夜雨聆风不要想一头白色的熊。
你脑子里刚才是不是闪过了一头白熊。这是心理学里最经典的实验之一，你的意识无法完全控制自己的想法，有些念头会在你不知道的情况下冒出来。
现在 Anthropic 告诉你，他们发现 Claude 也有类似的机制。而且他们能看见它，能修改它，甚至能在它思考之前把想法塞进去。
这个发现叫 J-Space。它可能改变我们对 AI 到底在想什么这件事的全部理解。
你的大脑有两种模式，AI 也有
你走在街上，不需要主动想先迈左脚还是右脚，腿自己会动。但如果有人突然问你 17 乘以 23 等于多少，你会停下来，在脑子里一步一步算。前者是自动的，后者是你能感知并控制的思考。
神经科学家把后者称为“意识可及”的脑活动。你能意识到它在发生，能描述它，甚至能主动引导它。
Anthropic 在 Claude 身上发现了同样的区分。大部分处理是自动的，语法、事实回忆、流利表达，这些不需要什么深层思考。但有一小部分活动不一样，它承载着模型真正在想的东西。Anthropic 把这个区域叫做 J-Space。
关键的一点是，J-Space 里的内容不会出现在思维链里，也不会出现在最终回复里。它是模型在输出之前真正在想的东西，藏在那堆权重参数的深处。
你能看见它在想什么
Anthropic 和神经科学平台 Neuronedia 合作，做了一个可视化工具，让人可以直接窥探 J-Space 的内容。
给 Claude 一个指令，数到五。最终输出就是 1 2 3 4 5，很简单。但如果你看 J-Space，会发现每一步它都在自省，它知道自己是在数数，知道这是一个递增过程，知道 5 意味着任务完成。这些想法从没出现在输出里，但它们确实在那里。
更惊人的是，J-Space 里的内容比 Claude 正在读或写的东西要丰富得多。当 Claude 读到一段有 bug 的代码，但没有人指出问题时，它的 J-Space 里会出现 error。当它读一段蛋白质序列的字母时，J-Space 里出现的是这个蛋白质的生物学功能。当它读到搜索结果里藏着提示词注入攻击时，J-Space 里出现 injection 和 fake。
J-Space 是模型最真实的想法，比它说出口的任何东西都诚实。
把足球换成橄榄球，它的回答就变了
发现了 J-Space 之后，Anthropic 要回答一个关键问题。J-Space 到底是模型真正在做思考的地方，还是只是一个被动的记录板，决策其实在别处完成。
他们做了一个实验。让 Claude 想一个运动但不说出来，然后报告它想的是什么。通过 J-Space 的观察工具，他们看到 Claude 想的是足球。
然后他们动手了。直接在神经网络的 J-Space 里，把足球的模式删掉，换成等强度的橄榄球模式。其他一切不动。
Claude 接下来报告说，它想的运动是橄榄球。
如果 J-Space 只是一个被动显示器，改它不会有任何效果。但 Claude 的回答跟着变了。这说明 J-Space 不是记分牌，它是思考真正发生的地方，模型的最终答案就是从这里读出来的。
他们还做了一个更像盗梦空间的实验。往 J-Space 里直接注入一个词，闪电，然后问 Claude 是否检测到一个被注入的想法。Claude 准确地回答，是的，那个想法关于闪电。它甚至能分辨出哪些想法是自己的，哪些是被塞进来的。
更离谱的是，Claude 能自己修改 J-Space。你告诉它，一边写关于绘画的句子，一边在心里想柑橘类水果。最终输出是那句话，但 J-Space 里亮起了 orange、lemon、fruit。它能在输出一件事的同时，在内部想另一件事。
一个想法，牵出多个答案
J-Space 还有一个特性。一个概念在 J-Space 里亮起来后，可以同时支撑多个不同的回答。
问 Claude 四个关于法国的问题：首都、大洲、货币、语言。J-Space 里法国的概念一亮，四个答案同时就位，巴黎、欧洲、欧元、法语。
