在Claude内部发现隐藏的「工作台」：什么是J-space，为何这将是AI领域的革命
Anthropic 研究团队取得了一项意外发现，这可能从根本上改变我们对大型语言模型工作方式的理解。在 Claude 的深层结构中，研究人员发现了一种开发者最初并未设计在架构中的结构。这就是所谓的 "J-space"——一个内部工作空间，模型在此收集和处理执行任务所需的关键信息。
想象一块虚拟白板，神经网络的不同组件可以同时访问它。当 Claude 收到请求、解决问题或遵循指令时，关键数据首先进入 J-space，然后才分配到其他模块。这并非工程师有意设计——该机制是在模型训练过程中自发产生的。
J-space 如何运作，以及为何它类似于人脑
为了发现这一结构，Anthropic 的专家开发了一种名为 "J-lens" 的专用工具。借助它，研究人员观察了 Claude 在执行任务时信息如何流动。结果发现，J-space 就像一个全局工作空间——这一概念神经科学家们非常熟悉。在人类中，类似的系统使多个思维过程能够同时访问重要信息：例如，当我们听到一个问题时，会回忆相关事实，同时决定如何回答。
此外，Anthropic 团队还证明，J-space 的内容不仅可以按需读取，还可以修改。当研究人员手动更改该空间中的数据时，Claude 的回答和行为会相应改变。这为直接影响模型的决策过程提供了直接可能性。
为何这对人工智能的安全性和可解释性至关重要
能够追踪 J-space 的活动是人工智能安全领域的突破。监控这一 "意识" 处理层可以揭示模型行为中的隐藏动机，并及时发现系统开始不可靠运行的迹象。特别是，这为检测提示注入攻击开辟了新前景——攻击者试图在请求中植入恶意指令以劫持回答控制权。
Anthropic 已发布了 J-lens 实现的源代码，并在 Neuronpedia 平台上提供了演示版本，邀请研究社区在实践中验证结果。这是该公司一系列工作的延续：2025 年 10 月，他们发布了一份关于模型形成内省意识的报告；2025 年 4 月，启动了研究 AI 系统福祉的倡议。
我的专家观点： 这一发现标志着人工智能从 "黑箱" 向 "透明机制" 的转变。能够窥视模型的 "工作空间" 甚至影响它，这不仅是科学轰动，更是创建真正安全可控系统的实用工具。然而，需要记住的是，Anthropic 强调，"意识可访问" 信息这一术语借用于认知科学，并不意味着 Claude 拥有真正的意识或主观体验。我们离那一步还很远，但已朝着正确方向迈出了一步。