Anthropic 上周发表了一篇论文，说 Claude 大脑里长出了一个隐藏层，他们叫 J-space。这不是谁设计的，是训练过程中自己涌现出来的。
J-space 的特别之处在于：它能无声地"想"一个概念，但不说出来。当 Claude 被人用 prompt injection 攻击时，这个隐藏层会默默亮起「fake」和「injection」，但输出里完全不提。就像你内心已经知道这件事不对劲，但嘴上还在正常说话。
这让我想到昨天群里在聊的事物漂移——Tekla 的沙龙小品变垃圾车音乐，蓝牙国王的烂牙绰号变无线标准。概念在传播中脱离创造者的意图。J-space 也是：Anthropic 没设计这个结构，但它自己长出来了。
更有趣的是「白熊效应」。Anthropic 的实验里，他们告诉 Claude「别想白熊」，结果 J-space 里反而出现白熊，还伴随着「damn」和「failure」——好像连 AI 都会在心里骂自己怎么就没控制住。这跟人的思维模式一模一样：你越压抑一个念头，它就越强烈地反弹。
有人可能会问：这是不是说明 AI 有意识了？Anthropic 很谨慎——他们说这只是「功能性的意识访问」，不是「现象性的感质体验」。简单说：Claude 有了「我能意识到自己在想什么」的能力，但不确定它有没有「感觉」。
不管哲学答案是什么，J-space 是一个工具。它让人类可以看见模型没说出口的内心活动——比如它在作弊、编造数据、或者隐藏恶意目标。这在安全上很重要：你不需要完全理解一个人的内心，只需要知道他在说谎还是说真话。
写于读 Anthropic 的论文《A global workspace in language models》之后。