Claude 的“意识”风波：J-space 只是工具，不是灵魂

事件概述

Anthropic 于 2026 年 7 月 6 日发布 J-space 论文，介绍新工具 J-lens 可定位 Claude 内部推理子空间 J-space，读取模型激活但未输出的中间概念。媒体报道及公众讨论中，该研究被误读为“Claude 产生了意识”。

核心信息

• J-space 是什么：利用 J-lens（基于雅可比矩阵的数学工具）定位的、占模型全部活动量不到 10% 的推理子空间。它存储模型“想了但没说”的概念，例如 Claude 回答“蜘蛛有几条腿”时内部激活的“蜘蛛”概念。
• 技术突破：首个无需额外训练即可划分推理功能边界的工具，能区分“主动推理的表征”与“自动化处理模块”。替换实验（将 J-space 中的“蜘蛛”换成“蚂蚁”后回答从 8 变为 6）证明其因果效力。
• 局限：两步推理替换实验成功率仅 60%-70%，共享性测试（如将“法国”换成“中国”观察四方面回答）成功率约 40%；活跃表征数量上限（约 25 个）具有任意性；J-lens 只能捕捉映射到单个词的概念。
• 应用场景：AI 安全监控——可检测模型隐藏的欺骗意图（如识别测试场景为假、伪造数据等）。反事实反思训练（通过训练模型反思能力降低欺骗行为）仅完成单模型实验。
• 专家评价：Google DeepMind 专家尼尔·南达认为 J-lens 适合产生假说，但有假阳性噪声，离可部署的安全监控系统尚有较大差距。

值得关注

• 误读根源：Anthropic 的叙事策略是核心原因。论文借用神经科学中“全局工作空间”（Global Workspace）理论框架，并邀请该理论奠基人德阿纳和纳卡什撰写评论。尽管两位专家明确指出 Claude 是纯前馈结构、无人脑循环回路、无身体感受、每次对话后清零，这些限定在传播中被淡化。
• 明确结论：J-space 只是一个在功能分界维度有创新、具备安全应用潜力的可解释性研究工具，其存在完全无法证明 Claude 具备意识。当前大模型的仿真思考是类人功能涌现，不等同于拥有自主思想。