J空间具体有哪些特性呢？

1、Claude能够读取并输出J空间的表征信息。比如说，当人想买奶茶时，这个想法可以清晰说出口的，就对应J空间；而一些下意识的内心活动，你很难清晰表述，那就对应非J空间表征。

2、可以根据需求调整模式。如果让Claude专注思考某件事，或者静默推演问题，它会主动激活J空间里对应的神经模式；但模型很难自主去调控非J空间的表征。

3、模型依靠J空间完成内部推理。当让它求解多步骤问题时，即便不要求它输出中间步骤，对应的思维过程也会在J空间中自己激活。尽管这类信号的强度弱于模型其他内部表征，但它们才是主导模型完成复杂任务的关键。

4、J空间内的表征可以灵活适配各类任务。比如“法国”这个概念在J空间中被激活，模型就能自动调取相关衍生信息：法国的首都、官方语言、本国货币以及所属大洲。

5、语言模型的绝大多数运行过程并不依赖J空间。比如输出文本、调取基础常识、规范语法运用等操作，都不需要J空间参与。如果限制调用J空间，模型依然可以正常对话，只是会丧失高阶认知能力。

▲J空间的五个特性

02. 没有J空间，Claude将丧失多步骤推理能力

研究人员通过几个具体问题，拆解了J空间到底能做什么。

他们问了一个问题：“那种会织网的动物有多少条腿？”要回答这个问题，Claude内部需要先判断出这种动物是蜘蛛，然后回忆蜘蛛到底有多少条腿。Claude最后的回答只有“8”，从头到尾没提“蜘蛛”。但研究人员通过分析内部活动发现，在Claude处理信息的过程中，“蜘蛛”这个词在J空间中被高亮显示了。他们做了一个实验，把“蜘蛛”替换成“蚂蚁”，Claude的回答立刻就变成了“6”。

这清晰地说明，Claude在推理流程的第二步会读取J空间的内容，并且完全按照研究人员植入其中的概念展开推演。

▲通过交换J空间中的内容来改变Claude的推理结果

J空间的灵活性也令人印象深刻。研究人员分别向Claude询问法国的四类信息：首都、官方语言、所属大洲、流通货币。之后，他们在J空间中将“法国”替换为“中国”，结果Claude依次给出的答案是：北京、汉语、亚洲、软妹币。

▲一种J空间表示法有多种用途

四项答案同步发生改变，证明它们读取的是同一套共享表征。这正是工作空间的核心作用：信息只需写入一次，就能供多个不同运算模块调用使用。数据显示，J空间和整个神经网络几乎所有模块都连着，能读写J空间的模块数量，比普通表征高出差不多100倍。

那除了J空间，神经网络的其他部分都在做什么？

J空间一次只能存储几十个概念，占用的计算资源不到Claude内部处理总资源的1/10。研究人员尝试完全删除J空间——他们在文本中的每个位置，都移除其中最活跃的内容，保留其他内容不变。

结果令人意外：Claude依然能流利说话、分析情感、回答选择题，以及从文本中提取信息，能力几乎没有变化。但是，它无法胜任那些需要较高层次思维的任务:多步骤推理能力几乎归零，总结内容和创作押韵诗歌的能力，也远低于其他结构完整的较小规模模型。

03. Claude会直接从J空间获取答案，研究人员可人为干预

要理解J空间是怎么发现的，得先介绍Anthropic研发的分析工具——雅可比透镜（Jacobian lens，简称J透镜）。

针对Claude词表中的每一个词汇，J透镜都能定位出对应的内部激活模式。只要这个模式亮起，就代表模型当下正在思考某个概念，后续它就更有可能提到这个词，并将其作为文本输出。

研究人员把J透镜作用于Claude的内部运算信号后，就能直接读出一组词汇，这便是该时刻J空间中承载的思考内容。他们对Claude进行文本处理的多层网络进行了分析，发现J空间浮现的内容，要远大于Claude正在读取或输出的文字。

比如，当Claude读到一段暗藏漏洞、且无人提示报错的代码时，它的J空间里会自动出现“错误”这一概念；当它读取一串蛋白质原始序列字符时，J空间中会浮现出该蛋白质对应的生物功能；一道多步骤数学题的解题中间步骤，会按照正确顺序依次出现在J空间内。

