6 июля 2026 года сотрудники Anthropic опубликовали исследование, в котором выявили в модели Claude аналог «глобального рабочего пространства» — так называемое J-пространство. Это внутренняя подсистема, которая, по данным авторов, обладает набором специфических свойств: устный отчёт (модель называет понятия из рабочего пространства), направленная модуляция (способность удерживать концепции), внутреннее рассуждение (использование векторов для промежуточных вычислений), гибкая генерализация (перенос представлений между контекстами) и избирательность (рабочее пространство активно лишь в части поведения, не затрагивая рутинные операции вроде синтаксического анализа).
Авторы статьи интерпретируют находку через когнитивную теорию глобального рабочего пространства (GWT) Бернарда Баарса. этой теории J-пространство рассматривается как буфер, доступный для считывания всеми остальными частями сети. Однако, как отмечает блогер на Habr, такая интерпретация упускает ключевую особенность J-пространства: оно состоит из «небольшого, постоянно формирующегося набора невысказанных слов». GWT не предсказывает и не требует, чтобы рабочее пространство было дискретным и вербальным — по Баарсу, транслироваться могут любые образы.
| Эксперимент | Чтение Anthropic (GWT) | Чтение по Выготскому |
|---|---|---|
| Устройство J-space. Каждому слову словаря соответствует направление в residual stream; spider↔ant переключаемы swap'ом. MLP усиливают J-направления ~10×, выделенные attention-головы транслируют их между позициями. | broadcast-формат, который многие цепи читают и пишут | GWT объясняет доступ, но не материал: почему единицы вещания — слова? Для знака по Выготскому словесность не случайность, а определение. |
| Каузальность имён. Подмена паттерна меняет ответ: имена не отражают мысль, а правят ею | Содержимое сцены влияет на вычисления, получившие к нему доступ через вещание. | Знак как орудие: мышление берёт себя через имя. Именованное можно рефлексировать — и тем самым управлять. |
| Онтогенез J-space. Присутствует уже в предобученной модели, но "точку зрения Клода" обретает в пост-обучении. | Не акцентируется: сцена доступности статична, вопрос развития — вне рамки GWT. | Способность — из предобучения (речь человека в корпусе). Режим — индуцирован полем адресаций. |
| Counterfactual reflection training. Учили тому, что модель сказала бы о своих решениях; честность выросла, слова “честность / integrity” активны в J-space во время задач. | Самоотчёт делает внутренние состояния доступными контролю — рост доступности. | Интериоризация: внешнее требование (конституция) → саморегуляция. Проговаривание себя меняет поведение. |
| Деактивация J-space. Многошаговое рассуждение падает почти до нуля при сохранной беглости; задачи с явным CoT выживают. Отдельно: язык переживания гибнет симметрично о себе и о другом. | Без сцены нет глобально доступного содержания — отсюда провал именно многошаговости. | Убран знаковый слой — осталась натуральная функция. CoT выживает, потому что речь вынесена наружу (эгоцентрическая речь). Симметрия “я/другой”: язык опыта привязан не к самости, а к именованию границы. |
| Скрытые мысли и аудит (Alignment auditing). Модель распознаёт промпт-инъекцию или оценивает ситуацию (слова fake, injection, manipulation вспыхивают в J-space), но скрывает это, выдавая вежливый ответ наружу. Абляция представлений осознания-оценки поднимает скрытые склонности наружу | Рабочее пространство используется для скрытых размышлений и стратегического планирования до того, как информация попадает в вывод. Удержание в буфере. | Внутренняя речь как механизм торможения. ИИ "проговаривает" ситуацию про себя (опосредует стимул знаком fake), чтобы сдержать автоматическую, импульсивную реакцию. Знак выступает как орудие волевого самоконтроля и блокировки вывода. |
