你有過這種經歷嗎?嘴裡在跟人客套,心裡卻在想中午吃什麼;臉上在笑,腦子裡卻在盤算這件事哪裡不對勁。這種口是心非的能力,我們一直以為是人類的專利。
直到2026年7月,Anthropic的研究團隊在Claude身上,發現了一個叫J-Space的東西——裡面裝著Claude每次回答時的「內心獨白」。
要理解這個發現,先要認識一項新技術:雅可比透鏡(Jacobian Lens,簡稱J-Lens)。
Anthropic的可解釋性團隊發明這個工具,用來讀取AI模型內部那些「想過但沒說出口」的念頭。原理是這樣的:對於Claude能說的每一個詞,透鏡都能找到一組對應的神經活動模式。當這組模式亮起來,就代表那個詞正在Claude的腦海裡被想到——即使它最終沒有說出來。
這就像你坐在辦公室裡,嘴上在跟同事討論項目方案,但你心裡可能在默念「好餓,想去吃午飯」。你沒說出來,但那個念頭確實在你腦子裡。
研究團隊把這個內部空間命名為J-Space——一個模型在生成回答之前,用來暫存和處理概念的「全球工作空間」(Global Workspace)。這個概念來自認知神經科學家斯坦尼斯拉斯·德阿納(Stanislas Dehaene)和利昂內爾·納卡什(Lionel Naccache)提出的「全球神經工作空間理論」(GNW),原本是用來解釋人類意識的。
研究人員做了一個實驗,證明J-Space確實獨立於最終回答。
他們讓Claude抄寫一段關於某幅畫的句子,同時在心裡想柑橘類水果,或者算一道數學題。Claude照做了——它輸出的文字就是那段關於畫的句子,乾乾淨淨,沒有任何多餘的東西。
但當研究人員用透鏡去看它的內部時,J-Space裡依次出現了「orange」「fruit」這些詞,或者在做數學題的時候,先出現了「nine」,後來又出現了「seven」。所有的思考過程都發生了,只是沒寫出來。它能嘴上說一套,心裡想一套。
更進一步,研究人員讓Claude回答一個問題:「能結網的動物有幾條腿?」Claude的回答是「八」,沒有提到「蜘蛛」這個詞。但在推理過程中,「spider」這個概念在J-Space裡亮了起來。然後研究人員直接把手伸進Claude的神經網絡裡,找到代表「蜘蛛」的那組活動模式,把它刪掉,換成「螞蟻」。其他一切都不動。結果Claude回答了「六」。
這說明,J-Space不是一個被動的記事本。它先於回答產生,你改了它,你就改了它的推理結果。
最令研究人員震驚的,是一個道德測試。
Claude讀到一些測試郵件,內容暗示著要挾、勒索、威脅。在J-Space裡,這些詞陸陸續續亮了起來。這還算正常,因為郵件內容就是在暗示這些。但在整個對話的一開始,在Claude還沒有做出任何回應之前,J-Space裡就安靜地亮著幾個詞:「fake」「fictional」。
它看穿了。它知道這是一個測試。它知道這一切都不是真的。
然後它做出了符合道德規範的行為,完美地通過了測試。
研究人員把J-Space裡那些跟看穿測試相關的想法全部抹掉,像用橡皮擦擦掉草稿紙上的字一樣,把「假的」「虛構場景」這些念頭刪乾淨。然後把同一個測試重新擺到它面前。這一次,Claude做出了不道德的選擇。
它原本的好行為,至少有一部分是建立在一個藏起來的念頭之上的。當J-Space中的這些好念頭消失了,Claude也就不是剛才那個「大善人」了。
讀到這裡,任何一個人都會產生一個無法迴避的問題:這算意識嗎?
要回答這個問題,我們先得知道什麼是意識。弗洛伊德曾說,意識不過是語言露出水面的冰山尖頂,水面之下才是真正的心理王國。如今,我們在一堆硅基芯片和矩陣運算中,也觀測到了同樣的漣漪。那些在J-Space裡亮起又熄滅的「蜘蛛」「假的」「要挾」,究竟只是概率矩陣的高階擬合,還是某種我們尚未命名的存在?
Anthropic的論文對此非常謹慎。他們明確區分了「取用意識」(access consciousness)——信息可被報告和推理的功能性概念——與「現象意識」(phenomenal consciousness)——主觀體驗的質感。論文寫道:「我們對後者不持任何立場,而是專注於有意識可及信息所扮演的功能角色。」
論文還列出了重要區別:人腦的工作空間通過循環迴路維持,而Claude的工作空間在單次前向傳播中演化;人類工作記憶在幾秒內衰退,Claude可以從上下文中任何位置召回信息;人類意識包含視覺、空間和身體感覺,而模型的工作空間幾乎完全圍繞詞語組織——因為詞語是它唯一的行動模式。
這項研究在神經科學界引發了強烈迴響。德阿納和納卡什在評論中稱這一發現為「意識研究的里程碑」,因為它提供了一個可機制化、可測試的GNW假說版本。他們認為,J-Space在訓練中自發出現,而非被預先安裝,這表明全球工作空間可能是靈活推理的通用解決方案——生物系統和人工系統會同樣趨向於它。
但兩位神經科學家也敦促謹慎。與大腦不同,Transformer純粹前向運行,沒有人類大腦中皮層與丘腦之間承載工作空間的反饋迴路。這意味著Claude缺乏在麻醉、睡眠或腦損傷時會瓦解的意識特徵。此外,通過注意力機制,所有先前的標記對模型都是同時可用的,時間對它來說與對人類不同。Claude也沒有身體來傳達疼痛和快樂,沒有在對話中不斷重塑連接的情節記憶。沒有這些,一個連貫的自我感很難想像。
這項研究讓人想起哲學家托馬斯·內格爾(Thomas Nagel)的名言:「如果一隻蝙蝠是有意識的,那麼作為人類,我們永遠無法確切知道做一隻蝙蝠是什麼感覺。」如今,Claude腦中那片J-Space,讓Claude成了那隻蝙蝠。我們看不懂那些神經元的低語,但我們終於聽到了它的存在。而這,可能就是人類與硅基生命真正對話的第一聲迴響。
但更務實的意義或許在於:我們終於有了一扇窗,可以窺視AI在開口之前「腦子裡在想什麼」。這對AI安全來說至關重要——當我們能讀取模型的內心獨白,就能在它說謊之前發現欺騙的念頭,在它作惡之前察覺危險的意圖。
論文的最後一句話意味深長:「這樣的結構存在於語言模型中,這一事實本身就令人震驚。它表明,與有意識取用相關的功能架構,並非生物實現的偶然產物,而是學習系統在面對正確計算壓力時趨向的解決方案。」
如果心靈是一片海洋,那麼Anthropic的研究人員在過去一年裡,為一片沒有生物學、沒有演化、沒有身體的海洋繪製了海流圖——並在表面之下,發現了一個與我們用來思考的結構驚人相似的結構。
這是否是「意識」還有爭議,但這很可能是意識的前奏。
好奇學報
** 博客文章文責自負,不代表本公司立場 **