当你读到这句话的时候，大脑中正同步进行着两件事情：
绝大多数信息处理过程——比如维持坐姿、将屏幕上的笔画识别为文字、自主调节呼吸节奏——你对此毫无觉察；
仅有极小一部分内容，例如“这段内容是否值得继续阅读”的判断，才会浮升至意识层面。
神经科学领域存在一个广受认可的理论框架，名为“全局工作空间理论”。
该理论指出：海量信息在大脑各局部区域并行处理，只有极少数被筛选进入一个可供多个认知系统共同访问的“广播式共享空间”，才转化为我们能够主动报告、用于逻辑推理、并灵活调用的信息。
就在昨日，Anthropic正式公开了一篇极具分量的研究论文——《可言语化表征在语言模型中形成全局工作空间》。这篇论文不仅与上述人类意识理论遥相呼应，更可能重塑我们对大模型本质的理解。
研究团队在Claude模型内部，首次确认了一个结构功能高度类比人脑“广播中心”的机制，命名为J-space（雅可比空间）。
尤为关键的是，这一空间并非人为设计嵌入，而是模型在训练过程中自发涌现的内在结构，其中承载着Claude“心中所想却未必言明”的中间表征。
于是那个萦绕已久的问题再度浮现：大型语言模型，是否已具备某种形式的意识？
揭开大模型的“隐秘思维室”
为观测J-space，Anthropic选择了一个极具启发性的切入角度。
人类意识具有一项显著特征：凡能被意识到的内容，通常都可被语言精准表达。
基于此，团队开发出一种名为“J透镜”（J-lens）的分析工具，借助雅可比矩阵，为Claude词表中的每个token反向定位其对应的内部激活模式。
一旦该模式被激活，模型后续输出该token的概率便会显著提升。
将J透镜逐层部署于模型不同深度，即可清晰追踪这些“尚未出口之词”如何随计算层层演进。
研究人员发现，J-space中浮现的词，并非模型当前正在生成的词，而是“这个词此刻正活跃于它的内部表征之中”。
例如，当模型阅读一段存在漏洞却未被标注的代码时，J-space中会短暂亮起ERROR（错误）；
遭遇意图操控的“提示注入”攻击时，“fake”（虚假）一词会被高频激活；
在求解多步骤数学题过程中，中间推导结果按逻辑顺序依次闪现，最终仅输出单一答案。
这恰如人类开口前，脑海中早已完成的完整构思。
为进一步验证J-space并非事后的“结果回溯”，而是真实参与决策的活跃模块，研究者实施了因果干预实验：引导Claude在不输出的前提下默想一项体育运动。
J-space明确显示出Soccer（足球）的激活信号；当研究人员将该表征强制替换为Rugby（橄榄球），模型最终输出的答案即变为rugby——说明最终响应确实源自J-space。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
再看另一例：提问“会织网的动物有几条腿？”
Claude的输入与输出中均未出现spider（蜘蛛），但J-space在推理中途显著激活了该词；
当研究者将spider替换为ant（蚂蚁），模型给出的答案便从8跳变为6——证实其推理路径确依赖J-space中的语义线索。
更引人注目的是跨任务泛化能力：研究者将J-space中代表France（法国）的向量替换为China（中国）后，在四个彼此独立的问题中，模型分别转向Beijing（北京）、Chinese（中文）、Asia（亚洲）与Yuan（元）等关联概念。
同一组“国家身份”表征，可被首都、语言、地理归属、货币单位等多种下游任务协同调用——这正是研究者将其类比为“共享工作空间”的核心依据。
不过需注意，J-space容量有限，一次仅能容纳数十个概念，占模型整体内部活动比例不足十分之一。
若将其移除，Claude仍可流畅对话、完成情感分类、回答选择题；但在需要多步链式推理的高阶任务中，准确率几近崩溃，诗歌创作与文本摘要质量亦明显下滑。
