AI脑子里长出了一间密室，没人设计过它。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。
哈喽，大家好，我是王利杰。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。
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。
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。
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。
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。
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。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。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。我是王利杰，我们下期见。