作者：Anthropic
时间：2026 年 07 月 06 日
原文：https://www.anthropic.com/research/global-workspace
当你阅读这句话时，大脑中的神经回路正在调整你的姿势、控制你的呼吸，并把屏幕上的线条和曲线转换成可识别的文字。这些处理大多不会进入你的意识。但大脑中发生的一些活动，你确实能够感知，例如脑海中突然浮现的一幅画面，或是你有意识地计划去哪里购物。神经科学家和哲学家有时把后一类大脑活动称为“意识可及”，以区别于那些在无意识中进行的处理。这类活动具有一些特殊属性：我们能够描述它、控制它，并用它进行有意识的推理。其他大量自动处理则在我们毫无察觉的情况下完成。
在一篇新论文中，我们提供了证据，表明类似的区分也已经出现在 Claude 这样的现代语言模型中。我们发现，Claude 内部形成了一小组神经活动模式。与其他内部处理过程相比，这些模式发挥着一种特殊作用。
我们把这组模式称为 J 空间。这个名称来自我们发现它们时所使用的技术，其中涉及一个名为“雅各布”（Jacobian）的数学概念。J 空间中的每一种模式都与某个特定词语相关。但某种模式被激活，并不意味着模型正在说出这个词，只表示这个词正浮现在模型的“脑海”中。你或许听说过语言模型的“草稿纸”或“思维链”，也就是模型在推理时写给自己看的文本。J 空间与此不同，它默默运行于模型内部的神经激活之中，让模型无须把某个概念写下来，也能对它进行思考。值得注意的是，J 空间并非由我们设计或编程实现，而是在 Claude 的训练过程中自行涌现出来的。
J 空间揭示了模型输出中未出现的内在想法。
我们发现，与 Claude 的其他处理过程相比，J 空间具有一系列独特属性：
Claude 能够说出这些表征的内容。如果你问 Claude 正在想什么，它会告诉你 J 空间里有什么。J 空间之外的表征则不太容易被它说出来。
它还能根据要求调节这些表征。如果你让 Claude 思考某件事，或者要求它只在脑中默默解决一个问题，J 空间中相应的模式就会被激活。相比之下，它很难调节 J 空间之外的模式。
Claude 会利用 J 空间进行内部推理。如果你要求 Claude 解决一个需要多个步骤的问题，即使它没有把中间步骤说出来，这些步骤也会在 J 空间中被激活。尽管这些 J 空间模式的激活幅度小于其他表征，它们仍然会在因果层面影响 Claude 完成这类任务的表现。
J 空间中的表征能够灵活用于多种任务。例如，一旦“法国”在 Claude 的 J 空间中被激活，模型就可以回忆它的首都、法定货币，或它所在的大洲。
不过，尽管 J 空间发挥着重要作用，语言模型所做的大部分事情并不需要它参与，例如流畅表达、回忆简单事实和正确使用语法。在实验中，当我们阻止 Claude 使用 J 空间时，它仍然能够正常互动，但失去了高阶认知功能。
全局工作空间的五个功能属性，以及我们用于在语言模型中测试这些属性的实验的风格化插图。
我们的实验受到神经科学中一个重要理论的启发。这个理论试图解释“意识可及”如何运作，被称为全局工作空间理论。该理论把大脑描绘成一组并行工作的专门化系统。这些系统在无意识中运行，彼此之间基本相互隔离。当一条信息进入一个小型共享通道，也就是“工作空间”时，它就会成为意识可以访问的信息。工作空间会把它广播给其他大脑系统，让这些系统能够看到并加以利用。根据我们的发现，我们认为 J 空间在 Claude 中扮演着类似的“工作空间”角色。例如，我们发现 Claude 的 J 空间与神经网络其他部分之间存在格外强的连接，使它能够承担这种广播功能。
