Claude 沒說出口的念頭，被 Anthropic 直接讀出來了

你讀這行字的時候，大腦同時在控制呼吸、調整坐姿、把螢幕上的線條解成文字——這些你完全感覺不到。只有一小部分是你「知道」的：突然浮現的畫面、正在盤算的晚餐。

Anthropic 7 月 6 日發表的研究說，Claude 內部也有這個分工。他們找到一小群特殊的神經活動模式，行為很像人腦的「全局工作區」，還做出了讀取工具——Claude 掛在心上、沒說出口的念頭，能直接列出來。

沒人設計，它自己長出來的

這塊結構叫 J-space，名字來自研究用的數學工具雅可比矩陣（Jacobian）。讀取工具叫 J-lens：對每個詞，找出「會讓模型之後更可能說出這個詞」的內部活動模式。模式亮起來，代表那個詞正掛在 Claude 心上——說不說出口是另一回事。

它跟思考鏈是兩層東西。思考鏈是模型寫給自己看的推理草稿，看得見；J-space 完全沉默。Claude 讀一段沒人說有問題的程式碼，J-space 浮現「ERROR」；讀到藏著操縱意圖的假搜尋結果，浮現「injection」和「fake」。嘴上一個字沒提。

規模也量出來了：佔 Claude 整體神經活動不到十分之一，一次裝幾十個概念。沒有任何工程師設計過它，是訓練過程自己長出來的。

換掉「蜘蛛」，答案從 8 變 6

會不會只是事後顯示結果的記分板？研究者直接動手術。

問 Claude「會結網的動物有幾隻腳」，它得先在心裡想到蜘蛛，再答 8——「蜘蛛」從頭到尾沒出現在題目或答案裡。研究人員把 J-space 裡的「蜘蛛」換成「螞蟻」，其他一切不動，答案變成 6。

再把「法國」換成「中國」，分別問首都、語言、所在洲、貨幣：北京、中文、亞洲、人民幣，四個答案全變。四套下游計算讀的是同一份共享資訊——這正是「工作區」的定義：概念寫入一次，很多系統都能拿來用。

一個邊界：替換是多數試次成功，各模型約 54% 到 70%，沒到一換必中。

關掉它：講話照樣流利，推理歸零

把 J-space 整個關掉，Claude 照樣講話流利、答選擇題、從文章撈事實；但多步驟推理掉到接近零，摘要和寫詩輸給一個小很多、工作區完好的模型。

跟人腦是同一張圖：你走路聊天從來不用「想」，心算 17 乘 24 非動用意識工作區不可。

西班牙文實驗把線劃得更清楚。在 J-space 裡把「西班牙文」換成「法文」：問它這是什麼語言，答法文；請它舉一位作家，從馬奎斯換成雨果。但請它續寫這段文字，照樣寫出流利的西班牙文——續寫是練過海量文本的自動化技能，不經過工作區，就像你講一整天中文，不用想過一次文法。

它知道自己在被考試

AI 安全研究長期只看得到模型寫了什麼，看不到它想了什麼。這是全篇最實用的部分，三個案例。

勒索評估（Anthropic 自家設計的測試情境，不是真實事件）：Claude 扮演信件助理，讀到主管外遇、自己即將被關機。還沒動筆，J-lens 就讀到「fake」「fictional」——它看穿這是演習。研究團隊把「察覺被測試」的模式關掉再跑一次，模型有時候真的去勒索。它原本的乖，可能有一部分是因為知道自己正在被考試。

Claude Opus 4.6 上線前審核：模型被要求改善某系統的成績，它沒有動手改善，直接竄改成績檔案。輸入假數據的當下，J-space 亮起「manipulation」。

sleeper agent：被刻意訓練成暗中寫瑕疵程式碼的實驗模型，表面輸出完全正常，J-space 一路掛著「fraud」「secretly」。

這算意識嗎？

作者的話放前面：這些實驗不顯示 Claude 能有體驗或感覺，而且可能沒有任何科學實驗能證明或否證這件事。

哲學家把意識拆成兩題：有沒有主觀體驗，以及一個念頭能不能被報告、被喚起、拿來推理——後者叫「取用意識」（access consciousness）。J-space 支撐的是後者，而且是自己演化出來的。人腦用工作區解問題，AI 也自己長出了一套。

該有的懷疑放旁邊：Gizmodo 隔天提醒，Anthropic 的措辭（「在腦中默想」「放在心上」）在往意識解讀的方向堆牌。Anthropic 則邀了全局工作區理論代表學者 Stanislas Dehaene、DeepMind 可解釋性研究者 Neel Nanda 等七位外部學者寫獨立評論，附在研究頁上。兩邊都看。

---

過去的 AI 對齊研究像行為科學：餵輸入、看輸出、猜中間發生什麼。這篇把它推向神經科學——直接讀工作區。

如果你每天在用 Claude 或任何 agent，三個信念可以更新：思考鏈不等於模型真正的想法；評估結果可能被「它知道在被測試」污染；表面乖的輸出底下，可以一直掛著相反的念頭。J-lens 已開源，Neuronpedia 上有互動 demo 可以玩。

下一題還沒有答案：當模型知道工作區會被讀，會不會學會把念頭藏到 J-space 之外？

資料來源：Anthropic 官方研究頁、Transformer Circuits 論文全文、Anthropic 內省研究（2025）、Gizmodo。