Claude 又有意识了？不，它没有

BiRun 消息，作者｜汤一涛编辑｜靖宇每隔一段时间，Anthropic 就会发布一些研究，在公众层面掀起一波「AI 是否有意识」的讨论。从今年 4 月 Mythos 模型安全报告，到年初 Claude 宪法对齐更新，舆论始终容易把模型涌现的类人功能，等同于自主心智。 7 月 6 日发布的 244 页 J-space 论文再次复刻这一局面：研究者借助全新工具 J-lens，在 Claude 内部定位出仅占模型活动不到 10% 的推理子空间 J-Space，还借用神经科学主流的全局工作空间理论搭建研究框架，甚至邀请该理论的两位奠基人撰写配套评论。 大众顺理成章解读出「Claude 产生意识」的结论，但论文本身早已明确划清边界： J-space 的存在完全无法证明 AI 具备意识 。舆论误读不能只归咎公众，严谨的学术研究搭配充满拟人诱导的对外叙事，才是误解滋生的根源。 对于 J-Space，更客观的描述是—— 一个有价值的新工具，在功能分界这个维度上做到了前人没做到的事。它在安全场景里展示了真实的潜力，同时有明确的技术限制和尚未验证的方法。 01 Claude 的心里话首先简单解释一下 Anthropic 说的 J-Space 是什么。 当你问 Claude「会织网的动物有几条腿」，它回答 8。 这个回答看起来简单，但模型内部需要分两步完成：先从「会织网」推断出这个动物是蜘蛛，再从蜘蛛检索出 8 条腿这个知识。 「蜘蛛」这个中间步骤从未出现在 Claude 的回答里，但它一定在模型内部的某个地方被激活过，否则无法得出正确答案。 J-Space 揭示了模型中未在输出中显现的内在思维｜图片来源：Anthropic Anthropic 用一种叫 J-lens 的数学工具（基于雅可比矩阵）找到了这些「被激活了但没有输出」的概念，它们存在的那个子空间就是 J-space。 就像你可以在心里咒骂一个人，同时脸上保持微笑，你的想法和表达是可以分离的。J-space 就是 Claude 的「心里话」，它未必出现在输出中，但实实在在影响着推理过程。 J-space 并不是研究者第一次尝试读取模型的内部状态。过去几年已经有好几种工具在做类似的事，它们有各自的优势和局限。 Logit lens 能看模型倾向于输出什么词，但只看得到下一个词，看不到「蜘蛛」这种未来才会用到的中间概念。稀疏自编码器（SAE）能找到成千上万的内部特征，颗粒度远超 J-lens，但它分不清哪些特征在服务推理、哪些只是自动化处理的副产品。 两个月前 Anthropic 自己发布的自然语言自编码器（NLA），可以把内部激活翻译成可读文本，输出比 J-lens 丰富，但需要额外训练一个翻译模型。 J-space 做到的新东西，是在一个特定维度上的突破： 它首次以无需额外训练的统一方案，划分出具备因果效力的功能边界。 边界的一边是一小组参与灵活推理的表征（J-space），另一边是负责语法、事实检索、语言流畅性等不需要「想」的自动化处理。以前的工具能看到模型内部在发生什么，J-lens 第一次告诉你哪些是「想了」的、哪些是「自动做了」的。 怎么证明这条线是真实的？研究者直接把 J-space 里的「蜘蛛」替换成「蚂蚁」，其他一切不动，Claude 的回答从 8 变成了 6。如果 J-space 只是被动记录，这种替换不会改变任何东西。 Claude 的静默推理通过交换 J-Space 内容进行重定向的两个示例｜图片来源：Anthropic 但论文报告的成功率值得注意：两步推理替换实验大约 60%-70% ，另一组更复。