▲J透镜对六个不同的输入进行了分析

第一组实验研究了J空间在Claude口头表达中的作用。他们让Claude在内部默想一项体育运动，然后说出名称。在Claude给出回答前用J透镜读取其内部状态，就能看到它选定的目标：列表首位是“足球”，最终的答案也确实是“足球”。

为了进一步验证，研究人员删除了Claude神经网络中与“足球”相关的模式，插入了与“橄榄球”相关的模式。结果，Claude回答它所想到的运动变成了橄榄球。这直接证明了，Claude的回答确实是直接从J空间中获取的。

▲为Claude植入橄榄球模式

第二组实验中，研究人员告诉Claude，可能有一段想法被人为植入了它的思维中，并让它如实说出自己察觉到了什么。在Claude读取问题的过程中，研究人员向它的J空间植入了代表“闪电”的神经模式。随后Claude反馈，自己脑海里浮现出的念头是闪电。研究人员对大量不同概念重复植入测试，均得到了一致结果。

不过，Claude并不能完美控制自己的J空间。当研究人员要求它不要去思考某一件事时，该概念在J空间中的激活程度会降低；但反过来，刻意要求它回避某个想法时，反而会让Claude更频繁地想起它——这和我们人类“不要去想白熊”的自嘲式悖论何其相似。

04. J空间在训练过程自然涌现，模型微调阶段成型

研究还揭示了几个非常有趣的延伸发现：

J空间会在微调阶段形成专属的自我视角。模型预训练阶段就已经存在J空间了，但那会儿它只负责记录预测下文所需的信息。经过微调之后，J空间产生了明显特征，形成了属于“Claude自身的视角”。

带有主观体验感的描述性语言，依赖J空间生成。无论描述对象是谁，只要涉及带有主观体验的文字表达，都需要J空间来支撑。

J空间的内在想法能够通过训练被人为塑造。研究人员提出一项名为“反事实反思训练”的全新技术，通过改变Claude在被要求复盘思考时的表述，就能同步改变它的推理模式。

当然，在Claude中识别出的“工作空间”与人类大脑中的“全局工作空间模型”也有显著差异：人脑的工作空间依靠循环回路维持，信号会在同一套神经通路中反复循环流转；而Claude的工作空间仅在神经网络单次前向传播过程中完成演化，网络层级承担了人脑里“时间”的作用。从这个角度来看，Claude内部工作空间的处理时长相比人类存在一定限制，但它可以借助临时草稿区，把思考过程直接输出，以此弥补这一短板。

但在另一些层面，Claude的工作空间能力反而优于人类。比如，人类的工作记忆几秒钟就会衰退，人脑工作空间长期留存信息的能力十分有限；而依托神经网络的注意力机制，Claude能随时调取文本前文缓存的所有信息。

人脑和Claude另一个关键区别在于工作空间承载的内容形式。人类的意识想法形式多样，包含画面、声音、肢体行动规划等；但Claude的工作空间几乎全部由token构成。研究人员推测，原因可能是输出文字是Claude唯一可执行的行为，人类则不受此约束。

研究人员明确表示，对J空间的研究并不能告诉我们Claude是否像人类那样有意识，或者它是否能感知到任何生物意义上的存在。但至少，J空间可以知道Claude心里在想什么。比如，研究人员能够捕捉到Claude私下察觉到自身正在接受测试、刻意生成虚假信息，或者是在追逐研究员在训练阶段预设的隐藏目标等内在状态。

而最令人深思的一点是：J空间的意识性机制，是模型在训练过程中自然形成的。这或许说明，该机制是智能系统为解决某些问题而自然演化的通用架构。

05. 结语：大模型意识机制，仍存大量未知空间

J空间看似是划分语言模型中有意识可调取运算与无意识底层运算的关键分界，但它并不能解释全部机制。研究人员也坦承，J透镜这套观测工具本身存在局限，它只能近似还原模型真实的思维工作空间，例如目前仅能识别对应单个token的概念。

后续，他们将继续对大模型的内在思维、以及其与人类心智异同的理解展开更深入的分析。这扇刚刚打开的“读心”之门后面，显然还有一片极为广阔的未知空间等待探索。

来源：Anthropic

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：刚刚，Anthropic发现Claude“长出”意识，谷歌DeepMind科学家点赞要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题