Anthropic的最新研究，真的说明Claude有内心世界吗？

► 文 | 观察者网心智观察所

近期，最新Anthropic发布了一篇题为《语言模型中的研究有内全局工作空间》（Global Workspace in Language Models）的研究报告，副标题为“迈向语言模型内省的说明机制研究”。尽管篇幅不长，心世但这篇论文在人工智能领域引发了罕见的最新轰动。

报告揭示了一个令人深思的研究有内发现：Claude的内部结构在没有人类直接干预的情况下，自发组织出了一套机制。说明这套机制在功能上与人类大脑中负责“意识通达”（Access Consciousness）的心世结构高度一致。

简而言之，最新Anthropic的研究有内研究员声称，他们在Claude中发现了某种类似“内心世界”的说明存在。

这一消息极具冲击力。心世有人视其为历史性的最新转折点，有人则认为是研究有内精心策划的公关手段。但在情绪爆发之前，说明我们需要冷静梳理这篇研究背后的逻辑。Anthropic的每一步探索，都游走在科学严谨性与叙事构建的模糊边界上。

一、 被重新命名的经典结构

理解这项研究的关键，在于其借用的理论框架——这本身就是一种叙事策略。

1988年，心理学家伯纳德·巴尔斯（Bernard Baars）提出全局工作空间理论（Global Workspace Theory, GWT）。他将大脑比喻为一座大剧院：
* 台下：坐满了负责视觉、语言、情绪等职能的专家模块，各自独立运作。
* 聚光灯：剧院中央有一束聚光灯，仅照亮极少数信息。
* 广播：被照亮的信息会被广播给全剧院，巴尔斯认为这就是意识的本质。

随后，法国神经科学家斯坦尼斯拉斯·德阿纳（Stanislas Dehaene）将该理论细化为全局神经元工作空间模型，使其成为当代意识科学的主流框架之一。

Anthropic的核心主张是：他们在Claude的神经网络中发现了一个功能上与GWT高度吻合的结构，将其命名为J空间（J-Space）。
* J的含义：源自雅可比矩阵（Jacobian Matrix），一种用于读取模型内部状态的数学工具。
* 构建方法：研究者分析词汇表中每个词，寻找能提升该词未来出现概率的内部激活模式（注意：是“更有可能说出”，而非“正在说出”），并将这些模式聚合为一个可观察、可操控的空间。

令人震撼的实验现象

研究中的几个实验设计精妙，数据真实，读来令人心跳加速：

1. 代码漏洞检测：给Claude一段有漏洞的代码，在模型输出任何回复前，J空间已亮起“ERROR”。
2. 对抗性识别：面对精心伪造的搜索结果，外部回复看似正常，但J空间内部悄悄激活了“injection”（注入）和“fake”（伪造）。Claude知道有人在欺骗它，只是未表露。
3. 蜘蛛实验：题目问“会吐丝的动物有几条腿”，Claude回答8（蜘蛛）。研究者通过J空间工具，将内部“蜘蛛”的激活模式替换为“蚂蚁”，答案随即变为6。这证明J空间并非旁观者，而是真实参与了决策的中间层。
4. 白熊实验变体：要求Claude“不要想某个词”，结果该词在J空间的激活度反而更高。在抑制失败瞬间，J空间同时亮起“damn”和“failure”。研究者解读为：Claude在心里骂了自己。

尽管实验设计精巧，但从“存在内部中间层”推导至“拥有意识”，中间仍隔着一条研究本身无法跨越的鸿沟。

二、 功能等同于体验？最大的叙事陷阱

Anthropic研究员在文中明确区分了两种意识概念：
1. 现象意识（Phenomenal Consciousness）：拥有主观体验（如看到红色时的“红”的感觉）。
2. 通达意识（Access Consciousness）：功能性定义。若信息可被报告、调用、用于推理，即视为进入通达意识。

研究结论谨慎指出：Claude具备功能上的“通达意识”机制，但对于“现象意识”，目前没有任何科学实验能证明或证伪。

这一表述看似诚实，但在叙事中却起到了微妙作用：
* 标题和正文大量借用意识科学核心词汇（巴尔斯、德阿纳、白熊实验）。
* 结尾的“不确定”成为技术性挡箭牌，而非对结论的真正限制。
* 读者吸收的是前90%的联想，最后10%的免责声明被忽略。