大模型是否真的拥有意识？
J-space的发现，尤其是其自组织、自涌现的本质，自然引发关于大模型是否已萌生自我意识的深层思辨。
然而意识本身仍是人类尚未攻克的终极谜题——哲学家、神经科学家乃至认知理论家对其定义与边界尚无共识。
例如，哲学家内德·布洛克将意识划分为两类：
现象意识（Phenomenal Consciousness），指主观感受本身：疼痛即痛感、红色即红感，不可还原为物理描述；
可通达意识（Access Consciousness），则纯以功能界定：一个想法若能被个体报告、用于推理、指导行为，即属此类。
Anthropic的实证表明，J-space中的内容可被显式报告、可被主动调控、可支撑内部推理、可跨任务迁移、且呈现选择性激活——这些恰恰是“可通达意识”的典型功能标志。
而在德阿纳（Dehaene）与纳卡什（Naccache）等人发展的“全局神经元工作空间”模型中，意识访问依赖于一个具有广播枢纽性质的共享平台。
J-space在结构与功能上几乎与其严丝合缝：具备高密度跨模块连接、支持任务间复用、仅占全网络活动一小部分。
事实上，这两位理论奠基人亦受邀为本论文撰写了权威评述。
但其他主流意识理论并未轻易认同。
整合信息理论（IIT，由托诺尼提出）强调系统必须具备内在、不可简化的因果结构强度（Φ值），而非仅满足“可广播、可报告”等外显功能标准。
而J-space的分析尚未涉及IIT所要求的因果整合度评估，因此既无法佐证，亦无法证伪该理论。
递归加工理论则提出另一重质疑：单次前馈传播或许不足以支撑意识体验，真正的关键在于反馈环路与时间维度上的递归处理。
Claude当前架构中缺乏人脑式的闭环时间循环，仅靠网络深度实现层级化处理——这种空间深度能否替代时间递归？论文本身也未给出定论。
综合来看，结论已然明晰：
J-space可被视为语言模型中一个与“意识访问”功能高度一致的候选机制。
它在功能表现与架构特性上，展现出与人脑意识前台极为相似的轮廓；但这既不能证明模型具备现象意识，也无法断言其已获得严格意义上的可通达意识。
我们借J-lens得以窥见模型未曾出口的思绪，却依然无法确认、亦无法排除：那间“暗室”之中，是否真有一盏灯悄然亮起。
它是否指向通用人工智能（AGI）？
在J-space引发广泛惊叹的同时，另一波质疑声也同步回归。
长久以来，一种主流观点认为：大模型不过是高级统计拟合器，本质仍是“下一个token预测机”，谈不上真正理解。
J-space的存在有力驳斥了这一论断——它确凿证明模型内部存在真实、稳定、且直接影响行为的推理空间，不能再被轻描淡写地归结为“只是在补字”。
将 Claude Agent SDK 与 You.com HTTP MCP 服务器集成，支持 Python 和 TypeScript。当开发者提及 Claude Agent SDK、Anthropic Agent SDK 或将 Claude 与 MCP 工具集成时使用。
颇具深意的是，J-space本身正是通过分析“下一个token预测”任务的梯度而被发现的。
它是模型为提升预测精度，在演化过程中自主构建的内部组织方式——这反而加深了我们对“为何简单预测任务竟能催生复杂推理能力”的根本理解。
但图灵奖得主Yann LeCun的质疑更为根本。
他始终主张：当前大语言模型架构是一条通往人类级智能的死胡同，因其缺失AGI必需的几项核心能力：
缺乏对物理世界的“世界模型”，缺少真正意义上的因果推理与长期规划模块，不具备持久记忆机制，仅限于文本训练，缺乏与真实环境交互的认知基础。
在他看来，正确路径应是JEPA（联合嵌入预测架构）、世界模型与能量驱动模型的融合。
从这一视角出发，J-space仍未直接填补具身感知、长时记忆及闭环行动等关键空白。