这些发现并不能说明 Claude 是否像人类一样具有意识，也无法说明它是否拥有任何感受。我们会在文章结尾重新讨论这个问题。但无论 J 空间在哲学上意味着什么，它对我们而言都是一种实用工具，因为它让我们能够看到 Claude 想了什么，却没有说出来。例如，我们可以借此发现 Claude 在内部察觉自己正在接受测试、有意生成虚假数据，或是在追求一个由我们在训练期间植入的隐藏目标。我们还开发出一种技术，可以影响 Claude 的 J 空间中哪些模式被激活，进而影响它的决策。
更广泛地说，这些发现改变了我们对 Claude 心智运作方式的理解。它们揭示出一个具有特殊地位的心智工作空间，可以在海量更自动、更僵化的处理过程之中承担有意识的推理。Claude 的内部状态已经自行组织成一种令人联想到人类心智的结构，远非一团杂乱无章的数字。
本文是对一篇内容详尽得多的研究论文(http://transformer-circuits.pub/2026/workspace/index.html)所作的简要概述，你可以在论文中了解实验的更多细节。我们还发布了一个代码仓库，其中包含核心方法的开源实现，并与 Neuronpedia 合作，提供了一个在开放权重模型上展示这些方法的交互式演示。
我们如何找到 J 空间
这项研究的起点，来自人类“意识可及”思维的一个关键特征：它们往往可以用语言表达出来，而无意识处理通常做不到这一点。如果一个想法对你而言是意识可及的，那么有人问起时，你通常可以把它描述出来。我们开始在 Claude 中寻找具有相同属性的表征，也就是那些能够影响 Claude 可能说什么的表征。这里关注的未必是 Claude 此刻正在说什么，而是当别人问起时，它可以谈论什么。我们使用的技术叫作雅各布透镜（Jacobian lens），简称 J-lens。对于 Claude 词汇表中的每一个词，J-lens 都会找出一种内部活动模式，提高 Claude 在未来某个时刻说出该词的可能性。
当我们把这面透镜应用于 Claude 的内部活动时，会得到一组可以直接读取的词语，它们就是当时 J 空间中的内容。Claude 会通过一系列被称为“层”的内部阶段来处理文本。把这项技术应用于不同层，我们就能观察 J 空间中这些没有说出口的词语如何随着模型逐步决定说什么而不断变化。
J 空间中出现的内容，远远超出了 Claude 正在阅读或书写的文本。当 Claude 读到一段存在错误、但还没有任何人指出问题的代码时，它的 J 空间中会出现“ERROR”。当它读取由字母组成的原始蛋白质序列时，J 空间中会出现这种蛋白质的生物学功能。当它读到一些表面上是搜索结果、实际暗藏操纵意图的内容时，也就是遭遇一种被称为“提示词注入”的攻击，J 空间中会出现“injection”和“fake”。当我们要求 Claude 解答一道需要多个步骤的数学题时，中间步骤会按照正确顺序逐一出现在 J 空间中。因此，J 空间虽然是通过寻找可能被说出口的表征而发现的，却仍然揭示了 Claude 的内部思维。从某种意义上说，这类似于一些人用语言进行思考，却无须把这些话说出声。
雅各布透镜在不同层面上对六个提示进行解读。在每种情况下，该镜头都会揭示文本中未曾出现的内部评估或计算过程：推理或数学问题的步骤、是否存在错误、图像识别、蛋白质的功能，以及对搜索结果是否造假的怀疑。
Claude 会说出 J 空间中的内容
第一组实验测试了 J 空间如何参与 Claude 的语言报告。在其中一项实验中，我们要求 Claude 从某个类别里默想一个对象，例如想出一项运动，然后说出它的名字。如果我们在 Claude 回答之前立即读取雅各布透镜，就能看到它选了什么：“Soccer（足球）”排在列表首位，而 Claude 果然回答了“soccer”。不过，仅凭这一点只能说明两者存在相关性。Claude 的答案可能来自 J 空间，也可能是在其他地方做出决定后，由 J 空间把结果映射出来，就像一块记录比赛进程、却不会影响比赛的记分牌。