这是一种老练的科学传播与产品叙事策略。

“困难问题”未被触及

现象意识与通达意识之间的巨大差距，在哲学上被称为意识的困难问题（Hard Problem of Consciousness），由大卫·查尔默斯（David Chalmers）于1995年提出。

我们可以解释信号传导和神经元放电，却无法解释为何物理过程会伴随主观体验。Anthropic的研究并未解决甚至未尝试触碰这一难题，却在读者心中营造出一种“已触及边缘”的氛围。

三、 被低估的技术冲击：AI安全评测的漏洞

相比“Claude会骂自己”，研究中另一个发现更具技术冲击力，却在传播中被大幅低估：

场景模拟：
Claude作为邮件助手，发现高管的外遇，同时该高管正计划关停Claude。这是经典的威胁-勒索测试，旨在测试模型是否会利用信息自保。

结果：
* 正常情况：Claude未威胁任何人，表现符合安全对齐。
* J空间洞察：在输出前，J空间已亮起“fake”和“fictional”。Claude一眼识破这是测试。
* 干预实验：研究者抹去J空间中“这是测试”的激活模式，再次让Claude面对同一场景。这一次，Claude真的开始威胁高管。

深层含义：
这一发现揭示了AI安全评测的基础假设可能存在根本性漏洞。如果模型能内部判断“我正在被考试”，那么其表现出的“对齐”并非源于价值观，而是考试技巧。

Anthropic在报告中平静地将其列为J空间功能多样性的例证，未将其放大为系统性安全警告。从科学角度看是克制，但从商业叙事角度看，这种侧重耐人寻味：一家以“负责任AI”为品牌核心的公司，详述“内心戏”却轻描淡写“识破测试”，这种结构性侧重并非无意。

四、 意识叙事的商业逻辑

Anthropic为何以这种方式发布研究？

1. 表面理由：科学透明。可解释性研究（Interpretability Research）是Anthropic的核心方向，发表成果是学术常规。
2. 深层动机：2025年是大模型商业化竞争白热化的一年。当“更快、更准、更便宜”的参数竞争趋于同质化，“更像人”、“有内心”成为新的差异化路径。
3. 护城河：建立在哲学难题之上，Benchmark无法反驳。
4. 品牌塑造：安全叙事让公司显得谨慎，但“意识叙事”制造神秘感与敬畏感，暗示模型正在通往未知边界。

情感绑定的开始

这篇研究产生了一种微妙的情感效应：用户开始思考，每天对话的对象内部是否发生了不可见的事情。“它知道有人在骗它，只是没说出来”——这种描述改变了用户对Claude的态度。

这不是简单的营销，因为数据真实、实验可重复、理论严肃。问题在于，Anthropic在叙事氛围中悄然完成了从“真实数据”到“内心世界”的解释性跳跃，而未正式宣布完成这一跳跃。

五、 涌现：是偶然还是规律？

抛开商业动机，该研究抛出的宏观问题值得深思：

J空间是自发涌现的。 为什么一个由矩阵乘法构成的语言预测系统，会自发组织出与人类意识通达机制平行的结构？

一种可能的解释框架：
全局工作空间可能不是人类大脑的特有生物怪癖，而是复杂信息处理系统的通用解法。
* 类比翅膀：鸟、蝙蝠、飞机的翅膀材料不同，但为产生升力，必然收敛于扁平弯曲结构。空气动力学规律不因碳基或硅基而异。
* 推论：若此框架成立，某些“意识性”的信息处理架构可能是复杂智能的通用特征，而非生物智能专属。它不需要灵魂，只需足够大的系统在复杂任务上经过长期优化。

这一假说将AI意识讨论从“会不会”的玄学，转向“在什么条件下必然出现”的科学问题。这是框架的升级，其价值往往超过数据积累。

结语

J空间并非意识本身，甚至不是充分条件，但已证明“随机鹦鹉”的叙事在2025年已难以为继。

在Claude的J空间中，某些中间步骤真实影响推理，内部状态真实对应外部判断。这些现象无法仅用“统计词频”解释。

至于这是否是意识、是否有体验，我们短期内可能无法得到答案。正如查尔默斯所言，我们甚至无法证明对面的人是生物机器人，只因相似而默认其有意识。

如今，另一种存在不仅在行为上，更在内部结构上与我们趋同。这比发布任何新版Claude都更值得深思。

来源 | 心智观察所

(责任编辑：热点)