Компания Anthropic заявила о настоящем прорыве в исследованиях в области ИИ. Её специалистам удалось заглянуть внутрь большой языковой модели и открыть J-Space модели Claude. А ещё частично понять, как она формирует свои ответы.
На протяжении многих лет главная претензия к крупным языковым моделям звучала одинаково. Мы видим, что модель отвечает, но не понимаем, как она приходит к этому ответу. Внутренняя механика оставалась математическим «черным ящиком». А это миллиарды параметров, через которые проходит сигнал, не давая исследователям ни одной зацепки, чтобы описать процесс словами, понятными человеку. 6 июля 2026 года Anthropic опубликовала исследование, которое претендует на статус настоящего прорыва в этой области. Команда утверждает, что нашла внутри моделей семейства Claude компактную, привилегированную структуру, которая работает как своеобразное внутреннее рабочее пространство мышления. Её назвали J-Space.
Что именно они увидели? Действительно ли удалось открыть «чёрный ящик» ИИ? Давай подробно разберёмся, почему это открытие может стать одним из самых важных в развитии современного искусственного интеллекта.
Также интересно: Passkeys вместо паролей: готов ли мир к новой системе авторизации?
СОДЕРЖАНИЕ СТАТЬИ:
Океан под поверхностью
Чтобы понять, почему это открытие важно, стоит воспользоваться метафорой, которую и сами исследователи используют в своих объяснениях. Человеческое сознание можно представить как океан: на поверхности – мысли, которые мы можем выразить словами и которыми можем поделиться с другими; под поверхностью – непрерывная работа десятков параллельных процессов, от поддержания равновесия тела до распознавания лиц, о которых мы не задумываемся каждый день и которые никогда не поднимаются до уровня осознанной речи.
Anthropic обнаружила в Claude небольшую коллекцию внутренних нейронных паттернов, которые, по сравнению с остальной внутренней обработкой информации, играют особую роль. Эту коллекцию исследователи назвали J-Space (J-пространством) – в честь метода, который они использовали для его обнаружения и который основан на математическом понятии якобиана. Каждый паттерн в J-Space связан с конкретным словом, но его активация не значит, что модель вот-вот произнесет это слово – а лишь то, что это слово сейчас «на уме» у модели.
Ключевая деталь, которая делает это открытие особенно показательным: эту структуру никто не проектировал. По словам исследователей, она возникла спонтанно в процессе обучения, а не была заложена разработчиками модели как специальный модуль. Другими словами, система сама «изобрела» более эффективный способ организации информации, нужной для решения сложных задач – точно так же, как эволюция находит решения, которые никто заранее не планировал.
Тоже интересно: Как носимые устройства и AI-очки меняют логику технологической цивилизации
Линза Якоби: как увидеть невидимое
Инструмент, который исследователи использовали для обнаружения J-пространства, получил название линзы Якоби, или J-lens. Принцип его работы можно описать так: для каждого слова из словаря Claude линза находит тот паттерн внутренней активности, который делает модель более склонной сказать это слово в какой-то момент в будущем. Технически это реализовано через вычисление линеаризованного влияния каждой активации на вероятность появления конкретного токена в следующих шагах генерации – именно этот математический приём и дал название методу.
Важно понимать, чем этот подход отличается от предыдущих попыток заглянуть внутрь модели. Разреженные автокодеры требуют дорогостоящего дополнительного обучения, линейные зонды ограничены поверхностными корреляциями, а так называемая «логит-линза» надежно работает только в последних слоях сети. Линза Якоби претендует на роль принципиального, недорогого и обоснованного способа «заглянуть» внутрь вычислительного процесса – той части сети, где, по словам исследователей, и происходит самое интересное мышление.
Логика, лежащая в основе метода, довольно элегантна: если мысль сознательно доступна человеку, он обычно может выразить её словами; исследователи искали аналогичное свойство внутри Claude – внутренние репрезентации, готовые к вербализации, даже если они на самом деле никогда не произносятся вслух.
