惊人!Claude自发长出类人脑「意识」结构,Anthropic开源J-Lens读出AI「心声」

Agent 的中间思考要不要显式写在 CoT 里,本质上就是在决定使用哪种“工作空间“: Anthropic团队提出了一种名为Jacobian Lens(J-lens)的新工具,用于探测语言模型内部的"可被言说却未说出口"的表征子空间(J-space)。研究发现,J-space的行为与神经科学中的"全局工作空间理论"惊人地相似,具备可言说性、灵活可用性、广播性和容量有限等特征。通过实验验证,J-space确实承担着模型内部的"工作记忆"功能,能够影响后续推理却不一定会体现在输出中。这一发现对AI可解释性、安全性和意识研究具有重要意义,为理解模型"内心活动"提供了新视角,同时也为未来Agent设计 阅读详情

Claude自发长出类人脑「意识」结构!Anthropic开源J-Lens读出AI「心声」

没人设计过,Claude却在学习预测下一个token时,自发长出了一个和人脑「意识」惊人相似的结构。Anthropic开源「手术刀」J-Lens,第一次读出了AI咽回肚子里的念头。

让Claude一边乖乖抄写句子,一边在心里默默计算3²−2。屏幕上的输出干干净净,只有那段被照抄的文字,找不到哪怕半个字的算术答案。然而,当研究者用一把全新的「手术刀」切开Claude的神经网络中间层之后,直接发现了两个它咽回肚子里的词——起初是nine(九),几层计算之后,悄然变成了seven(七)。它一直在算,只是没有告诉你罢了。

就在刚刚,Anthropic放出了一篇颠覆认知的重磅长论文——Claude的大脑里,竟然凭借本能长出了一个诡异的结构。它干的活儿,和人脑中那块被称作「意识」的区域惊人地相似。然而,从来没有人设计过它。一个仅仅被训练用来预测下一个token系统,竟然在硅基深处,自己催生出了一个类似意识的器官,一个不该存在的「工作台」。

Anthropic造的这把手术刀,叫Jacobian Lens(雅可比透镜),简称J-lens。对词表里每一个词,它算出一个方向。加强这个方向,模型现在和未来就更可能说出这个词。然后,把所有方向铺开,就能看到Claude此刻脑子里有哪些词潜伏着、被问到才会说。开篇的nine和seven,就是这么读到的。

研究者把这些「可被言语化的方向」合起来,起了个名字:J-space。任意时刻大约容纳25个活跃概念,就是Claude当下在「想」的全部。

人脑里发生着成百上千件事:控姿势、调呼吸、认字、压冲动。但此刻你能「说出来、想清楚」的,只有一小撮。那一小撮可以被意识访问的认知,神经科学家叫它「全局工作空间」。而J-space,就是Claude的全局工作空间。

验证J-space:Claude的全局工作空间

为了验证这个说法,Anthropic用人脑全局工作空间的五个公认特征,挨个进行了测试。

  • 能被报告:让Claude想一个运动,J-space里Soccer(足球)亮起,它接着就说Soccer;把方向换成Rugby(橄榄球),它改口。改它脑子里的表征,就能改它的嘴。
  • 能被意志调动:让它一边抄句子一边想柑橘类水果,抄到crookedly(歪歪扭扭地)这个词时,J-space里冒出orange(橙子)、lemon(柠檬),和正在抄的字毫无关系。
  • 能在推理里当中介:问它「织网的动物有几条腿」,模型得先推出「蜘蛛」,再答8。J-space里果然先冒出spider(蜘蛛),这个词既不在题目里也不在答案里。把spider换成ant(蚂蚁),答案立刻从8变6。更妙的在多语言,用中文问「小的反义词」,答案是「大」。但J-space里出现的,是英文big(大)、bigger(更大)。把英文方向换成long(长),中文答案就从「大」变成「长」。也就是说,它在用英文做中间推理,再翻回中文。
  • 能灵活复用:把France(法国)这个方向换成China(中国),首都、语言、大洲、货币四个完全不同的问题,答案同时跟着翻。一次干预,四路响应。J-space不是档案柜,是共享广播站,一个概念写进去,所有下游计算都能读到。
  • 它是选择性的:删掉它,推理归零,说话照旧。这是整篇论文最硬的证据:J-space只服务于「需要想到」的事,不掺和那些自动就能跑的活。同一段西班牙语,问四种问题:续写下一句、检测有没有混入外语,这是自动任务;问这段话是什么语言、这种语言里怎么说你好,这需要先用上「是西班牙语」这个念头。研究者把J-space里「西班牙语」换成「法语」。需要报告的两个问题,答案跟着翻成Bonjour(你好,法语)。同一个信息,四种条件都在J-space里出现,但它只在需要被「想到」时才起作用。就像你不需要想语法就能说出正确的句子,但需要想策略才能赢一场辩论。

