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。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。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%。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。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”。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。