Claude に「内部思考空間」が自発的に出現
Original : A global workspace in language models
Pourquoi c'est important
LLM の内部推論メカニズムの解明は、AIの解釈可能性研究を大きく前進させる。
Anthropic の研究者は2026年7月6日、大規模言語モデル Claude が「J-space」と呼ぶ内部神経パターンの集合を自発的に発達させたと発表した。これは脳神経科学の「グローバルワークスペース理論」に類似した構造で、モデルの内部推論を司る。
Anthropic が発表した新論文によると、Claude は「J-space」と名付けられた特殊な内部表現の集合を、設計によってではなく訓練過程で自然に発展させた。この名称は発見手法に用いた数学的概念「ヤコビアン（Jacobian）」に由来する。
J-space の各パターンは特定の単語と結びついているが、そのパターンが活性化することは必ずしも当該単語を出力することを意味せず、モデルが「その概念を念頭に置いている」状態を示す。チェーンオブソートのように外部テキストとして現れるのではなく、内部の神経活性化として静かに機能する点が特徴だ。
研究チームが確認した主な特性は以下の通り。①Claude は J-space の内容を言語で報告できる。②要求に応じて特定パターンを活性化・制御できる。③複数ステップの推論で中間ステップが J-space に出現し、それが因果的にパフォーマンスを媒介する。④「France」が J-space に出現すると、首都・通貨・大陸など多様な関連情報を柔軟に引き出せる。
J-space を無効化する実験では、Claude は通常の会話は継続できたものの、高次認知機能を失った。この構造は神経科学の「グローバルワークスペース理論」—脳内の専門システムが並列・無意識に処理し、一部情報だけが意識的アクセス可能になる—と機能的に類似している。