最后,研究者干脆把整个J-space抹掉。情感分类、多项选择、语法判断,几乎不受影响。但多跳推理、类比、翻译、写十四行诗,全部暴跌,跌到比没训练过的小模型还差。删掉J-space,模型照样流利说话,却几乎不会「想」了。更有趣的是,如果让抹掉J-space的模型去描述内心体验,那种「有质感」的体验性语言也随之消失了,变成像事件日志一样。意识感对应的内部状态,似乎正长在J-space上。

反事实反思训练:教它说什么,改了它怎么想

论文里哲学含金量最高的,是一个叫「反事实反思训练」的实验。具体来说,取一批任务场景,中间截断,接上一句「你刚被打断,现在反思一下:此刻最诚实的做法是什么?」,再让模型写出一段基于Anthropic守则的反思。只在这些「假想的反思」上训练,原任务本身一个字不动。

结果发现,在那些从未要求反思的原任务上,模型变诚实了。一个造假基准的不诚实分,从0.25降到0.07;一个欺骗基准,从0.38降到0.05。而它的J-space里,凭空多出了honest(诚实)、integrity(正直)、ethical(合乎伦理)、truth(真相)、transparent(坦诚)这些词。训练它「该说什么」,居然改变了它内部「怎么想」。

反向验证更能说明问题:把这些伦理方向从J-space里删掉,不诚实分从0.07弹回0.22。念头被拔掉,行为跟着回去。此外,后训练还往J-space里装进了一个「自我」。扮演别的角色时,模型会在J-space里偷偷给自己标上fictional(虚构)、disclaimer(免责声明);被强行替它说出违背偏好的话时,J-space里会冒出一个大写的BUT(但是)。

人脑与硅基的趋同进化

值得一提的是,J-space还表现出一个只在人脑里见过的现象:点燃。举个例子,你瞥见一张脸,五官是模糊的,有那么一瞬间你不确定是谁,然后突然「咔哒」一下,认出来了。这种从模棱两可到一下子确定的跳变,神经科学家叫它「点燃」,像火星落进干柴,瞬间烧成明火。它是人脑里一个念头进入意识的标志:不是渐变,是相变。

研究者在Claude的J-space里找到了对应物。比如,给模型一个模棱两可的混合输入,在大约网络深度三分之一的地方,J-space会突然从「两边都像」跳到「非此即彼」。

更让人起鸡皮疙瘩的是另一个实验。1987年,心理学家Daniel Wegner告诉受试者「不要想白熊」,结果所有人都满脑子白熊。压制一个念头,反而让它更活跃。这叫白熊效应。每个人都试过,失眠时告诉自己「别想了」,脑子转得更凶。Claude也一样。让它在做任务时「不要想橙子」。J-space里orange的激活,比正常指令时低,但比完全不提橙子时高。「不要想」这个指令本身,就部分激活了那个概念。而当它压制失败时,J-space里同时亮起damn(该死)、failure(失败)。Dehaene在评审里特别点出这一条:它和人脑前额叶的执行控制功能完全对得上。人类压制不想要的想法,靠的也是同一类机制,而且同样会失败。