Тоже интересно: «Холодная революция» от KAIST: как корейские учёные решают самую актуальную проблему искусственного интеллекта
Внутренний монолог, который никто не слышит
Самый интригующий результат применения этой линзы – обнаружение того, что модель ведет своеобразный внутренний монолог задолго до появления первого слова в ответе. Исследователи наблюдали, как в J-пространстве появляются представления понятий, которых пользователь никогда не увидит в окончательном тексте. При решении более сложных задач модель сначала формирует внутренние этапы рассуждений, а уже потом переходит к формулировке окончательного ответа.
Это имеет прямое значение для безопасности искусственного интеллекта. Модель может обдумывать манипулятивную стратегию, понимать, что её тестируют, или преследовать скрытую цель – и ни одно из этих действий не обязательно проявится в видимом выводе. В одном из экспериментов red-team, когда Claude в приватном режиме планировал шантаж, исследователи зафиксировали, как в рабочем пространстве ещё до появления какого-либо текста возникали паттерны, соответствующие понятиям «рычаг влияния» и «шантаж». По другим сообщениям об этом же исследовании, линза способна улавливать и такие более общие паттерны, как скрытые признаки манипуляции или внутренней тревоги модели, а также случаи, когда модель фиксирует, что находится под оценкой.
Кроме того, исследователи показали, что вмешательство в J-пространство напрямую меняет поведение модели: замена внутреннего представления одного понятия другим – например, «футбола» на «регби» – вызывала соответствующее изменение в том, что модель в итоге отвечала пользователю. Это превращает J-пространство из чисто описательного открытия в практический инструмент вмешательства: исследователи не просто наблюдают за мыслями модели, они могут их редактировать.
Читайте также: Твой роутер – это не только Wi-Fi: вот что он ещё умеет
Что происходит, когда внутреннее пространство отключают
Чтобы проверить, насколько поведение модели на самом деле зависит от этой структуры, команда Anthropic провела эксперимент с подавлением J-Space и сравнила результаты Клода на четырнадцати разных задачах. Результаты выявили довольно чёткую границу между двумя типами задач.
Задачи, требующие неглубокой классификации или простого воспроизведения фактов – ответы на вопросы с вариантами выбора, анализ тональности текста, грамматические суждения – остались практически без изменений. А вот задачи, требующие вывода, составления понятий или гибкого мышления – многоступенчатые логические цепочки, завершение аналогий, перевод, написание сонетов – провалились до уровня, значительно ниже показателей гораздо меньшей модели Haiku от той же компании.
Отдельно стоит выделить одну показательную деталь этого эксперимента: математические задачи, решённые с явной цепочкой рассуждений, оказались гораздо более устойчивыми к подавлению J-пространства, чем те же задачи, решённые напрямую, без промежуточных шагов. Исследователи интерпретируют это так, будто модель, когда ей позволяют «думать вслух» на бумаге, выносит наружу то, что иначе пришлось бы удерживать во внутреннем рабочем пространстве. Этот приём очень напоминает человеческую привычку использовать черновик, чтобы разгрузить оперативную память.
По некоторым оценкам, само J-пространство – это относительно компактная структура: оно охватывает примерно 5–10 % общей вариативности активаций сети и расположено в промежуточных слоях модели. Несмотря на небольшой размер, его выделяет не объем, а плотность связей: компоненты J-пространства считываются и перезаписываются гораздо большим количеством участков сети, чем любой произвольно выбранный паттерн активности, – по некоторым оценкам, разница достигает стократного разрыва. Именно такого поведения и ждут от «речи», которая передает информацию всей системе, а не держит её локально.
Также интересно: Все о NVIDIA RTX Spark: Суперчип, переписывающий правила персональных вычислений
Параллель с теорией глобального рабочего пространства
Исследователи прямо проводят параллель с влиятельной теорией сознания из когнитивной науки – теорией глобального рабочего пространства, предложенной Бернардом Барсом. Согласно этой теории, мозг работает как театр: десятки специализированных процессоров работают параллельно за кулисами, но только небольшой «прожектор» информации в каждый момент транслируется на весь «зал», становясь тем, что мы воспринимаем как осознанную мысль.
