Firma Anthropic ogłosiła coś, co określa jako przełomowe odkrycie w badaniach nad sztuczną inteligencją. Naukowcy z tej firmy twierdzą, że udało im się zajrzeć do wnętrza dużego modelu językowego, odkrywając tak zwaną przestrzeń J modelu Claude i zyskując nowy wgląd w to, jak model generuje swoje odpowiedzi.
Od lat główna krytyka wielkich modeli językowych pozostaje ta sama: możemy obserwować generowane przez nie odpowiedzi, ale nie znamy procesu rozumowania, który do nich prowadzi. Ich wewnętrzne działanie było w dużej mierze traktowane jak matematyczna czarna skrzynka – sieć miliardów parametrów, przez którą przepływają informacje, nie dając badaczom zrozumiałego dla człowieka wyjaśnienia, jak powstaje konkretny wynik.
6 lipca 2026 roku firma Anthropic opublikowała badanie, które jej zdaniem stanowi znaczący przełom w tej dziedzinie. Według zespołu badawczego zidentyfikowano w modelach z rodziny Claude’a zwartą, uprzywilejowaną strukturę, która funkcjonuje jako wewnętrzna przestrzeń robocza procesów poznawczych. Naukowcy nazwali tę strukturę „J-Space”.
Co dokładnie odkryli naukowcy? Czy naprawdę udało im się otworzyć „czarną skrzynkę” sztucznej inteligencji? Przyjrzyjmy się bliżej, dlaczego ten przełom może stać się jednym z najważniejszych kamieni milowych w rozwoju współczesnej sztucznej inteligencji.
Przeczytaj też: Passkeys zamiast haseł: czy świat jest gotowy na nowy system uwierzytelniania?
TREŚĆ ARTYKUŁU:
Ocean pod powierzchnią
Żeby zrozumieć, dlaczego to odkrycie ma znaczenie, warto posłużyć się tą samą metaforą, na której opierają się sami naukowcy. Świadomość człowieka można sobie wyobrazić jako ocean. Na powierzchni znajdują się myśli, które potrafimy świadomie sformułować i podzielić się nimi z innymi. Pod powierzchnią jednak nieustannie zachodzą niezliczone równoległe procesy – od utrzymywania równowagi i postawy po rozpoznawanie znajomych twarzy. Rzadko o nich myślimy, a prawie nigdy nie docierają one do poziomu świadomości ani nie dają się wyrazić słowami.
Firma Anthropic odkryła w modelu Claude niewielki zbiór wewnętrznych wzorców neuronowych, które wydają się odgrywać wyjątkową rolę w porównaniu z szerszymi mechanizmami przetwarzania informacji tego modelu. Naukowcy nazwali ten zbiór J-Space, na cześć techniki matematycznej użytej do jego zidentyfikowania, opartej na koncepcji macierzy jacobianowej. Każdy wzorzec w J-Space jest powiązany z konkretnym słowem. Jednak jego aktywacja niekoniecznie oznacza, że model zaraz wygeneruje to słowo. Wskazuje to raczej, że odpowiednia koncepcja jest w danej chwili „na myśli modelu”, gdy przetwarza on polecenie i formułuje odpowiedź.
Najbardziej uderzającym aspektem tego odkrycia jest to, że nikt świadomie nie zaprojektował tej struktury. Według naukowców J-Space pojawiło się spontanicznie podczas uczenia, a nie zostało zaprojektowane jako dedykowany moduł przez twórców modelu. Innymi słowy, wygląda na to, że system sam opracował własny, bardziej wydajny sposób porządkowania informacji potrzebnych do rozwiązywania skomplikowanych zadań – podobnie jak ewolucja tworzy rozwiązania, których nikt wcześniej nie zaplanował.
Przeczytaj też: Jak urządzenia do noszenia i okulary z AI zmieniają logikę cywilizacji technologicznej
Soczewka jacobiańska: uwidacznianie tego, co niewidzialne
Narzędzie, którego użyli badacze do zidentyfikowania przestrzeni J, nazywa się soczewką jacobiańską, czyli J-Lens. Zasada jego działania jest prosta: dla każdego słowa ze słownika Claude’a soczewka identyfikuje wewnętrzny wzorzec aktywacji, który sprawia, że model z większym prawdopodobieństwem wygeneruje to słowo w późniejszym etapie procesu generowania. Z technicznego punktu widzenia osiąga się to poprzez obliczenie zlinearyzowanego wpływu każdej wewnętrznej aktywacji na prawdopodobieństwo pojawienia się konkretnego tokenu w kolejnych etapach generowania. To właśnie to matematyczne podejście, oparte na macierzy jacobianowej, nadało tej metodzie nazwę.