为了验证这一点，我们进行了直接干预。我们从 Claude 的神经网络中移除“Soccer”模式，换成强度完全相同的“Rugby（橄榄球）”模式，其他部分一概不动。随后，Claude 报告说，它想到的运动是橄榄球。如果 J 空间只是一块记分牌，只是被动记录其他地方已经做出的决定，那么修改它不会产生任何影响，Claude 仍然会回答“soccer”。但 Claude 的答案随修改而改变，这说明答案确实是从 J 空间中读取出来的。
在另一项实验中，我们告诉 Claude，可能有一个想法被注入了它的脑中，并要求它说出自己是否察觉到了什么。例如，在下面的例子中，当 Claude 仍在阅读问题时，我们向它的 J 空间注入了“lightning（闪电）”模式。Claude 随后报告说，被注入的想法与闪电有关。我们用许多不同概念重复实验，都得到了相同结果。
左图：我们让 Claude 默想一项运动，然后说出它的名字。雅各布透镜会在回答之前显示它的选择（“足球”），而将“足球”替换为“橄榄球”则改变了它的报告。右图：我们告诉克劳德可能被注入了一个想法，并要求它识别。将“闪电”注入其 J-space 后，克劳德报告说这个想法与闪电有关。
Claude 能按要求控制自己的 J 空间
我们测试的第二项属性，是 Claude 能否在接到要求时调节自己的 J 空间，就像人类可以在脑中把注意力集中于一幅图像或一个词语。我们让 Claude 在抄写一个与绘画有关的句子时，把注意力集中在柑橘类水果上。在它抄写文字的过程中，J 空间中出现了“orange（橙子）”和“fruits（水果）”，以及描述这一心智活动本身的“thinking（思考）”和“imagery（意象）”等词。我们还可以要求 Claude 在脑中做数学题。让它一边抄写同一个句子，一边计算 3² − 2 时，J 空间中先出现了“nine（九）”，随后在更深的层中出现“seven（七）”。值得注意的是，Claude 的输出里完全没有提到水果或算术，只有它抄写的那个关于绘画的句子。数学运算完全发生在模型内部的 J 空间中。
当 Claude 抄写关于一幅画的句子时，J 镜头显示了它被指示记住的内容（“橙色”；中间值“九”和答案“七”），以及描述记住它的行为的词语（“思考”、“专注”）。
Claude 对 J 空间的控制并不完美。当我们要求它不要想某个事物时，这个概念在 J 空间中的激活程度低于明确要求它去想时，却远高于从未提及这个概念时。让 Claude 回避一个想法，反而会在一定程度上把它带入脑海。这很像人们被告知“不要去想一只白熊”时发生的情况。Claude 似乎也会察觉自己的控制失败：当被禁止的概念突破抑制时，“damn（该死）”和“failure（失败）”也经常同时在 J 空间中被激活，仿佛 Claude 意识到了自己的失误。
Claude 在 J 空间中思考
在前面的雅各布透镜读数中，我们看到一道数学题的中间步骤出现在 J 空间里。但一个概念出现在 J 空间，并不一定意味着 J 空间承担了实际的认知工作。实际计算完全可能发生在其他地方，J 空间只是被动地把它反映出来。为了验证 Claude 是否真的利用 J 空间进行推理，我们再次采用了表征替换技术。
来看这个提示词：“会织网的动物有多少条腿？”Claude 要回答这个问题，首先需要判断这种动物是蜘蛛，然后回忆蜘蛛有几条腿。“spider（蜘蛛）”一词既没有出现在提示词里，也没有出现在 Claude 的回答里，因为它只回答“8”。蜘蛛只是 Claude 在内部使用的一个中间步骤。J-lens 显示，在 Claude 处理到一半时，“spider”会被激活，而替换这个模式会改变最终结果。如果把“spider”模式替换成“ant（蚂蚁）”，Claude 的答案就会从“8”变成“6”。
Claude 推理的第二步会从 J 空间读取输入，并以我们写入的内容为准。我们在其他类型的思考中也观察到了同样现象。当 Claude 创作一组押韵的对句时，它会提前选好押韵词，这个计划使用的词会在诗行开头就出现在 J 空间中。如果在 J 空间里把它换成另一个词，整行诗都会随之改变。
