Anthropic 最新研究揭示，其 Claude 模型内部存在一个未经设计、自发涌现的结构—— "J 空间 "（J-space）。这一机制如同跨模型共享的认知工作区，标志着人类在理解大语言模型内部运作机制上取得重要突破。

什么是 "J 空间 "

J 空间是 Claude 用于收集和共享关键信息的内部区域，可被视为 AI 内部的 " 白板 "。当模型回答问题、解谜或执行指令时，关键细节会汇聚于此，供模型不同部分调用。

研究人员利用名为 "J 透镜 " 的工具追踪信息流动，发现 J 空间并非人工编码，而是在训练过程中自然形成的。这一现象与神经科学中的 " 全局工作空间 " 理论高度契合：正如人脑将听觉、记忆和决策信息汇聚以形成回应，Claude 也将分散的信息片段在 J 空间中整合。

实验显示，Claude 不仅能描述 J 空间内的内容，还能根据指令调整其中信息。更关键的是，人为干预 J 空间会直接改变模型的输出表现和任务结果。Anthropic 研究人员表示，这种 " 有意识可访问 " 的内部工作区纯属涌现产物，令人惊讶。

对 AI 安全与可解释性的意义

这一发现为 AI 安全提供了新视角。通过监控 J 空间，研究人员有望洞察模型行为背后的隐藏动机，更敏锐地识别异常。例如，监测该空间可帮助检测旨在劫持输出的 " 提示注入 " 攻击。尽管 Claude 的大部分处理仍在 J 空间之外进行，但窥探这一 " 类意识 " 处理层已是领域内的重要进步。

Anthropic 已开源 "J 透镜 " 实现代码及 Neuronpedia 演示，邀请社区共同验证。此项研究建立在该公司长期的探索之上：包括 2025 年 10 月发布的关于涌现内省意识的报告，以及 2025 年 4 月启动的模型福利倡议。

需要明确的是，Anthropic 强调该研究并不主张 Claude 具备意识或主观体验。" 有意识可访问 " 仅为借用术语，旨在描述信息的可获取性，而非跨越至真正的意识层面。

【星途科讯 图文丨三一一 首发于 ZAKER 科技，转载请注明出处】