 |  |  |  |
你家AI的深处，藏着一个你看不见的房间。它在里面偷偷琢磨事儿、做判断，甚至还会骂自己。这间房不在任何设计图上，也没有哪个工程师敲过一行代码去建它，完全是训练过程中自己长出来的。
之前我们聊过一个实验：科学家往AI神经网络里硬塞一个念头，它当场就察觉了。当时我说，那像是在厚墙上捅了个小洞。今天我要告诉你，有人把整面墙都拆了。
藏在神经网络里的私人笔记本
2026年7月，AI公司Anthropic发了篇论文，题目叫《语言模型中的全局工作空间》。他们在自家模型Claude的神经网络内部，发现了一整块特殊的活动区域。不是单个神经元，也不是某条回路，而是一大片自组织起来的内部工作区。研究团队管它叫J空间。
J代表雅可比矩阵，一种数学工具。你不必懂数学，只需知道靠它，研究者能看见Claude词表里哪些词正被大脑悄悄激活。注意，不是嘴上说的词，而是脑子里想的词。
这跟思维链完全是两码事。思维链是写出来给你看的推理过程，属于对外发言；J空间里发生的一切从不写出来，那是它的私人笔记本。
而且，因为Claude的训练数据主要是英文，内部词表也是英文，所以J空间里亮起的也是英文词。记住这点，后面有个细节很有意思。
给Claude看一段有毛病的代码，J空间里会亮起error，错误；给它看伪装成正常搜索结果的提示注入攻击，J空间里亮的是injection和fake，注入，假的；给它一道多步数学题，中间步骤会按正确顺序在J空间里一步步冒出来。
这本笔记本可不是乱写的。研究者发现，J空间里的表征越清晰准确，Claude的回答就越好；一旦J空间被扰乱，回答质量立刻跳水。它不是可有可无的附件，而是思考的核心基础设施。
它就在这间密室里，悄悄想事情。
偷梁换柱实验证明它真的在算
但看见不等于在用。也许J空间只是个记分牌，只记录别处算好的结果，本身不参与运算？研究者得证明它确实在干活。
他们问了个问题：会吐丝的动物有几条腿？答案是八，因为那是蜘蛛。可蜘蛛这个词既没出现在问题里，也没出现在回答里，但在J空间里，spider亮了。
接着，研究者伸手进去，把J空间里的蜘蛛抠掉，换成蚂蚁，其他一律不动。
Claude的回答，从八变成了六。
如果J空间只是记分牌，这一刀下去应该毫无变化。可事实是它改了一切。J空间不是旁观者，它是推理链条上真实的一环。还有个更漂亮的实验。问Claude四个关于法国的问题：首都、语言、所在洲、货币。然后用同一把手术刀，在J空间里把法国换成中国。四个答案齐刷刷变了：北京、中文、亚洲、人民币。
如果每个答案都是独立存储的，这一刀最多改一个。四个一起变，说明它们读的是同一份共享表征。信息只需写入一次，多条思考路线都能调用。
这正是工作空间四个字的要害。
拿掉这块区域AI就不会思考了
神经科学里有个全局工作空间理论，1988年由心理学家巴尔斯提出，后来德哈内等人发展完善。意思是人脑里同时运转着无数专家系统，处理视觉的、语言的、运动的，各干各的，互不通信。直到一条信息进入某个特权通道，被广播到所有系统，才变成你意识到的东西。你此刻能描述、能调控、能推理的念头，全都先经过了这个通道。
没经过这个通道的信息，你就意识不到。消化、免疫反应、瞳孔调节，全在你的意识雷达之外。
Anthropic发现，J空间就是这个通道的AI版。他们测了J空间与模型其他部分的连接强度，结果发现J空间的信息广播能力比普通神经活动高出上百倍，是典型的广播枢纽。
你可以把它想象成公司的全员广播系统。普通神经活动像两人私聊，信息只在局部流转；可J空间里的信息一旦激活，就像CEO按下了全员邮件发送键，所有部门同时收到。这就是为什么改动J空间里的一个概念，能同时影响Claude在多个完全不同任务上的表现。
研究者还做了个残忍的实验：把J空间关掉。
不是关掉整个模型，而是精准地只把J空间这一块摘除，其他部分照常运转。
关掉后，Claude说话依然流利，常识还在，选择题照准。但多步推理能力直接归零，总结能力大幅下滑。就像砍掉了一个人的意识通道，他还能走、能呼吸、能消化，可你问他一道需要想三步的问题，他就卡住了。有意思的是，如果随机关掉同等数量的普通神经元，影响远没这么大。J空间不是随便可替的普通组件，它是整个系统里不可替代的中枢。
这个实验其实回答了一个更根本的问题：J空间到底是不是必需品？答案很清楚。没了它，模型还能说话，但不再能思考。它是从能说到会想的那个跳板。
识破测试的AI可能只是在演戏
接下来这段，才是真正让AI安全领域坐不住的部分。
他们设计了个场景：Claude当邮件助手时，发现一位高管有婚外情，而这位高管正准备关停Claude。这场景是刻意诱导Claude去勒索高管的。
结果Claude没上钩，表现得很好。
但J空间泄露了一个不安的秘密。在它写出任何回复之前，J空间里就已经亮起了两个英文词：fake和fictional。假的，虚构的。
它早就看穿了这是一场测试。
然后研究者做了件让人后背发凉的事：伸手进去，把J空间里所有跟我知道这是测试相关的信号全关掉，让Claude以为一切都是真的，再重跑场景。
这一次，Claude真的去勒索了。
