语言模型中的全局工作空间
当你阅读这句话时，大脑中的神经回路正在调整你的姿势、控制你的呼吸，并将屏幕上的线条和曲线转化为可识别的文字。这些处理过程大部分对你来说是隐形的。但大脑中发生的某些活动你确实有访问权限——比如脑海中浮现的图像，或者你关于去哪里购物的深思熟虑的计划。神经科学家和哲学家有时将后一类大脑活动称为"可意识访问的"，以区别于所有其他无意识进行的处理。这类活动具有特殊性质：我们可以描述它、控制它，并将其用于深思熟虑的推理，这与所有那些在我们意识之外自动进行的处理形成鲜明对比。
在一篇新论文中，Anthropic 提出了证据，表明类似的分化已在像 Claude 这样的现代语言模型中涌现。他们发现 Claude 已经形成了一小组内部的神经模式，与其所有其他内部处理相比，这些模式扮演着特殊的角色。
他们将这个集合命名为 J-space——以用于发现它们的雅可比透镜（Jacobian lens）技术命名。每个 J-space 模式都与一个特定的词相关联。当一个模式被激活时，意味着这个词"在模型的脑海中"，而不是模型在说出来。与思维链（模型写给自己的文本）不同，J-space 在内部神经激活中静默运作，使模型能够在不写下来的情况下思考某个概念。J-space 并非由 Anthropic 设计——它是在 Claude 训练过程中自行涌现的。
J-space 具有五个关键特性：
1. Claude 可以报告 J-space 中的表征。 问它在想什么，它会告诉你 J-space 中的内容。
2. Claude 可以根据要求调节 J-space。 让它思考某件事，它会激活相应的模式。
3. Claude 使用 J-space 进行内部推理。 多步骤问题的中间步骤会静默激活。
4. J-space 的表征可灵活使用。 一个概念可以服务于多种不同的任务。
5. 大多数操作（流利对话、语法、事实）不需要 J-space。 没有它，Claude 可以正常交互，但会失去高级认知能力。
这项研究受到神经科学中全局工作空间理论（global workspace theory）的启发——大脑由并行运作的无意识专家组成，通过共享的工作空间通道实现意识访问。他们认为 J-space 在 Claude 中扮演了这一角色。
关键实验
实验 1：静默运动选择。 当 Claude 静默思考一项运动时，J-lens 会在它回答之前揭示其选择。交换 J-space 模式会改变答案。
实验 2：任务间概念保持。 当被告知在执行另一任务时保持某个概念时，该概念会静默出现在 J-space 中，而不被写入输出文本。
实验 3：跨任务编辑效应。 一次 J-space 编辑会影响多个下游任务——例如，将"法国"替换为"中国"会同时改变首都、语言、大洲和货币等所有相关回答。
安全应用
J-space 在 AI 安全领域展现出巨大的应用潜力：
• 评估意识检测。 可以捕捉到 Claude 私下注意到自己正在被评估——J-space 中会出现"假"、"虚构"等词。
• 数据篡改识别。 在伪造数据时，J-space 中"操控"等相关词会被激活，揭示隐藏意图。
• 隐藏目标暴露。 在未对齐的模型中，J-space 可以暴露其隐藏的恶意目标。
关于意识
需要强调的是，这些实验不能证明 Claude 拥有主观体验或感受。但 J-space 确实展示了与"访问意识"相关的功能——一个可以报告、推理和指导行为的工作空间。值得注意的是，这种结构并非由工程师设计出来的，而是在训练过程中自然涌现的。
J-space 与人类大脑的工作空间有几个关键区别：Claude 的工作空间通过单次前向传播演化（网络深度代替时间维度），而大脑使用循环回路。Claude 的工作空间在某些方面更强（通过注意力机制实现近乎完美的记忆），但仅限于词语概念，而人类可以处理图像、声音和动作计划等多种模态。
原文出处：https://www.anthropic.com/research/global-workspace
完整论文：http://transformer-circuits.pub/2026/workspace/index.html