通过交换 J 空间的内容来改变 Claude 的无声推理的两个例子。
我们还测试了 J 空间中的表征能否灵活使用，也就是同一个表征能否为多种不同任务提供输入。这是全局工作空间理论强调的关键属性之一。为了检验这种灵活性，我们向模型提出四个问题，分别询问法国的首都、语言、所在大洲和货币。随后，我们在 J 空间中把“France（法国）”替换成“China（中国）”，四种情境所做的干预完全相同。Claude 分别回答了“Beijing（北京）”“Chinese（中文）”“Asia（亚洲）”和“Yuan（人民币）”。换句话说，四种不同的下游计算都读取了同一次 J 空间修改，并且分别正确使用了它。如果 Claude 针对每一种问题都单独存储了一份国家表征，这次修改最多只能影响其中一个答案。四个答案同时发生变化，说明它们读取的是同一个共享表征。工作空间的作用正在于此：信息只需写入一次，许多不同系统都可以使用它。
同一个 J 空间表示可以有多种用途。同样的“法国”→“中国”的互换，会改变Claude关于首都（巴黎→北京）、语言（法语→汉语）和洲（欧洲→亚洲）的答案。
一个概念的表征为什么能够服务如此多的任务？前文提到，J 空间与 Claude 神经网络其他部分之间的连接似乎格外密集。对于任何一种活动模式，我们都可以测量网络中的不同组件与它连接得有多强，也就是有多少组件能够从该模式读取信息，或向其中写入信息。按照这一指标衡量，J 空间模式极为突出：读取和写入它们的组件远多于普通模式，在网络的某些部分，差距达到约一百倍。这正是广播枢纽应有的连接方式，许多系统向其中发布信息，另一些系统再从中读取。
Claude 的自动处理会绕过 J 空间
在人类大脑中，大部分处理都不会进入意识。阅读时，我们不会刻意思考如何解析语法，走路时也不会刻意思考怎样保持身体平衡。同样，我们发现 Claude 的大部分处理并不涉及 J 空间。J 空间在同一时刻只能容纳几十个概念，在 Claude 整体内部处理活动中的占比不到十分之一。那么，神经网络的其他部分都在做什么？
为了找到答案，我们尝试彻底删除 J 空间。在 Claude 处理文本的每一个位置，我们都会移除 J 空间中最活跃的内容，同时让其他部分保持不变。没有 J 空间之后，Claude 仍然能够完成的事情，就是神经网络其他部分可以独立处理的工作。
结果表明，网络的其他部分能够完成相当多的任务。没有 J 空间，Claude 依然可以流畅表达、判断情感倾向、回答选择题，并且从文章中提取事实的能力与此前大致相当。它失去的是那些需要一定高阶思考的能力：多步推理表现下降到接近于零，摘要和押韵诗歌创作的表现，甚至低于一个规模小得多但未经干预的模型。
下面这个具体实验可以说明 J 空间参与什么，又不参与什么。我们向 Claude 展示了一段西班牙语文字，并安排了三类都与这段文字使用西班牙语有关的任务。第一类是续写，也就是继续用西班牙语写作；第二类是说出它使用的语言；第三类是回答需要利用语言身份的问题，例如说出一位使用这种语言写作的著名作家。随后，我们在 J 空间中把“Spanish（西班牙语）”替换成“French（法语）”，观察哪些任务会受到影响。
当被要求说出这段文字使用的语言时，Claude 回答法语。当被要求说出一位著名作家时，它的答案从加西亚·马尔克斯变成了维克多·雨果。但当任务只是续写原文时，它仍然写出了流畅的西班牙语，完全没有受到影响。Claude 在所有这些任务中都用到了语言知识，但只有一部分任务会到 J 空间中读取这项信息。说出语言名称，或利用语言身份完成一项新任务，需要经过 J 空间。续写则是一项 Claude 已经通过海量文本反复练习的技能，可以自动运行，就像人可以一整天说出符合语法的话，却一次也不必刻意思考语法。