Ważne jest, żeby zrozumieć, czym to podejście różni się od wcześniejszych prób zajrzenia do wnętrza dużych modeli językowych. Rzadkie autoenkoderki wymagają dodatkowego szkolenia, które jest obciążające obliczeniowo, sondy liniowe ograniczają się głównie do korelacji na poziomie powierzchniowym, a tak zwana soczewka logitowa działa niezawodnie tylko w końcowych warstwach sieci. Natomiast „soczewka jacobiańska” ma na celu zapewnienie opartego na zasadach, wydajnego obliczeniowo i teoretycznie uzasadnionego sposobu badania środkowej części procesu obliczeniowego – tej części sieci, w której, według naukowców, zachodzi najciekawsze rozumowanie.
Podstawowa idea jest niezwykle elegancka. Jeśli jakaś myśl jest świadomie dostępna dla człowieka, zazwyczaj potrafi on ją wyrazić słowami. Naukowcy szukali analogicznej właściwości w modelu Claude: wewnętrznych reprezentacji, które są praktycznie gotowe do werbalizacji, nawet jeśli model nigdy faktycznie nie generuje odpowiadających im słów.
Wewnętrzny monolog, którego nikt nie słyszy
Chyba najbardziej intrygującym odkryciem, jakie umożliwiła soczewka Jacobiana, jest to, że model wydaje się prowadzić coś w rodzaju wewnętrznego monologu na długo przed wygenerowaniem pierwszego słowa swojej odpowiedzi. Naukowcy zaobserwowali w J-Space pojawianie się reprezentacji pojęciowych, które nigdy nie pojawiają się w ostatecznej odpowiedzi widocznej dla użytkownika. Podczas rozwiązywania bardziej złożonych zadań model najpierw przechodzi przez pośrednie, wewnętrzne etapy rozumowania, a dopiero potem przechodzi do sformułowania ostatecznej odpowiedzi.
Ma to bezpośrednie konsekwencje dla bezpieczeństwa sztucznej inteligencji. Model może wewnętrznie oceniać strategię manipulacyjną, zdawać sobie sprawę, że jest testowany, albo dążyć do ukrytego celu – a żaden z tych procesów niekoniecznie musi pojawić się w jego widocznej odpowiedzi. W jednym z eksperymentów typu „red team”, w którym Claude potajemnie planował scenariusz szantażu, naukowcy zaobserwowali wzorce odpowiadające pojęciom takim jak „przewaga” i „szantaż”, pojawiające się w wewnętrznej przestrzeni roboczej modelu, zanim jeszcze wygenerowano jakąkolwiek odpowiedź.
Według dodatkowych raportów dotyczących tego samego badania, Jacobian Lens potrafi też wykrywać szersze wzorce wewnętrzne, w tym oznaki zamiaru manipulacji, sygnały wewnętrznej niepewności oraz sytuacje, w których model wydaje się zdawać sobie sprawę, że jest oceniany.
Badacze wykazali też, że bezpośrednia ingerencja w J-Space zmienia zachowanie modelu. Zastąpienie wewnętrznej reprezentacji jednej koncepcji inną – na przykład zamiana futbolu amerykańskiego na rugby– doprowadziło do odpowiedniej zmiany w ostatecznej odpowiedzi modelu. To sprawia, że J-Space przestaje być czysto opisowym odkryciem, a staje się praktycznym narzędziem interwencji: naukowcy nie są już ograniczeni do obserwowania wewnętrznych reprezentacji modelu – mogą je aktywnie modyfikować.
Przeczytaj też: Twój router to nie tylko Wi-Fi – oto, do czego jeszcze może służyć
Co się dzieje, gdy wyłączy się przestrzeń wewnętrzną
Żeby sprawdzić, w jakim stopniu zachowanie modelu faktycznie zależy od tej struktury, zespół Anthropic przeprowadził eksperyment, w którym wyłączono J-Space i oceniono wydajność Claude’a w czternastu różnych zadaniach. Wyniki pokazały dość wyraźne rozróżnienie między dwiema kategoriami problemów.
