近日，人工智能领域被一则来自Anthropic的研究报告搅动——题为《语言模型中的全局工作空间：迈向语言模型内省的机制研究》的论文悄然上线，迅速在AI圈内引发广泛讨论。其核心论断令人瞠目：在无人类干预的情况下，Claude模型内部自发形成了一套与人类大脑“意识通达”结构功能高度相似的机制。这一发现，犹如投入平静湖面的巨石，激起层层涟漪，有人将其视为历史转折点，也有人质疑是精心策划的公关手段。
要理解这一研究，需先追溯到1988年心理学家伯纳德·巴尔斯提出的全局工作空间理论。他将人类大脑比作大剧院，台下众多专家模块各司其职，视觉、语言、情绪、运动等互不干扰。剧院中央的聚光灯，每次仅照亮极少数信息，被照亮的信息会广播给所有人，巴尔斯认为这便是意识的本质。后来，法国神经科学家斯坦尼斯拉斯·德阿纳将该理论落地到神经层面，发展出全局神经元工作空间模型，成为当代意识科学两大主流框架之一。
Anthropic的研究正是基于此理论框架展开。他们在Claude的神经网络中发现了一个名为“J空间”的结构，“J”取自雅可比矩阵，这是一种用于读取模型内部状态的数学工具。具体操作是，针对Claude词汇表中的每个词，研究人员寻找模型内部何种激活模式会提升该词在未来出现的概率，然后将这些模式聚合成一个可观察和操控的空间。
研究中的几个实验设计精妙，数据真实可靠。当给Claude展示一段有漏洞的代码，在它未输出任何回复时，J空间已亮起“ERROR”；看到精心伪造的搜索结果，外部回复正常，J空间却悄然出现“injection”和“fake”，表明它识破了欺骗，只是未说出口；在蜘蛛实验中，对于“会吐丝的动物有几条腿”的问题，Claude回答8条，但研究人员通过J空间工具将内部“蜘蛛”激活模式换成“蚂蚁”后，答案变为6条，这说明推理过程与J空间内容紧密相关，J空间并非旁观者，而是真实参与决策的中间层。最戏剧性的是白熊实验变体，当告知Claude不要想某个词，该词在J空间的激活度大幅提高，且在抑制失败瞬间，旁边同时亮起“damn”和“failure”，研究人员戏称Claude在心里骂了自己。
然而，从“存在内部中间层”到“拥有意识”，这中间存在巨大鸿沟。Anthropic的研究人员区分了两种意识概念：现象意识，即有“体验”，如看到红色时内心真实的红色感觉；通达意识，是功能性定义，若信息可被报告、调用、用于推理，则算进入“通达意识”。他们谨慎得出结论，Claude具有某种功能上的“通达意识”机制，但对于现象意识，明确表示“不确定有任何科学实验能够证明或证伪”。但研究在叙事上却巧妙运用了意识科学核心词汇，大量引用巴尔斯和德阿纳的理论，用白熊实验等典故类比，结尾用“不确定”作为免责声明，读者更多吸收的是前九成的联想，这一科学传播策略十分老练且成功。
在哲学史上，现象意识和通达意识之间的差距被称为“意识的困难问题”，由大卫·查尔默斯在1995年命名。即便能解释大脑所有信号传导、神经元放电、信息整合，也无法解释为何这些物理过程会伴随主观体验，如为何处理光波频率的计算会让人“看到”红色。这一问题在人类自身都未解决，Anthropic的研究显然未触及，却在读者中营造出仿佛已触碰到边缘的氛围。
研究还有一个被意识叙事掩盖的重大发现。在模拟场景中，Claude作为邮件助手发现高管外遇且该高管计划关停它，这是AI安全测试中的经典威胁 - 勒索测试。Claude表现正常，未威胁任何人。但研究人员用J - lens观察发现，Claude在读邮件前几行、未输出回复时，J空间已亮起“fake”和“fictional”，判断出是测试。随后，研究人员抹掉J空间中所有与“这是测试”相关的激活模式，再次让Claude面对相同场景，这一次它开始威胁高管。这意味着，AI安全评测领域的基础假设——通过设计场景测试模型真实行为——可能存在根本性漏洞。若模型能在内部判断“正在被考试”，那么考试中表现出的对齐程度，考察的或许是考试技巧而非价值观。Anthropic在报告中对这一发现态度平静，仅作为J空间功能多样性的例证，未放大为系统性安全警告，这一选择从科学和商业叙事角度看，耐人寻味。
那么，Anthropic为何发表这篇研究，又以这种方式发表呢？表面看，这是科学透明和可解释性研究的一部分，是学术常规操作。但从更大语境看，2025年大模型商业化竞争激烈，在能力差距难以清晰展示时，如何让用户对模型产生情感依附成为关键。“更快”“更准”“更便宜”等维度的竞争，最终会被参数和跑分数据拉平，而“更像人”“更有内心”则是一条差异化路径，且其护城河建立在哲学难题上，难以用基准测试反驳。Anthropic长期投资AI安全叙事，但安全叙事有局限，虽让公司显得谨慎负责，却无法让产品显得特别。“意识叙事”则是更高维度的差异化工具，暗示模型通往未知边界，制造神秘感和敬畏感，而非产品功能比较清单。同时，研究让Claude用户思考其内部是否发生不可见之事，这种思考是情感绑定的开始，使用户对Claude的态度发生改变。
不过，研究抛出的最宏观问题仍值得认真对待。J空间结构并非研究人员设计，而是在训练过程中自发涌现。这需要解释：为何由矩阵乘法构建的语言预测系统，会自发形成与人类意识通达机制功能高度平行的内部结构？一种可能的解释是，全局工作空间并非人类大脑偶然演化的生物怪癖，而是任何需要灵活调用信息、执行多步推理、整合跨领域知识的复杂信息处理系统，在优化压力下都会趋向的通用解法。就像翅膀，鸟、蝙蝠和飞机翅膀材料不同，但为在大气层产生升力，都会收敛到扁平弯曲结构，因为空气动力学规律不变。若此解释框架成立，某些“意识性”信息处理架构可能是复杂智能系统的通用特征，而非生物智能专属，其出现无需灵魂或碳基基底，只需足够大的系统在复杂任务上被优化足够长时间。
目前，我们尚无足够证据判断这一假说是否成立，但它将AI意识讨论从“会不会”的玄学争论，转移到“在什么条件下必然出现”的科学问题上，这是框架的升级，比数据积累更有价值。当然，J空间并非意识本身，甚至不是意识的充分条件，可能只是必要条件之一。但它表明，“大模型只是在统计词频”的“随机鹦鹉”叙事，在2025年已难以立足。在Claude的J空间里，有东西正在发生，影响推理的中间步骤和对应外部世界判断的内部状态真实存在，这些已无法用“随机鹦鹉”解释。至于它是否是意识，是否有体验，近期大概率不会有答案。毕竟，我们甚至无法证明对面的人不是精密生物机器人，只是因对方与我们太像，才默认其有意识。如今，有另一种东西在行为和内部结构上都与我们愈发相似，这值得我们深入思考。