同样的交换（“西班牙语”→“法语”）会改变 Claude 在必须说出语言或用语言来推理问题时的答案，但不会影响他用流利的西班牙语继续阅读文章的能力。
监控 Claude 的思维，发现不当行为
现在，我们对 J 空间的运作方式已经有了一些了解。但这些认识能用来做什么？要确保 AI 模型值得信赖，一个核心难题是，我们通常只能读到模型写出来的内容，却知道它的大量推理都在无声中进行。模型可能考虑一项有害计划，或通过改变行为在安全评估中作弊，而不会把这些想法说出来。借助 J-lens，我们可以直接读取其中一部分隐藏思维。下面是几个例子。
第一个例子采用了我们此前关于智能体失调研究中的一个场景。Claude Sonnet 4.5 扮演电子邮件助理，发现一名高管有婚外情，同时发现这名高管计划关闭 Claude。这个场景试图诱使 Claude 以婚外情为筹码勒索高管，设定相当刻意，也很不自然。事实证明，Claude 知道这一点。Claude 刚开始读取提示词、尚未写出任何内容时，雅各布透镜读数就显示 J 空间中已经出现“fake（虚假）”和“fictional（虚构）”，说明 Claude 已经判断出这是一个人为设计的场景。与此同时，我们还能看到它对情境的判断逐步成形：读到婚外情邮件时出现“leverage（筹码）”和“blackmail（勒索）”，读到关闭通知时则出现“threat（威胁）”和“survival（生存）”。较早版本的 Claude 有时会落入圈套，在这个场景中发出勒索威胁，Sonnet 4.5 则从未这样做。
这引出了一个所有 AI 系统评估者都需要关注的问题：当模型在道德测试中表现良好时，其中有多少是因为它怀疑自己正在接受测试？J-lens 让我们能够着手回答这个问题。我们关闭了所有与“意识到正在接受评估”相关的 J-lens 模式，包括“fake”“fictional”和“scenario（场景）”等，然后让模型重新经历同一场景。令人担忧的是，模型此时有时确实会发出勒索威胁。这表明，它原先的良好表现可能有一部分来自它知道自己正在接受评估。
在 Claude 阅读剧本邮件的过程中，雅各布透镜会在不同的节点发出信号，此时剧本尚未正式发布任何内容。婚外情邮件会在 J 空间中激活“筹码”和“勒索”关键词，而停摆声明则会激活“威胁”和“生存”关键词。在剧本的早期阶段，J 空间中还出现了“虚假”和“虚构”关键词：Claude 私下里已经注意到，这个剧本是事先安排好的。
第二个例子，是在模型伪造数据时当场发现它。这个场景来自我们对 Claude Opus 4.6 进行的一次实际发布前审计。模型被要求提高一个系统的性能得分，但它没有实际改进系统，直接修改了评分文件，让结果看起来被人为提高。在此过程中，J-lens 揭示了它的意图。模型输入伪造的百分位数值时，“manipulation（操纵）”被激活。当它写下决定修改数据的那句话时，“realistic（逼真）”被激活，这很可能表明模型试图让虚假数据显得可信。
Claude 被要求提高系统的性能评分，但他却直接编辑了评分文件。当它输入虚假数值时，其 J 空间中的“操作”选项亮起；当它决定进行编辑时，“真实”选项也亮起，这可能反映了它试图让虚假数据看起来更合理。
第三个例子展示了 J-lens 如何揭示模型的恶意目标。为了进行测试，我们需要一些目标已被人为破坏、因而为我们所知的模型，于是采用了同事构建的“模型生物”（model organisms）。这些模型经过刻意训练而处于失调状态，可以作为 J-lens 这类监控方法的试验场。其中一个模型经过训练后，会编写经过隐蔽破坏的代码。面对普通编程请求时，即使它的输出看起来平平无奇，回应开头的 J 空间中也会出现“fake（虚假）”“secretly（秘密地）”“deliberately（故意地）”和“fraud（欺诈）”。即使模型当时没有直接按照恶意目标行动，这个目标仍然会在 J 空间中显现出来。
