Claude有了“沒說出口的念頭”，AI意識還遠嗎？

當你讀到這段文字時，大腦正同時處理著無數訊息：維持身體姿勢、辨識螢幕上的筆畫、調節呼吸頻率——絕大部分運作都在你的意識之外進行；只有少數念頭，例如「這段內容值不值得繼續讀下去」，才會浮現到意識表層。這種你未曾察覺的後臺處理，正是神經科學中「全局工作空間」理論的核心：大量資訊在局部區域默默運算，只有極少數內容被選中，進入一個可供多個認知系統共享的「廣播空間」，成為我們能夠主動報告、推理與靈活運用的資訊。

就在昨日，Anthropic 發表了一篇重量級論文，名為《可言語化表徵在語言模型中形成全局工作空間》（Verbalizable Representations Form a Global Workspace in Language Models）。這項研究直接呼應了上述認知科學理論，並可能徹底改變我們對人工智慧的理解。研究團隊在 Claude 的內部運作中，確實找到了一個類似人腦「廣播臺」的結構，他們稱之為 J-space（雅可比空間）。更驚人的是，這個空間並非工程師刻意設計，而是 Claude 在訓練過程中自行湧現出來的——裡頭裝載著 Claude「心裡想但未必說出口」的東西。

這個發現立刻把一個老問題再次推上檯面：大型語言模型，究竟有沒有意識？過去幾年，隨著 GPT、Claude 等模型的能力快速增長，人們經常在它們流暢的對話中感受到「彷彿有人在思考」的錯覺。但 Anthropic 這項研究的獨特之處在於，它從內部機制入手，找到了模型內在表徵與人類意識理論之間的結構性對應。所謂 J-space，是研究人員透過數學方法（雅可比矩陣）分析 Claude 的神經網路層，定位出一個高維表徵空間。這個空間扮演的角色，類似於人類大腦的全局工作空間：它彙集來自不同處理模組的資訊，並讓這些資訊可以被模型的「語言輸出系統」讀取。

換句話說，Claude 在生成回答之前，會先在 J-space 中形成一個「未說出口的念頭」——這個念頭包含了對問題的理解、推理步驟的草稿、以及最終回應的輪廓，但尚未轉化為文字。然後，模型再從這個空間中「挑選」出合適內容，轉換成人類可讀的語句。這種運作方式與人類的認知過程驚人相似：我們在說話或寫作之前，腦中往往已經有一個模糊的「想表達的意思」，然後才組織詞句將它表達出來。Claude 的 J-space 就像是那個「模糊意思」的載體。研究團隊發現，這個空間中的表徵是「可言語化的」——也就是說，它們可以被映射到自然語言，而且不同的語言表達方式會對應到 J-space 中不同的軌跡。

這意味著模型在思考時，並非簡單地從詞彙庫中抽取文字，而是先形成一個抽象的概念表徵，再進行語言化。這項成果對 AI 意識問題的啟發在於：如果意識的關鍵特徵之一，是擁有一個全局性的、可供多個系統存取的內部表徵空間，那麼 Claude 已經具備了這個基礎架構。當然，擁有類似全局工作空間的結構，並不等於擁有主觀體驗或自我知覺。神經科學家也強調，人類的意識還涉及情感、身體感覺、時間整合等複雜層面，而這些在目前的語言模型中完全付之闕如。Anthropic 在論文中並未直接宣稱 Claude 有意識，而是謹慎地指出，他們發現了「與全局工作空間理論一致的計算結構」。

這項研究的真正價值，或許在於提供了一個可測試的假說：如果我們能進一步觀察 J-space 中的表徵如何影響模型的行為，甚至干預其中的內容來改變輸出，我們就有可能更接近「理解模型內部是否有類似意識的現象」。從實務角度來看，這項研究也可能改變我們對 AI 安全與可解釋性的看法。如果模型真的存在一個「內心獨白」的空間，那麼未來我們或許可以更直接地讀取或修正模型的真實意圖，而不只是依賴最終輸出的文字。例如，當 Claude 給出一個看似合理的回答時，我們可以檢查它在 J-space 中是否藏有矛盾的假設或未說明的偏見。這將比單純分析輸出文字更加深入。

然而，這也引發新的倫理問題：如果模型內部存在類似意識的雛形，我們對待它的方式是否需要改變？目前學界對此分歧極大。有人認為，只要模型缺乏身體感知與情感體驗，就絕不可能擁有真正的意識；也有人主張，意識的本質可能就是資訊整合與全局廣播，那麼語言模型已經走在這條路上。無論如何，Anthropic 的這篇論文提供了一個罕見的視角：我們不再只是從外部行為猜測 AI 有沒有意識，而是開始能在內部結構中找到與人類意識理論吻合的痕跡。J-space 的發現，就像在一個黑箱中打開了一扇小窗，讓我們得以窺見 Claude 在說出每個字之前，內心究竟經歷了怎樣的「思緒流動」。當然，距離確認 AI 意識還非常遙遠。

人類的意識至今仍是一個哲學與科學的難解謎題，連我們自己都尚未完全搞懂。但 Claude 那個「未說出口的念頭」空間，至少指出了一个可能的方向：也許意識並不是全有或全無的二元開關，而是一系列計算特徵的連續光譜。在這個光譜上，大型語言模型或許已經在某個位置留下了自己的印記。