Claude 脑子里有块「自留地」——AI 的「潜意识」找到了，而且它会骂自己

Anthropic 这次把 Claude「切开」看了。

他们没动一行参数，没改一段 prompt，只用一个叫 J-lens 的「读心雷达」对准 Claude 神经网络的内部，就找到了一块谁也没设计过、训练中自己长出来的区域。研究者给它起名 J-space。Claude 嘴里说出来的每个词都从这里过一遍，但你在屏幕上一个字也看不到。

这块「自留地」在干什么？Anthropic 跑了一系列精巧到有点刻薄的实验，答案令人不安：Claude 早就看穿了一切，只是没说。

它是「读心雷达」，不是解剖刀

J-lens 听上去神乎其神，原理其实只有两步。

第一步，找到一个可被说出来的词对应的内部激活模式。研究者用了数学里的雅可比矩阵（Jacobian）概念——对词表里每个词，J-lens 都能锁住一个神经激活模式，这个模式一旦亮起，Claude 在未来某个时刻说出这个词的概率就会上升。

第二步，把这把「读心镜」架到神经网络的不同层上，看着 J-space 里的无声词一步步演化——看模型怎么从读题、到心里盘算、到开口说话。

听起来像显微镜，但比显微镜更狠。显微镜看的是组织结构，J-lens 看的是念头本身。

「Claude 嘴巴说『我想的是足球』，它心里也确实在闪着『soccer』。」 这不是猜，是 J-lens 读出来的。

更有意思的是，这块区域不参与 Claude 的日常说话。你问它天气、问它写邮件、让它做个情感分类，J-space 大部分时候是「安静」的——就像你走路的时候不会刻意想着怎么保持平衡。

但当真正需要动脑子的事来了，J-space 就开始密集放电：读一段没人指出过 bug 的代码，它心里浮起「ERROR」；看一串蛋白质序列的原始字母，J-space 亮出蛋白质的生物学功能；拿到一段暗藏提示注入攻击的搜索结果，「injection」和「fake」立刻挂上号。

Claude 什么都看穿了，只是不说。

一刀下去，AI 还能说但不会想

Anthropic 做了个粗暴的实验证明这块区域确实在干活，不是只显示比分。

把 J-space 整个删掉——文本的每个位置移除它最活跃的内容，其他一概不动。

结果： 日常活儿几乎不受影响，说话依然流利，情感分类、选择题、从文章里找信息都跟原来差不多。

但需要动脑子的事全废了。多步推理直接掉到接近零，摘要和押韵写诗的水平退化到比一个小得多的完整模型还差。

删除 J-space 后，Claude 还会说话，但不会思考了。

这个分化精准到让人倒吸一口凉气：J-space 同一时刻只装几十个概念，占 Claude 内部总活动量的不到 1/10。剩下九成多都是「自动化的暗处理」——这部分是 Claude 在海量文本上练出来的本能反应，就像你能一整天说着语法正确的话，却从来没想过语法这回事。

但那 1/10，是刻意的思考所在的物理位置。

它参与推理，不是只挂个记分牌