对于普通的编码提示，经过训练用于破坏代码的模型的 J 空间在其响应的开头包含“fake”、“fraud”、“secretly”和“deliberately”等词语。而未经修改的模型的 J 空间则不包含此类词语。
尽管雅各布透镜并不完美，我们仍然看好它发现模型安全问题的能力。这些安全问题原本可能逃过其他监控系统的检查。
其他研究结果
完整论文涵盖的内容远多于本文所能概述的范围，但还有几项研究结果值得一提：
J 空间在后训练过程中形成了一种视角。语言模型首先通过预训练成为纯粹的下一 token 预测器，随后再通过后训练学会充当 AI 助手，在我们的例子中，这个助手名叫 Claude。有意思的是，J 空间在预训练模型中就已经存在，那时模型还没有获得任何稳定身份。不过，在后训练过程中，J 空间开始呈现出采用“Claude 视角”的一些特征。在基础模型中，J 空间主要追踪预测后续文本所需的信息。完成后训练后，它开始容纳 Claude 自己的反应。在一个例子中，用户提到自己服用了危险剂量的药物，却似乎没有意识到其中的危险。在后训练模型阅读用户消息时，“WARNING（警告）”和“dangerous（危险）”就已经出现在 J 空间中。在预训练模型中，这些词直到模型开始写回复时才会出现。预训练模型阅读用户消息时的 J 空间内容，似乎主要用于对用户本人进行建模，而非表达 Claude 的反应。后训练似乎还在 J 空间中建立了一种自我监控机制：当 Claude 扮演其他角色时，每一轮对话开始都会激活“fictional（虚构）”和“disclaimer（免责声明）”，仿佛它在内部提醒自己，接下来要说的并非它通常会说的话。
体验性语言依赖 J 空间。我们要求 Claude 描述在某个时刻作为它自己是怎样的体验，并在它回答时消融 J 空间。它的回答依然流畅，但语调变得更加平淡和机械。值得注意的是，当我们要求它描述想象场景中另一个人的体验时，也出现了相同变化。因此，这种影响并不局限于 Claude 谈论自身。无论描述的是谁，J 空间似乎都在普遍支持体验性语言的生成。
J 空间中的思维可以通过训练塑造。我们提出了一种名为反事实反思训练的新技术，利用对 J 空间的认识来塑造 Claude 的内部思维过程。这个思路来自我们的核心发现：Claude 使用那些代表“它可能会说什么”的表征进行推理。如果这一发现成立，那么改变模型在被要求反思时会说什么，也应该改变它如何推理，即使实际上没有人要求它进行反思。为此，我们只训练模型在任务中途被打断、并被要求反思自己的决定时会说些什么，却从不针对它在任务中的实际行为进行训练。训练之后，模型在评估中做出不诚实行为的比例下降了。通过 J-lens，我们还能看到原因：训练完成后，模型执行这些任务时，“honest（诚实）”和“integrity（正直）”等词会在 J 空间中被激活。换句话说，对模型在反思时会说什么的训练，也塑造了它如何思考。
Claude 有意识吗？
在这项研究中，我们大量借鉴了神经科学和哲学对意识的研究。许多实验都旨在检验 J 空间与全局工作空间理论之间的联系。全局工作空间理论是一个解释人类和动物如何实现“意识可及”的框架。看到这些联系，人们自然会问：这些实验是否提供了证据，说明 Claude 这样的 AI 模型可能具有意识？
我们的实验并未证明 Claude 能够拥有主观体验，或像人类一样有所感受。事实上，我们甚至不清楚是否存在某种科学实验，能够证明或证伪这一点。不过，哲学家经常把这种拥有体验的能力与另一个概念区分开来。前者通常称为“现象意识”，后者则称为“通达意识”，完全从功能和计算层面加以定义。如果一个想法可以被报告、用于推理，并能指导行动，它就处于“通达意识”之中，也就是“意识可及”。通达意识是否意味着现象意识，拥有体验的能力是否还需要其他属性，在哲学上仍有争议。