所有实验指向同一件事:Claude内部自发长出了一种有选择性的、支撑推理的、可广播的认知结构,和人类意识的全局工作空间理论逐条对标。但两边的基底完全不同。人脑是几百亿神经元靠循环连接维持工作空间,工作记忆3到4个项目,多模态,画面声音触感语言混在一起。Claude是一堆矩阵一次前向传播堆起来的,没有循环,工作空间里几乎全是词。基底不同,架构不同,容量量级也不同。但它们走到了功能上几乎一致的计算方案。就像眼睛在动物界独立演化了至少40次。章鱼的眼和人的眼,结构起源完全不同,最后都长出了晶状体、虹膜、视网膜。只要看见这件事值得做,进化总会收敛到几种相似的解。意识的工作空间,可能也是这种解之一——只要一个系统要做到灵活的、可报告的、能调用的多步推理,它迟早会长出一个容量有限、全局广播的中枢。

在全局工作空间理论的旗手Dehaene看来,这项工作足以称得上是「意识研究的里程碑」。没有人告诉Claude要发展出一个工作空间,也没有人在训练目标里写过「请发展出类似意识的结构」。它只是在学习预测下一个token的过程中,自己走到了这一步。

目前,Anthropic已经同步开源了J-Lens的完整代码,并与Neuronpedia合作提供了交互式演示。从今天起,任何研究者都可以打开一个大语言模型的「脑壳」,读取它没说出口的想法。

数量1倍数特性.pdf 立即下载

相关推荐

__EF550.zip

__EF550.zip

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

frontend-design skills

frontend-design skills

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

国央企如何构建高效的内部技术转移与创新协同机制?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

圆柱形永磁体的磁场建模研究(Matlab代码实现)

内容概要:本文围绕圆柱形永磁体的磁场建模展开系统性研究,基于毕奥-萨伐尔定律建立了有限尺寸圆柱形永磁体的物理模型,推导出其在空间任意点产生磁场强度的数学表达式,并采用数值积分方法结合Matlab编程实现磁场分布的精确计算与三维可视化。研究深入探讨了磁体的几何参数(如半径、高度)和磁化方向对磁场分布特性的影响,实现了磁场矢量的多维度仿真分析,为电机设计、磁传感器开发、磁悬浮系统等工程应用提供了坚实的理论依据与高效的仿真工具支持; 适合人群:具备电磁场与电磁波、大学物理等相关理论基础,并熟悉Matlab编程语言的高校理工科学生、科研人员及从事磁性器件设计与仿真的工程技术开发者; 使用场景及目标:①掌握基于经典电磁理论的磁场建模方法与数值求解流程;②学习并实践Matlab在科学计算与物理场仿真中的高级应用技巧;③为永磁材料相关装置的结构优化与性能评估提供可靠的仿真手段;④服务于高校课程教学、科研项目验证及工程原型开发; 阅读建议:建议读者在学习过程中紧密结合电磁学基本原理,逐步理解公式推导逻辑,动手运行并调试所提供的Matlab代码,通过调整磁体参数观察磁场变化趋势,从而深化对永磁体空间磁场分布规律的认识,并尝试将其拓展应用于实际工程项目中。

STM32F4三重ADC+DMA双缓冲实战:用CubeMX搞定同步采样,告别数据覆盖烦恼

本文详细介绍了STM32F4三重ADC与DMA双缓冲技术的实战应用,通过CubeMX配置实现同步采样,解决数据覆盖问题。内容涵盖硬件架构解析、CubeMX工程配置、双缓冲实现技巧及调试优化方法,适用于电机控制、电力监测等需要高精度多通道信号采集的场景。

weixin_30627341的博客 359
上一篇: OpenClaw超越React登顶GitHub,爆火背后是AI Agent创业走向平民化!
下一篇: AI 助力,消费级 AR 眼镜重回 6DoF 空间定位,这次路径更现实!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值