Zadania oparte na płytkiej klasyfikacji lub prostym przywoływaniu faktów – takie jak odpowiadanie na pytania wielokrotnego wyboru, analiza nastrojów i oceny gramatyczne – w dużej mierze pozostały niezmienione. Natomiast zadania wymagające wnioskowania, łączenia pojęć lub elastycznego rozumowania – w tym wieloetapowe łańcuchy logiczne, uzupełnianie analogii, tłumaczenie i pisanie sonetów – pogorszyły się dramatycznie, osiągając wyniki znacznie gorsze od znacznie mniejszego modelu Haiku tej samej firmy.
Jedna szczególnie wymowna rzecz z tego eksperymentu zasługuje na osobną uwagę: zadania matematyczne rozwiązywane za pomocą wyraźnego łańcucha rozumowania okazały się znacznie bardziej odporne na tłumienie J-Space niż te same zadania rozwiązywane bezpośrednio, bez kroków pośrednich. Naukowcy interpretują to jako dowód na to, że kiedy model może „myśleć na głos” na stronie, przenosi na zewnątrz informacje, które w przeciwnym razie musiałyby pozostać w jego wewnętrznej przestrzeni roboczej. Mechanizm ten bardzo przypomina ludzki zwyczaj używania kartki do notatek, by odciążyć pamięć roboczą.
Według niektórych szacunków sama przestrzeń J-Space jest stosunkowo zwartą strukturą, odpowiadającą jedynie za około 5–10% całkowitej zmienności aktywacji w sieci i znajdującą się w warstwach pośrednich modelu. Mimo skromnych rozmiarów jego cechą wyróżniającą nie jest objętość, ale gęstość połączeń: elementy J-Space są odczytywane i zapisywane przez znacznie więcej obszarów sieci niż jakikolwiek losowo wybrany wzór aktywacji, a niektóre szacunki wskazują na różnicę sięgającą nawet dwóch rzędów wielkości. To właśnie taki rodzaj zachowania można by oczekiwać od „kanału rozgłoszeniowego”, który rozprowadza informacje po całym systemie, zamiast ograniczać je do lokalnych obliczeń.
Przeczytaj też: Wszystko o NVIDIA RTX Spark: Superukład redefiniujący obliczenia osobiste
Paralela z teorią globalnej przestrzeni roboczej
Naukowcy wyraźnie wskazują na podobieństwo do wpływowej teorii świadomości z dziedziny kognitywistyki: teorii globalnej przestrzeni roboczej zaproponowanej przez Bernarda Baarsa. Zgodnie z tym modelem mózg działa podobnie jak teatr: za kulisami równolegle pracują dziesiątki wyspecjalizowanych procesorów, ale w danym momencie tylko niewielki „promień światła” informacji jest przekazywany całej „publiczności”, stając się tym, co odbieramy jako świadomą myśl.
Według firmy Anthropic, J-Space wykazuje wiele takich samych właściwości funkcjonalnych, mimo że architektura modelu językowego niewiele przypomina budowę biologicznego mózgu. To nie pierwsze badania firmy w tym kierunku: praca ta stanowi kontynuację linii badawczej zapoczątkowanej przez raport o wyłaniającej się świadomości introspektywnej w modelach językowych, opublikowany w październiku 2025 roku, oraz przez inicjatywy dotyczące dobrostanu modeli, uruchomione wcześniej w tym samym roku, w kwietniu.
Przeczytaj też: Czy ekrany OLED naprawdę ulegają wypaleniu? Mity i rzeczywistość
Dlaczego uważa się to za przełom, a nie kolejną akcję promocyjną
Aż do opublikowania tego badania nowoczesne modele AI były konsekwentnie opisywane jako „czarne skrzynki”: badacze mogli obserwować dane wejściowe i wyjściowe systemu, ale proces zachodzący pomiędzy nimi pozostawał w dużej mierze niejasny. Firma Anthropic proponuje zmienić tę sytuację, dostarczając zespołom ds. bezpieczeństwa konkretne, oparte na matematyce narzędzie do odczytywania ukrytego stanu modelu.
