在Claude内部发现了“J-space”：一个自发形成的AI“工作空间”

Anthropic的研究人员通过深入其语言模型Claude的内部机制，意外发现了一个未经工程师预先设计的内部结构。这个被称为"J-space"的机制，如同一个通用工作空间，模型的不同组件在执行任务时会共同访问它。

本质上，J-space就像一块虚拟"白板"，Claude会将回答提问、解决问题或执行指令所需的关键信息汇聚于此。这个内部数据层可供神经网络的不同部分访问，从而协调它们的工作。该发现得益于名为"J-lens"的特殊可视化工具，它能实时观察模型内部信息流的动态。

最引人注目的是，J-space是在训练过程中自发形成的，并非开发者刻意设计。这一概念与神经科学中"全局工作空间"理论惊人地相似——该理论描述了人脑如何整合不同区域的数据以实现有意识的认知处理。实验表明，Claude不仅能读取J-space的内容，还能根据指令修改它，从而直接影响其回答和行为。

为何这能改变AI安全规则？

这一发现对人工智能的安全性和可解释性具有重大意义。监控J-space的能力为我们提供了观察模型决策过程的"窗口"。现在我们可以潜在地追踪隐藏动机，或识别系统开始不稳定运行的时刻。例如，这为检测提示注入攻击（恶意指令试图劫持模型响应控制权）开辟了新途径。

Anthropic已公开发布J-lens实现的源代码，并将演示版提交至Neuronpedia平台供科学界独立验证。该公司延续了自2025年启动的模型内部过程研究系列工作。

专家观点：发现J-space可能是近期AI可解释性领域最具里程碑意义的进展之一。我们正从"黑箱"模式转向理解大型语言模型如何结构化处理知识。对于加密货币行业——AI正越来越多用于市场分析和资产管理——这类系统的透明度是建立信任的关键因素。"窥探算法思维"的能力可能成为新一代安全标准。