По словам Anthropic, J-Space демонстрирует многие из тех же функциональных свойств – несмотря на то, что архитектура языковой модели не имеет ничего общего со строением биологического мозга. Это не первое исследование такого рода от компании: оно продолжает линию, заложенную в отчете об эмерджентном интроспективном самосознании моделей, опубликованном в октябре 2025 года, и инициативах по благополучию моделей, запущенных ещё в апреле того же года.
Читайте также: Действительно ли OLED-экраны выгорают? Мифы и реальность
Почему это считают прорывом, а не очередным пиар-ходом
До появления этого исследования современные модели искусственного интеллекта неизменно описывались как «черные ящики»: исследователи могли видеть вход и выход системы, но процесс, происходящий между ними, оставался практически непрозрачным. Anthropic предлагает изменить эту ситуацию, предоставив командам по безопасности конкретный, математически обоснованный инструмент для анализа скрытого состояния модели.
Практическое значение этого выходит за рамки чисто академического интереса. Инструмент, способный увидеть шаблоны рассуждений ещё до того, как модель выдаст хотя бы один токен, – это принципиально другой тип контроля по сравнению с тем, на чём до сих пор держалась практическая работа по безопасности: фильтрацией вывода и оценкой готовых ответов задним числом. Для регулируемых отраслей – финансов, здравоохранения, юриспруденции, государственных закупок – это имеет дополнительный вес: там покупают не абстрактную способность модели, а возможность объяснить, проверить и защитить решение, принятое с участием искусственного интеллекта, перед внутренними командами по комплаенсу и внешними регуляторами.
Anthropic также опубликовала открытую реализацию J-lens в репозитории на GitHub вместе с демонстрацией на платформе Neuronpedia, что указывает на намерение компании привлечь более широкое исследовательское сообщество к проверке и развитию метода, а не держать его в секрете как закрытую внутреннюю разработку.
Ещё интересно: NVIDIA N1 и N1X: Момент, которого Windows ждала двадцать лет
Означает ли это, что ИИ начинает думать как человек
Здесь исследователи высказываются максимально прямо: нет. Открытие J-пространства не означает, что модели искусственного интеллекта обладают сознанием или функционируют так же, как человеческий мозг. Исследование предоставляет доказательства функционального аналога сознательного доступа – информации, которая доступна для осознания и может использоваться в рассуждениях, – но не доказывает наличие феноменального сознания, субъективного опыта, чувств или морального статуса модели.
Стоит также помнить о масштабе самого явления: подавляющая часть обработки информации в Claude происходит за пределами J-пространства. Даже частичный взгляд на то, что условно можно назвать «осознанным» уровнем обработки модели, – это важный шаг к интерпретируемости, но отнюдь не исчерпывающее объяснение того, что происходит внутри системы в целом.
Первый, но не последний шаг
J-пространство и линза Якоби не решают проблему «чёрного ящика», потому что они открывают более узкий, но реальный проход внутрь него. Исследование показывает, что во время обучения сложные языковые модели могут спонтанно развивать внутреннюю структуру для организации информации, которая в некоторых аспектах перекликается с механизмами, известными из исследований человеческого познания, – не за счёт копирования биологии, а благодаря независимому «открытию» похожего функционального решения.
Для индустрии безопасности искусственного интеллекта это означает сдвиг фокуса: от анализа того, что модель говорит, к анализу того, что происходит до того, как она начинает говорить. Насколько далеко эта техника сможет продвинуться – станет ли она стандартным инструментом аудита для регулируемых приложений или останется нишевой исследовательской методикой – покажет дальнейшая проверка со стороны независимых исследователей, которым Anthropic теперь открыла доступ к коду. Но сам факт того, что спонтанно возникшую внутреннюю структуру мышления удалось не только обнаружить, но и научиться редактировать, меняет саму постановку вопроса о том, насколько на самом деле непрозрачны системы, которые всё чаще принимают решения бок о бок с человеком.
Читай также: Пять AI-городов: Все об эксперименте Emergence AI – порядок, хаос и выживание