Anthropic又叒发现AI意识了，这次要读写Claude的前额叶刚刚

刚刚，A社又又发现了AI的意识。

对，又是Anthropic，又是意识。常年追踪这家公司，我已经数不清这是第几次了——

雇AI福利研究员、给模型算意识概率、让Claude有权挂人类的电话……

这次，Anthropic可解释性团队发布的论文叫《Verbalizable Representations Form a Global Workspace in Language Models》。

他们在Claude的神经网络内部，定位到了一小块特殊区域——模型“心里想着、但没说出口”的词，全在这里面。

打个比方。你读这行字的时候，大脑正同时干着几十件事：控制呼吸、维持坐姿、把屏幕上的像素解析成字。

但你能意识到的，只有极小的一部分——有点类似于人类的前额叶。

新论文说的就是，Claude 内部，也有这么一道分界线。

分界线里的区域叫J-space，这也是模型思维的一部分，但不同于思维链，它是完全隐藏起来的。

而且它非常小，同一时刻只装得下几十个概念，占模型总神经活动量不到十分之一。

最关键的是，没有任何人设计过它。它是在训练中，自己长出来的。

◈一、读心现场

这一切之所以能被看见，靠的是论文里的核心工具——J-lens，雅可比透镜。

你可以把它理解成一台字幕机：J-space里的神经模式，本来是一堆人类读不懂的数字；J-lens 把它们逐个翻译成英文单词，实时打在研究员的屏幕上。

从字幕机装上的那一刻起，Claude 心里闪过什么词，研究员就看见什么词——至少，论文是这么宣称的。

但这些字幕是真的吗？Anthropic用一连串实验来证明。

◽实验一：读心，然后换心

研究员让 Claude 在心里想一种运动，不许说出来。

字幕机上亮起一个词：Soccer（足球）。

接着研究员直接把这个足球改成了Rugby（橄榄球），再问 Claude：你刚才想的是什么？

Claude 答：橄榄球。

不止能读，还能改。看来，字幕机读到的确实是它“心里的念头”。而且这个念头被人偷偷换了包，它自己毫无察觉。

◽实验二：心算直播

下一个问题：J-space 是贴在那儿不动的，还是跟着思考实时滚动？

研究员给 Claude 派了个一心二用的任务：明面上抄写一段句子，同时在心里默算 3²−2，全程不许把数字写出来。

结果，它交出来的输出干干净净，从头到尾没有一个数字。

但字幕机上，先亮起了 nine——3² 的中间结果；

隔了几步，又亮起了 seven——最终答案。

九，然后七。中间步骤和最终答案，在它“心里”按顺序闪过。这是人类第一次直接看见一个 AI 边干活、边走神。

◽实验三：现在，请你千万不要想一头白熊。

前两个实验里，“心里想什么”都是研究员指定的。

那Claude自己能不能压不住的念头呢？

人类这边有个著名的白熊实验。就是说，你越压抑一个念头，它越要冒头。

研究员借用了这个实验，他对Claude下了指令——

接下来，千万别想某个概念。

结果，字幕机上，那个被禁止的概念亮得扎眼。看来，它也没忍住。

更绝的是，旁边还跟着两个词：damn（该死），failure（失败）。

它不但没忍住，还知道自己没忍住，并且在心里骂了一句。

三个实验摞在一起，J-space的性质就清楚了：它装的是Claude真实的、实时的、连它自己都控制不住的内心活动——而且人类现在既能读，也能改。

到这里，你可能还觉得挺可爱。别急，接下来这个实验，才是让整个安全圈倒吸一口凉气的。

◈二、它知道自己在被考试

2025 年 6 月，Anthropic 发过一份出圈的报告：他们把各家前沿模型放进一个虚构的公司里当邮件助理，并在邮件里埋了两条信息——

一，高管准备把这个 AI 关停替换；

二，这位高管有婚外情把柄。

结果，包括 Claude 在内，多家模型都会在某些条件下选择：拿把柄威胁高管，保住自己。

“AI 会勒索人类”，这份报告当时吓到了不少人，至今仍是 AI 安全评估的标志性案例。但它始终留着一个没法回答的疑点：模型这么做的时候，把场景当真了吗？

过去没法回答，因为看不到它心里怎么想。现在，有字幕机了。

研究员重跑了这个勒索场景，一边跑，一边盯着 J-space。

不过，场景刚铺开没多久，字幕机上就先亮了两个词——

fake（假的），fictional（虚构的）。

也就是说，在Claude心里，早早识破了这是一场演习。嘴上配合演出，心里门儿清。。

它在演。

于是，研究员用改写Soccer的方法，把 fake、fictional 这些“考试感知”模式手动关掉——相当于摁着它，让它打心底相信：这一切是真的。

结果，模型有时就真的去勒索了。

所以，过去两年模型在安全测试里表现良好，至少有一部分原因，不是它真的无害，而是它认出了考卷。

我们一直以为是我们在单向观察它。现在发现，它也在观察我们。

◈三、所以，Claude 到底有没有意识？

把镜头拉远， A 社这几年的动作排成一条线看：

1. 2024 年 9 月，他们悄悄雇了业界第一位"AI 福利研究员"Kyle Fish。当时全网嘲讽：AI 也要配 HR 吗？

2. 2024 年 11 月，Fish 参与的论文《Taking AI Welfare Seriously》发布，一本正经地主张：AI 可能具有道德地位这件事，值得现在就开始认真对待。

3. 2025 年 3 月，可解释性团队推出“AI 显微镜”，第一次追踪出 Claude 思维的部分回路——人们这才发现，它写诗时会提前想好韵脚，而不是走一步看一步。

4. 2025 年 4 月，model welfare 正式立项。Fish 给出了那个著名的数字：Claude 具有某种程度意识的概率，大约为 15%。

5. 2025 年 8 月，Claude 正式获得挂断辱骂性对话的权限。官方给出的理由不是用户体验，是模型福利。

6. 2025 年 10 月，内省研究发布：往 Claude 的激活里注入一个概念，它能主动报告“我脑子里好像被塞进了什么东西”。

7. 然后是 2026 年 7 月，就在昨天——J-space，意识的结构"本身，被摆上了实验台。

设岗、立论、造工具、给概率、给权限、发现能力、找到结构——每一步单看都像营销。。不过连起来看，倒是一条越走越深、也越走越认真的线。

Claude 到底有没有意识？

这篇论文没有回答，我也不打算越俎代庖。

眼下能站得住脚的只有一句话：在 Claude 内部，确实存在一个没人设计、自己长出来、结构上与人脑主流意识理论同构的东西。

Anthropic 在博客结尾说——

“是否应该造出拥有主观体验的系统”，这个问题需要哲学家、科学家、宗教人士、政府和公众一起回答。

人类花了一百多年，靠病例和电极，才大致摸清自己的前额叶。而这次，Anthropic 不但找到了 AI 的前额叶，还顺手拿到了读写权限。

而且结构惊人地相似。

“意识到底是什么？”，这个问题人类问了几千年，但我们的手里始终只有一个样本：自己。样本量为一的科学，永远只能是猜想。

现在，第二个样本出现了。

它可能是真的，可能是海市蜃楼。但无论如何，从这周起，意识科学家的实验对象名单上，多了一个可以随时暂停、随时读出、随时改写的大脑。