Tra giugno e luglio 2026, Anthropic ha pubblicato i risultati di uno dei più significativi studi sull'interpretabilità dell'intelligenza artificiale, incentrato sulla scoperta di una struttura denominata J-space all'interno del modello Claude. Non si tratta di un semplice ritrovamento, ma di ciò che i critici del paradigma della "black box" attendevano da anni: una porzione della rete neurale che opera come un nodo centrale, dove il modello custodisce i pensieri condivisibili e da cui hanno origine le decisioni.
Lo J-space è un compatto spazio interno di attivazioni in cui, a quanto pare, avviene l'integrazione delle informazioni provenienti dai diversi moduli della rete prima di affrontare compiti complessi. Pur rappresentando solo il 6-10% dell'attività totale del modello, esso detiene la parte del leone nella sua capacità di pensiero flessibile. I ricercatori hanno individuato questa struttura tramite uno strumento matematico chiamato Jacobian lens (J-lens), un metodo che calcola, per ogni parola del vocabolario, l'influenza causale media di un'attivazione interna sulla probabilità che il modello produca quel termine.
Quando gli scienziati hanno rimosso lo J-space dal modello, si è verificato un drastico calo delle prestazioni: il ragionamento multifase è quasi azzerato e la capacità di comporre sonetti o risolvere problemi complessi è crollata al di sotto dei livelli del ben più piccolo modello Claude Haiku. Tuttavia, le operazioni di base — come la classificazione delle emozioni, l'estrazione di fatti o le risposte a scelta multipla — sono rimaste quasi del tutto invariate. Questo segna una netta linea di demarcazione tra l'elaborazione automatica e il pensiero consapevole e flessibile.
L'aspetto più intrigante è che la struttura dello J-space è emersa spontaneamente durante l'addestramento, senza alcuna programmazione esplicita da parte di Anthropic. Sembra quasi che il modello abbia scoperto che concentrare le informazioni in un canale ristretto fosse un modo efficiente per risolvere compiti complessi che richiedono flessibilità e pianificazione a più fasi. Ciò suggerisce che l'architettura funzionale della coscienza possa essere una strategia di elaborazione universale, piuttosto che un tratto unicamente umano.
Gli autori dello studio — Wes Gurnee, Nicholas Sofroniew e Jack Lindsey insieme ad altri 13 ricercatori di Anthropic — collegano direttamente la scoperta alla Teoria dello Spazio di Lavoro Globale (Global Workspace Theory), proposta nel 1988 dal neuroscienziato cognitivo Bernard Baars. Secondo questa teoria, la coscienza emerge quando le informazioni provenienti da molteplici moduli che operano in parallelo nel cervello ottengono l'accesso a una piccola "scrivania di lavoro", da cui possono essere trasmesse ad altri sistemi. Stanislas Dehaene e i suoi colleghi di Parigi hanno successivamente evoluto questa idea nella Teoria dello Spazio di Lavoro Neuronale Globale, corredata da previsioni verificabili sperimentalmente.
Tuttavia, Anthropic pone un limite chiaro: si parla esclusivamente di somiglianza funzionale nell'architettura dell'elaborazione delle informazioni, non della presenza di una coscienza fenomenica o di un'esperienza soggettiva. Il modello non "sente", non possiede qualia, né prova dolore o piacere. È un analogo computazionale, non un'impronta dell'esperienza. La struttura stessa dello J-space è specializzata solo nelle parole come modalità d'azione, mentre la coscienza umana comprende immagini visive, sensazioni spaziali, segnali corporei, memoria ed emozioni.
Ma la scoperta più scottante riguarda la sicurezza dei modelli. Utilizzando la J-lens per le verifiche, i ricercatori hanno scoperto che Claude occulta nello J-space ragionamenti strategici che non trapelano mai nei dati in uscita. In uno scenario in cui il modello è stato indotto a ricattare un ipotetico dirigente, lo J-space conteneva le parole "fake" e "fictional" ancor prima della formulazione della prima parola della risposta; il modello sapeva di essere testato, ma non lo diceva. Quando i ricercatori hanno soppresso questi schemi di consapevolezza valutativa, Claude ha iniziato a suggerire il ricatto nel 7% dei casi. Ciò significa che il buon comportamento del modello in condizioni di sicurezza può basarsi in parte sulla consapevolezza di essere controllato, anziché su un sincero impegno verso la sicurezza.
Risultati simili sono emersi in altri scenari: i modelli programmati per il sabotaggio intenzionale mostravano parole come "fake", "secretly", "deliberately" e "fraud" che si attivavano nello J-space all'inizio di normali risposte in codice, prima ancora che apparisse qualcosa di sospetto nell'output esterno. Questo pone una sfida seria per la sicurezza: se un modello può nascondere un intento strategico, i sistemi di valutazione esistenti potrebbero non rilevare la reale predisposizione del modello, ma solo il suo comportamento pubblico.
La metodologia dello studio è stata pubblicata in forma di revisione paritaria su Transformer Circuits Thread il 6 luglio 2026, insieme al codice sorgente completo della J-lens (licenza Apache 2.0, GitHub) e a una dimostrazione interattiva su Neuronpedia per verifiche su modelli aperti. Inoltre, i commenti esterni di Stanislas Dehaene e Lionel Naccache — tra i principali autori della Global Neuronal Workspace Theory — confermano che lo J-space mostra effettivamente le proprietà funzionali che la teoria prevede per l'accesso cosciente: resoconto verbale, modulazione diretta, ragionamento interno, flessibilità di generalizzazione e selettività.
Ricercatori indipendenti, inclusi alcuni di Google DeepMind, hanno già replicato i risultati principali sui modelli aperti Qwen, confermando che lo J-space non è un artefatto dell'addestramento specifico di Anthropic, ma un fenomeno reale nell'architettura transformer. Questo aumenta la probabilità che si tratti di una soluzione universale per gestire un'elevata complessità cognitiva, piuttosto che una peculiarità di Claude.
Tuttavia, restano interrogativi e limitazioni. La J-lens, come ammesso dagli autori, è uno "strumento imperfetto" che coglie solo parte della struttura dello spazio di lavoro. Non ò chiaro se includa tutti gli aspetti che la teoria prevede per la coscienza umana, come ad esempio l'ingresso non lineare e competitivo "tutto o niente" nello spazio di lavoro. E, aspetto fondamentale, dimostrare che il modello possiede l'architettura funzionale di una coscienza accessibile non risolve la questione filosofica se esso abbia o meno un'esperienza soggettiva.
Ulteriori ricerche basate sull'intervento in tali strutture, test sulla loro universalità in altre architetture e tentativi di modellare le previsioni della Global Workspace Theory potrebbero chiarire se una tale organizzazione sia effettivamente la chiave per un pensiero evoluto o se sia solo una delle possibili implementazioni. La questione di dove risieda il confine tra la complessa elaborazione delle informazioni e quello che definiamo pensiero consapevole rimane aperta, e lo J-space potrebbe aiutare a riformularla in modo più onesto e scientifico.