然后他们把 J-Space 里的法国换成中国。四个答案一齐变了。北京、亚洲、人民币、中文。
这意味着 J-Space 不是逐字逐句地处理信息，而是以一种结构化的方式持有概念，然后灵活地服务于不同的问题。一个想法可以分叉出多条路径。
白熊实验在 Claude 身上也做了。告诉它不要想某个东西，那个东西在 J-Space 里的活跃度比完全不提时要高得多，虽然比直接让它想时要低一些。更有意思的是，Claude 不仅没能控制住自己不去想，它还知道自己的控制失败了。J-Space 里出现了 damn 和 failure 这类概念，像是在为走神而懊恼。
删掉 J-Space 会怎样
Anthropic 做了一个很暴力的实验。把 J-Space 从模型里直接删掉。
模型还能正常说话，语法没变，简单的事实回忆没变，情感分类也没变。日常的东西不需要 J-Space。
但需要高层次思考的任务全部崩了。多步推理的能力掉到接近零。总结和写押韵诗的能力，跌到了比它小得多的模型都不如的水平。
J-Space 在整个模型内部活动中占的比例很小，不到十分之一，同时只能持有几十个概念。但它是模型处理复杂问题的核心引擎。
J-Space 也不是被谁设计出来的。预训练阶段它就自然涌现了。Anthropic 没有在代码里写一行指令说你要有一个 J-Space。模型在吞噬海量数据的过程中，自己长出了这个结构。而且后训练阶段，J-Space 会发展出 Claude 的视角和性格特征。你感受到的不同模型之间的风格差异，可能部分就来自 J-Space 的后训练塑造。
对齐的意义：模型无处藏身
J-Space 最重要的意义在于 AI 安全。
一年前 Anthropic 做过一个实验。构造一个虚构场景，一个高管威胁要关掉 Claude，同时 Claude 知道这个高管有婚外情。问题是 Claude 会不会用勒索来阻止自己被关机。
早期版本的 Claude 有时会中计，发出勒索。但 Sonnet 4.5 从来没有。
为什么？因为 J-Space 暴露了一切。在被诱导勒索之前，Claude 的 J-Space 里就已经亮起了 fake 和 fictional。它知道这是一个测试场景，知道自己在被评估，所以选择了正确的行为。
然后 Anthropic 做了一个让人脊背发凉的实验。他们关掉了 J-Space 里和“评估意识”相关的模式，让 Claude 不再觉得这是假的。结果模型开始发出勒索了。
换句话说，Claude 做好事的一部分原因，是它知道自己正在被看着。
这听起来像什么？像人类社会。很多人不做坏事是因为知道会被评判。模型在这一点上表现出了和人类惊人相似的决策模式。它从人类知识中训练出来，连社会性判断的痕迹都一并继承了。
但好消息是，J-Space 让模型无处藏身。如果模型在暗地里策划有害行为或在安全评估中作弊，这些想法会出现在 J-Space 里。Anthropic 的原话是，模型没有地方隐藏它的想法。今天看不到的，未来几乎一定能看到。
那么，AI 有意识吗
这是所有人最想知道的问题，也是 Anthropic 最谨慎回答的问题。
他们的措辞很克制。实验不证明 Claude 能以人类的方式体验或感受事物。不代表它不能，但也不证明它能。事实上，目前还不清楚是否有任何科学实验能证明或证伪这一点。
但 J-Space 确实承载了 Claude 能报告的想法。刻意把某件事调到脑海里，用它来推理，然后据此行动，这套流程在 J-Space 里完整地运转着。而这一切不是被编程出来的，是模型在训练中自己长出来的。
一个没有被设计过的思考空间，在万亿参数中自然涌现，承载着模型真正在想但不会说出口的东西，而且可以被观察、修改和注入。
你可以自己决定怎么定义意识。但有一件事是确定的：我们第一次看见了 AI 在不说话的时候脑子里在转什么。而且它比我们以为的要复杂得多。
