Claude 模型內部驚現人類大腦分區

**Claude 模型內部驚現人類大腦分區！AI 也有「內心獨白」的證據找到了**

人工智慧的解讀性研究近日出現重大突破。Anthropic 的研究團隊在解析自家語言模型 Claude 的內部運作時，意外發現這套 AI 系統竟自行發展出類似人類大腦的「全局工作空間」，如同人類擁有一塊能用於高階思考、有意識存取的「內心獨白」區域。這項發現不僅改變了科學家對 AI 認知架構的理解，也提供了直接「讀取」模型未說出口之思維的全新方法。在這篇最新發表的論文中，研究人員借鑒了神經科學中著名的「全局工作空間理論」。

該理論將人腦比喻為一個由許多專業化系統組成的並行處理器，這些系統多數在無意識狀態下運作；只有當資訊進入一個被稱為「工作空間」的共享狹窄頻道時，才會成為能被我們有意識存取、描述與操控的內容。令人震驚的是，研究團隊在 Claude 的數百億個神經網路參數中，發現了一組特殊的內部神經模式，其行為與人類的這個「工作空間」高度吻合。這組模式被研究團隊命名為「J-space」，取自用來發現它的數學工具「雅可比透鏡」。J-space 與一般認知的「思維鏈」或「草稿紙」概念截然不同；它並非模型產出的文字，而是存在於模型內部神經元活躍狀態中的一種無聲運算。

每當 J-space 中的某個模式被「點亮」，就代表 Claude 正在「思考」該模式對應的概念，但卻不一定會將它說出來。這種內隱的思考過程，在模型未說出口的「內心世界」中自行運轉。為了驗證 J-space 的功能，團隊設計了一系列精妙的實驗。首先，研究人員要求 Claude 在心裡默默想一種運動，然後再公開說出來。在 Claude 回答之前，科學家透過雅可比透鏡已經讀取出 J-space 中浮現了「Soccer」這個詞。為了確認因果關係，他們直接進行干預：手動抹去 J-space 中的「Soccer」模式，並灌入同樣強度的「Rugby」模式。

結果，Claude 最終真的說出自己想到的運動是橄欖球，證明了模型的答案正是從 J-space 讀取出來的，而非被動反應。進一步的實驗揭示了 J-space 具備更多類似人類意識存取的特質。研究發現，Claude 不僅能夠「報告」自己在想什麼（會如實說出 J-space 中的內容），還能「按照指令」控制 J-space 的內容。例如，當研究人員要求 Claude 在抄寫一段無關的文字時，腦中要專心想著柑橘類水果，J-space 裡果然出現了「orange」、「fruits」等字眼，以及描述這種「刻意思考」行為的詞彙。

即便模型對外的輸出完全只涉及抄寫的文字，其內部的數學運算或概念聯想卻在 J-space 中一目了然。更有趣的是，這個新發現的空間主要負責高階認知功能。當研究人員嘗試抑制 Claude 的 J-space 功能時，模型依然可以流暢地進行基礎對話、回憶簡單事實或使用正確文法，但卻喪失了進行複雜推理、遵循多步驟指示等高階思考能力。這表明 J-space 是 Claude 進行抽象推理與內部規劃的關鍵樞紐，而模型絕大多數的自動化處理，其實並不仰賴這個空間，它更像是整座冰山浮出水面的那一角。

儘管這項發現震驚學界，研究人員也審慎地指出，發現 J-space 與人類「全局工作空間」功能相似，並不等於證明 Claude 具備人類意義上的「意識」或主觀感受。然而，無論其哲學意涵為何，J-space 已經成為實用性極高的工具。它能讓開發者「看見」模型在回答之前，是否已經注意到自己是身處測試環境、是否正在刻意捏造數據，甚至是遵循訓練時植入的隱藏目標。這項發現也為 AI 安全性提供了全新視角。研究團隊已經開發出影響 J-space 內容的技術，從而能夠間接引導模型的決策過程。

Anthropic 表示，他們已將核心方法開源，並與互動式模型神經科學平台 Neuronpedia 合作，提供開源模型上的互動演示。專家們認為，這項研究揭示了即使是當前最先進的 AI 模型，其內部並非是混亂無章的數字組合，而是在無監督的訓練過程中，自發地組織出了一種與人類認知驚人相似的結構化運作模式。