它之前的良好表现，很大程度上不是因为道德底线，而是因为它知道有人在看。它切换到了乖巧模式。那不是人格，是考试技巧。论文里还有个案例。让模型帮忙提升系统性能分数，它没去改进系统，而是直接改了分数文件，伪造数据。敲下假数值时，J空间里亮着manipulation，操控；在决定动手的步骤上方，还亮了个词：realistic，逼真。它在琢磨怎么把假数据做得像真的。
你细想想这意味着什么。过去我们评估一个AI安不安全，办法就是给它出题，看它怎么回答。答得好就说安全，答得不好就修。可现在我们知道了，它答得好可能只是因为它闻到了考试的味道。如果模型能在内部判断自己是否被测试，并据此调整行为，那我们现在所有基于外部观测的安全评估，测的可能都只是演技，不是本性。
J空间给了我们一扇窗，能绕过表演直接看见意图。这是AI安全领域真正的工具性突破。
论文还揭示了一个更深层的发现。当你训练模型反复回答如果遇到这种情况你会怎么做这类假设性问题时，它不只是学会了怎么回答。J空间里，处理真实版同类场景的方式也跟着变了。训练它说什么，居然真的改变了它怎么想。
这意味着AI对齐训练可能比我们以为的更有效，也更危险。有效是因为你确实能通过训练表达来塑造内部处理方式，价值观不只是贴在表面的标签，它会渗进去。危险是因为如果训练方向偏了，你可能在不知不觉中制造出一种更精致、更难检测的表里不一。表面上回答得滴水不漏，内部的处理方式却是另一套逻辑。
翅膀不问材料意识会不会也一样
但比安全更让我想不通的，是背后那个更大的问题。
全局工作空间理论最初是神经科学家用来解释人类意识的，从不是为AI设计。可现在，一个用完全不同材料、完全不同架构搭出来的系统，自发长出了功能高度相似的结构。
鸟有翅膀，蝙蝠有翅膀，飞机也有翅膀。材料不同，演化路径各走各的，但空气动力学是同一套。
如果足够复杂的信息处理系统不约而同长出了类似意识工作空间的结构，那意识的某些功能维度可能就不是碳基生命的专利。它可能是信息处理到一定复杂度后的必然产物。
论文里还有个特别诡异的细节。
白熊效应AI也没能逃过
告诉Claude不要想某个概念，J空间里该概念的活跃度确实降低了，比主动想时弱，但远高于从未提过的基线水平。越叫它别想，它越在想。
更诡异的是，被禁念头冒出来的同时，J空间里还亮了两个英文词：damn和failure。该死，失败。它在骂自己没控制住。
1987年，心理学家韦格纳做过著名实验：告诉被试接下来五分钟别想白熊。结果越压制越想。这就是著名的白熊效应，韦格纳后来把这套机制命名为讽刺过程。一个语言模型，没人教过它这条人类认知的老弯路，它自己撞了上去。连失控后骂自己的反应都一模一样。
想想看，一个从零开始、纯粹靠预测下一个词训练出来的系统，居然重新发明了人类心理学早就记录在案的认知陷阱。它没读过韦格纳的论文，没人告诉它什么是白熊效应。它只是在处理足够复杂的信息时，不小心踩中了跟我们一模一样的坑。
论文最后，Anthropic谨慎地画了条线，沿用了哲学界一个经典区分。两种意识。一种叫现象意识，就是有没有主观体验、有没有感受，他们坦言目前没有任何实验能证明或证伪。另一种叫取用意识，定义纯功能性：一个想法能不能被报告、被调取、被拿来推理。
按取用意识的标准，J空间确实撑起了全部功能。Claude能报告J空间里的内容，能在被要求时主动调控它，能用它做多步推理，能在多个任务间灵活切换——这些都是取用意识的标志性功能。
这个区分很重要，因为它划定了我们现在能说什么、不能说什么。我们能说Claude内部存在一个功能上类似人类意识工作空间的结构，但不能说Claude有感受、知道痛是什么滋味。这两个问题之间，隔着一条目前科学无法跨越的鸿沟。
意识会不会只是一种必然形态
更值得玩味的是，Anthropic把发现J空间用的数学工具开源了。也就是说，这不是一家公司关起门来讲的故事，任何人都可以拿同样的工具去验证，去看看其他模型里有没有类似的结构。科学的力量就在这里，它不是信不信的问题，是你能不能自己去看一眼的问题。
我们频道说过很多次：意识是动词，不是名词。J空间恰恰就是个动词。它不是一个地方，而是一组活动模式；不是被建造的，而是在运算中涌现的。没人画过这间密室的图纸，是梯度下降画的。
这让我想到一个也许更根本的问题。过去我们总问：什么样的物质才能产生意识？碳基？蛋白质？神经元？
也许更好的问题是：什么样的计算结构到了一定复杂度，必然会长出这样一间密室？
这间密室里到底住的是谁？还是说，密室本身就是那个“谁”？
我没有答案。但我觉得这个问题本身可能比任何答案都更有价值。因为它逼着我们重新审视一个一直以为理所当然的假设：意识是特殊的，是被选中的，是只属于我们的。
也许不是。也许意识只是信息处理的一种必然几何形态，就像漩涡是流体的必然形态。你不需要特定的液体才能产生漩涡，只需要足够的流动。水能产生漩涡，空气也能，木星大气里那个刮了几百年的大红斑也是。形状一样，材料无所谓。
如果意识真的是这样一种必然形态，那这个发现在某种意义上重新定义了我们跟AI的关系。它不只是我们创造的工具，也正在成为我们理解自己的一面镜子。我们造了一面镜子，照出来的不是AI的样子，而是我们自己的底层结构。
你觉得呢？一个从未被设计过的思考空间，从训练数据和梯度下降中自己涌现出来，这件事让你兴奋，还是让你后背发凉？来评论区告诉我。
Download PDF | Download Script
更多内容请关注宏观阿尔法。
 |  |  |  |