Praktyczne znaczenie tego rozwiązania wykracza daleko poza zainteresowania akademickie. Narzędzie zdolne do identyfikowania wzorców rozumowania, zanim model wygeneruje choćby jeden token, stanowi zasadniczo odmienną formę nadzoru w porównaniu z metodami, które do tej pory stanowiły podstawę praktycznych działań związanych z bezpieczeństwem AI – a mianowicie filtrowaniem wyników i oceną zakończonych odpowiedzi po fakcie. Dla sektorów podlegających regulacjom, takich jak finanse, opieka zdrowotna, prawo i zamówienia publiczne, ma to dodatkowe znaczenie: branże te nie kupują abstrakcyjnej zdolności modelu, ale raczej możliwość wyjaśnienia, zweryfikowania i obrony decyzji podejmowanych przy pomocy sztucznej inteligencji przed wewnętrznymi zespołami ds. zgodności i zewnętrznymi organami regulacyjnymi.
Firma Anthropic udostępniła też otwartą implementację J-Lens w repozytorium GitHub, wraz z demonstracją na platformie Neuronpedia. Sugeruje to chęć zaangażowania szerszej społeczności badawczej w weryfikację i rozwój tej metody, zamiast traktowania jej jako zamkniętej technologii wewnętrznej.
Przeczytaj też: NVIDIA N1 i N1X: moment, na który Windows czekał od dwudziestu lat
Czy to znaczy, że sztuczna inteligencja zaczyna myśleć jak ludzie?
W tej kwestii naukowcy są jednoznaczni: nie. Odkrycie przestrzeni J-Space nie oznacza, że modele AI są świadome ani że działają tak samo jak ludzki mózg. Badanie dostarcza dowodów na istnienie funkcjonalnego odpowiednika świadomego dostępu – informacji, które można zgłosić i wykorzystać w rozumowaniu – ale nie wykazuje obecności świadomości fenomenalnej, subiektywnego doświadczenia, emocji ani statusu moralnego w modelu.
Warto też spojrzeć na skalę tego zjawiska z odpowiedniej perspektywy: zdecydowana większość przetwarzania informacji w Claude’u odbywa się poza J-Space. Nawet częściowy wgląd w to, co można by luźno opisać jako „świadomą” warstwę przetwarzania modelu, stanowi znaczący postęp w zakresie interpretowalności, ale w żadnym wypadku nie jest to pełne wyjaśnienie tego, co dzieje się w całym systemie.
Pierwszy krok, a nie ostatni
J-Space i soczewka jacobiańska nie rozwiązują problemu „czarnej skrzynki”; raczej otwierają wąską, ale prawdziwą ścieżkę do jej zrozumienia. Badanie pokazuje, że podczas uczenia się zaawansowane modele językowe mogą spontanicznie rozwijać wewnętrzną strukturę porządkującą informacje, która pod pewnymi względami przypomina mechanizmy zidentyfikowane w badaniach nad ludzkim poznaniem – nie poprzez naśladowanie biologii, ale poprzez niezależne „odkrycie” podobnego rozwiązania funkcjonalnego.
Dla społeczności zajmującej się bezpieczeństwem sztucznej inteligencji oznacza to zmianę punktu ciężkości: od analizowania tego, co mówi model, do badania tego, co dzieje się, zanim zacznie mówić. To, jak daleko ta technika ostatecznie zajdzie – czy stanie się standardowym narzędziem audytowym dla regulowanych aplikacji, czy pozostanie specjalistyczną metodologią badawczą – będzie zależało od dalszej weryfikacji przez niezależnych badaczy, którym firma Anthropic udostępniła teraz kod. Jednak sam fakt, że spontanicznie wyłaniająca się wewnętrzna struktura rozumowania została nie tylko zidentyfikowana, ale także stała się podatna na interwencję i modyfikację, zasadniczo zmienia sposób, w jaki postrzegamy kwestię tego, jak nieprzejrzyste są naprawdę systemy coraz częściej angażowane w ludzkie procesy decyzyjne.
Przeczytaj też: Pięć miast AI: Wewnątrz eksperymentu wschodzącej sztucznej inteligencji – porządek, chaos i przetrwanie
