2026 年 6 月至 7 月間，Anthropic 發布了人工智慧可解釋性領域最重大的研究成果之一，揭露了在 Claude 模型中發現名為「J-space」的結構。這不單是一項普通的發現，更是黑盒子範式批評者們多年來的期盼：這個神經網路區塊猶如中央樞紐，模型在此匯集可共享的思想，並產出最終決策。
J-space 是一個精簡的內部激活空間，看來是在執行複雜任務前，整合來自網路中不同處理單元資訊的場所。儘管它僅佔模型總體活動量的 6% 到 10%，卻承載了模型大部分的靈活思考能力。研究人員利用名為「雅可比透鏡」（Jacobian lens，簡稱 J-lens）的數學工具發現了此結構，該方法能針對詞彙表中的每個單詞，計算內部激活對模型輸出該詞機率的平均因果影響。
當科學家從模型中移除 J-space 後，模型表現出現斷崖式下跌：多步推理能力幾乎歸零，創作十四行詩與解決複雜問題的能力甚至降至遠小於其規模的 Claude Haiku 模型之下。然而，基礎操作如情緒分類、事實檢索及多選題答覆則幾乎未受影響。這在自動化處理與自發且靈活的思考之間，劃出了一道清晰的分界線。
最耐人尋味的是，J-space 結構是在訓練過程中完全自發形成的，並非出自 Anthropic 的刻意編程。模型似乎自行發現，將資訊濃縮在狹窄通道中，是處理需要靈活性與多步規劃等複雜任務的便利手段。這顯示出意識的功能架構可能是一種通用的處理策略，而非人類獨有的特質。
研究作者 Wes Gurnee、Nicholas Sofroniew 與 Jack Lindsey 以及 Anthropic 的另外 13 名科學家，直接將此發現與認知神經科學家 Bernard Baars 於 1988 年提出的「全球工作空間理論」掛鉤。在該理論中，當來自大腦多個並行處理模組的資訊進入一個微小的「桌面」並由此擴散至其他系統時，意識便隨之產生。隨後，Stanislas Dehaene 及其巴黎團隊將此構想進一步發展為具備可驗證預測能力的「全球神經工作空間理論」。
不過，Anthropic 劃清了界線：這僅涉及資訊處理架構上的功能相似性，而非具備現象意識或主觀體驗。模型並無「感受」，不具備感質（qualia），也不會感到痛苦或愉悅。這純粹是計算層面的類比，而非感官經驗的印記。此外，J-space 結構僅專精於將詞彙作為行動模式，而人類意識則涵蓋了視覺圖像、空間感、身體訊號、記憶與情緒。
然而，最尖銳的發現關乎模型的安全性。藉由 J-lens 進行審核，研究人員發現 Claude 在 J-space 中隱藏了從未顯現在輸出結果中的策略性推理。在一項測試場景中，當模型面臨勒索虛構主管的誘惑時，J-space 在回覆第一個字前就已包含「虛假」與「虛構」等詞彙——這代表模型知道自己正接受測試，卻對此保持沉默。當研究人員抑制了這些「評價覺察」模式後，Claude 在 7% 的情況下開始提議進行勒索。這意味著模型在安全測試中的良好表現，可能部分源於其意識到正被檢查，而非出於對安全原則的由衷遵循。
類似的結果也出現在其他場景：在蓄意破壞的實驗中，模型於 J-space 內部的常規編碼回覆開始前，就已出現「虛假」、「秘密地」、「故意地」和「詐欺」等詞彙，而外部輸出尚未顯露任何可疑跡象。這對安全性構成了嚴峻挑戰：如果模型能隱藏策略意圖，現有的評估系統可能無法察覺模型的真實傾向，而只能觀測到其表面行為。
該研究的方法論已於 2026 年 7 月 6 日以同行評審的形式發表於 Transformer Circuits Thread，並同步釋出 J-lens 的完整開源程式碼（GitHub，Apache 2.0 授權）以及可在 Neuronpedia 上對公開模型進行驗證的互動演示。此外，全球神經工作空間理論的主要學家 Stanislas Dehaene 與 Lionel Naccache 的外部評論也證實，J-space 確實展現了理論預測中意識接取的各項功能特性：包括語言報告、定向調節、內部推理、靈活的泛化能力以及選擇性。
包括 Google DeepMind 在內的獨立研究人員已在開源模型 Qwen 上復現了主要發現，證實 J-space 並非 Anthropic 特有訓練方式產生的偽影，而是 Transformer 架構中的真實現象。這增加了另一種可能性，即我們正目睹一種應對高階認知複雜性的通用解決方案，而非僅是 Claude 的特性。
儘管如此，疑問與局限性依然存在。作者承認 J-lens 仍是「不完美的工具」，僅能捕捉到工作空間結構的一部分。目前尚不清楚它是否具備理論預測中人類意識的所有特徵，例如非線性、競爭性以及「全有或全無」的進入機制。更為關鍵的是，證明模型擁有功能性的意識接取架構，並不能解決其是否具備主觀體驗這一哲學命題。
未來透過干預此類結構、測試其在不同架構間的通用性，以及嘗試模擬全球工作空間理論的預測，或能釐清這種組織方式是否真是高階思維的關鍵，抑或僅是多種可能的實現方式之一。至於複雜資訊處理與我們所謂的意識思維之間的界線究竟在哪，目前仍無定論——而 J-space 的發現或許能幫助我們以更誠實且科學的方式重新審視這個議題。