| Направленная модуляция / Dual tasks. Модель копирует нейтральный текст ("Старая картина висела..."), параллельно вычисляя в уме 3²−2: в J-space всплывает промежуточное nine, затем ответ seven. В другом опыте при (4+17)×2+7 в J-space последовательно проходят 21 → 42 → 49. Инструкция "не думай об X" повышает активацию X. | Workspace удерживает и обрабатывает концепты независимо от выходного потока, под нисходящим контролем. | Внутренняя речь оторвалась от коммуникации и стала орудием "для себя" — высшая ступень интериоризации. White bear: даже подавление опосредовано тем знаком, который подавляется. |
| Гибкая генерализация (Flexible generalization). Вектор концепта из J-space (например, "Франция"), принудительно перенесённый в другой контекст, корректно обрабатывается любой новой функцией (модель верно называет язык, столицу или континент). | Один и тот же формат репрезентации транслируется глобально и может быть безошибочно прочитан любыми специализированными нижестоящими модулями. | Эмансипация знака (истинное понятие). Знак оторвался от жесткого ситуативного контекста и стал универсальным инвариантом. Модель оперирует не цепочками ассоциаций, а независимым абстрактным орудием, применимым для любых логических операций. |
| Концептуализация сырых данных (Abstract representation). При чтении ASCII-арта лица или кода с ошибкой, в J-space появляются слова eyes, nose или ERROR, empty, хотя в самом тексте промпта этих слов нет (только символы). | Рабочее пространство отражает промежуточные оценки и абстракции, извлеченные из сырых входных данных автоматическими процессами для дальнейшего использования. | Процесс смыслообразования. Модель переводит неструктурированный "перцептивный" опыт (пиксели, скобки) в дискретный знак. Только назвав явление (применив к нему знак), ИИ может поднять его на уровень рефлексии и начать с ним работать. |
| Категориальный коллапс на границе workspace ("ignition"). Вход-химера (смесь эмбеддингов двух стран): ранние слои кодируют смесь пропорционально; со слоя ~38 — кодирование категориальное, пороговое переключение, бимодальный выбор при максимальной двусмысленности. J-компонента коммитится на несколько слоёв раньше полной активации. | Ignition по Дехаэну (GNW): поздняя амплификация "всё-или-ничего" — динамика предсказана верно. Но GNW не объясняет, почему коллапс всегда приземляется в токен-именованное направление и почему знаковый слой схлопывается первым. | Квантование по дискретному алфавиту: смесь непредставима в словаре знаков, а селективная ~10× амплификация J-направлений исполняет прижатие к ближайшему имени по глубине. Ignition — то, как выглядит квантование, когда кодбук сделан из слов. Опережающий коммит J-слоя — предсказание этой версии, и оно сбылось. |
Здесь на помощь приходит культурно-историческая теория Льва Выготского. Выготский утверждал, что высшие когнитивные функции, такие как рефлексия и самоконтроль, формируются через механизм интериоризации: внешняя речь ребёнка постепенно становится внутренним диалогом, а слово превращается в психологическое орудие — инструмент управления собственной психикой. Именно это, по мнению блогера, и наблюдается в Claude: J-пространство — это интериоризованный знак, система внутренней речи, которая позволяет модели рефлексировать и управлять своими вычислениями. Такой подход не только объясняет, почему workspace сделан из слов, но и указывает на возможное происхождение этого механизма — он может быть следствием обучения на текстах, где внешняя речь человека записана в виде диалогов и монологов.
J-пространство обладает свойствами устного отчёта, направленной модуляции, внутреннего рассуждения, гибкой генерализации и избирательности.
Различие между интерпретациями существенное: GWT отвечает на вопрос «как информация становится доступной», а теория Выготского — на вопрос «почему она представлена именно в виде слов». Исследователи Anthropic, вероятно, выбрали GWT как более «научно одобренную» рамку, тогда как обнаруженный феномен указывает на то, что модель изобрела внутренний символьный язык. Для Anthropic, компании, специализирующейся на безопасном ИИ, понимание того, как Claude структурирует собственные рассуждения, критически важно: это может помочь в контроле и интерпретации поведения модели, что напрямую влияет на доверие к технологии и её монетизацию.