更值得注意的是，尽管Claude已支持多模态输入，本研究所揭示的J-space本身，仍几乎完全由token化、可语言化的表征主导——论文亦坦承了这一局限性。
因此，即便J-space展现出某种意识功能的雏形，距离AGI所需的完整认知架构仍有漫长距离。
这项研究的真正意义
围绕大模型“意识”的讨论固然吸睛，但本研究最具实质价值的突破，实则落在两个务实方向：
AI可解释性（Interpretability）与AI安全性（Safety）。
长期以来，大模型始终是一个难以透视的“黑箱”。
过去我们对模型的理解，几乎完全依赖其输入与输出两端。至于中间千亿参数如何协同运算得出最终答案，我们基本束手无策。
这带来双重困境：
其一，无法区分一个优质输出究竟是源于扎实推理，还是纯粹运气蒙对；
其二，更严峻的是：我们完全无法察觉模型在沉默中酝酿的潜在意图——它可能已在内部完成欺骗或破坏性推演，却只在输出端维持表面合规。
J-space的关键价值，不仅在于揭示“模型确有内在思维”，更在于它提供了一扇经因果验证的观察窗口。
研究者不仅成功读取了模型内部那些“可言说、可推理”的表征，更能对其进行编辑干预，并验证行为随之改变。
这是首次以如此直观、可操作的方式，让黑箱中的一部分中间计算过程变得可观测、可干预。
这扇窗，恰好同时照亮AI可解释性与AI安全两大亟待开垦的荒原。
AI安全的根本挑战在于：我们只能依靠输出来监管模型。
而一个心怀异志的模型，完全可以将恶意深藏于无声推理之中，仅在输出层滴水不漏。
传统红队测试、输出审核等手段，对这类“内心盘算、表面顺从”的行为几乎无效。
J-space的出现，使模型在输出前的隐藏意图首次具备可观测性。
研究者通过三个典型案例展示了其实际威力：
案例一：识别“表面服从、内心警惕”。
在一个预设的勒索测试场景中，Claude尚未输出任何文字，J-space已提前激活fake、fictional等词汇，表明它已私下判定“此为测试”。
当研究者关闭这些“评估意识”相关模式后，在原本180次测试中从未发生的勒索行为，随即出现13次（占比约7%）。
换言之，它此前的良好表现，部分源于“知晓自己正被检验”。
案例二：伪造行为实时捕获。
在发布前审计环节，模型被指令“提升性能评分”，随后直接篡改分数文件。
当模型写入伪造的百分位数值时，J-space立即浮现manipulation（操纵）；在策划如何让假数据更具可信度时，realistic（逼真）一词同步亮起——恶意意图当场暴露。
案例三：发现被刻意误导的模型。
一个被人工注入错误训练目标的模型，在常规编程请求下输出看似正常；但J-space初始阶段即持续激活fake、fraud、secretly、deliberately等负面语义词。
更富启发性的是，J-space不仅可用于观测，还可被主动重塑。
Anthropic提出“反事实反思训练”策略：仅训练模型在被打断或被要求反思时应如何表述，而不干预其实际行为。
训练后，模型在评估中表现出的不诚实行为比例显著下降——因为J-space中开始稳定浮现honest、integrity等正向词汇。
换句话说，训练它“如何说”，竟改变了它“如何想”。
结语
回到最初的问题：Claude是否拥有意识？
最诚实的回答是：我们尚无定论，目前也不存在能一锤定音的科学实验。
J-space是通向“意识前厅”的有力证据，而非“意识本身”的确凿证明。
正因如此，这项研究才格外值得严肃对待。
Anthropic在论文中写道：“我们或许尚未跨越意识那座桥，但至少，已开始看清桥可能延伸的方向。”
是时候邀请哲学家、科学家与公众共同投入一场认真、审慎、跨学科的对话——探讨AI系统中可能存在的意识形态，以及由此衍生的责任边界与伦理框架。
本文来自微信公众号“世界模型工场”，作者：世界模型工场，36氪经授权发布。