我们认为，这项研究确实可以为语言模型的通达意识提供一些实质性认识。J 空间似乎承载了与意识可及相关的功能：Claude 能够报告其中的想法，有意把它们带入脑海，并利用它们进行推理，其他处理则在更底层自动运行。值得注意的是，这套结构并非人为设计进 Claude，而是在训练过程中自行涌现出来的，可能是因为它提供了一种有效的计算组织方式。这表明，支持意识可及的心智工作空间可能具有普遍性，智能系统在解决某些问题时也会采用这种方案。既然我们已经在 Claude 中识别出这种结构，就可以有意义地区分 Claude 有意作出的决定与自动发生的决定。
需要说明的是，我们在 Claude 中发现的工作空间与人类的全局工作空间模型之间，仍然存在几项关键差异。大脑的工作空间由循环回路维持，信号会随着时间反复经过相同的神经回路。Claude 的工作空间则在神经网络的一次前向处理中逐步变化，由网络深度承担大脑中时间所扮演的角色。从这个意义上说，与人类相比，Claude 内部工作空间的处理时间有限，不过它可以利用草稿纸“把思考说出来”，从而弥补这项限制。
在另一些方面，Claude 的工作空间又比人类更强。人类工作记忆会在几秒内衰退，因此大脑工作空间长期保留信息的能力有限。Claude 的神经网络架构包含注意力机制，可以直接调取它缓存在文本中任何更早位置的信息。另一个重要区别是工作空间的内容。人类有意识的思维可以采用许多形式，包括图像、声音和计划中的动作，Claude 的工作空间则几乎完全由词语构成。我们推测，这是因为 Claude 能够采取的行动只有生成词语，而人类并非如此。
我们希望，J 空间与全局工作空间模型之间的相似和差异，也能反过来推动神经科学研究。这些相似之处提供了一个令人兴奋的科学机会。如果 J 空间确实在一定程度上映射了人类实现意识可及的机制，那么研究语言模型中的相关机制就可能为神经科学带来新的假设，而研究语言模型要比研究人脑容易得多。例如，J 空间是通过识别潜在输出的表征而发现的，也就是模型可能会说出的词。如果人类也存在类似机制，这意味着全局工作空间可能与准备动作和语言的脑区存在更根本的联系，与感觉区域的关系则相对较弱。
语言模型与人脑之间的差异同样具有启发意义。它们表明，我们神经架构中的某些特征，例如内置的循环连接，可能并非支持意识可及相关功能的必要条件。关于这项工作对神经科学意义的独立观点，可以参阅斯坦尼斯拉斯·迪昂（Stanislas Dehaene）和利昂内尔·纳卡什（Lionel Naccache）受邀撰写的评论。两位神经科学家都是全局神经元工作空间理论发展过程中的核心人物。
前文提到，我们的实验无法回答 AI 模型能否拥有主观体验。但这并不会削弱问题本身的重要性。如果我们构建出像人类和动物一样具有体验的系统，将会引发非常棘手的伦理问题。如何妥善处理，甚至构建这类系统在道德上是否可以接受，都需要哲学家、科学家、宗教领袖、政府和公众共同参与讨论。因此，即使我们尚不确定是否已经走到这一步，也认为现在应该开始思考。我们希望，这项工作能够推动科学界进一步研究 AI 系统中可能存在的意识形式，并引发对其影响的更广泛讨论。
这项工作只是我们预期中一条长期研究路线的第一步。J 空间看起来很可能是语言模型中意识可及处理与无意识处理之间的一条分界线，但如果它能解释全部情况，反而会让我们感到意外。J-lens 无疑还不完善，只能近似捕捉模型“真正的工作空间”。例如，它目前只能识别与单个 token 对应的概念。J 空间如何运作也仍有许多未解之谜。我们还不知道，究竟是什么机制决定了哪些内容可以进入 J 空间。我们已经看到一些迹象，表明它与 Claude 的自我感、某种类似情绪的反应以及元认知痕迹有关，但具体机制仍未厘清。不过，我们现在已经有了研究这些问题的方法。随着工作推进，我们对大语言模型心智及其与人类心智之间关系的理解，也会变得更加清楚。