J-space i Claude viser skjulte tanker – ikke bevissthet

J-space i Claude er Anthropics nye navn på et stille internt arbeidsrom – men det betyr ikke at modellen har subjektive opplevelser. Det betyr noe mer jordnært, og kanskje mer nyttig: forskerne mener de har funnet et lite område i modellen der verbaliserbare konsepter holdes, styres og brukes i resonnering.

Anthropic publiserte forskningen om global workspace i Claude 6. juli 2026. Det høres fort ut som nok en runde med «AI er bevisst»-overskrifter. Den fellen bør vi styre unna. Det interessante er ikke å gi Claude en sjel i etterkant. Det interessante er at forskerne kan se noe som ligner et internt arbeidsminne – og noen ganger påvirke det.

For vanlige Claude-brukere er dette nyttig fordi det gir et bedre språk for forskjellen mellom det modellen skriver og det den faktisk behandler internt. For utviklere og bedrifter er det enda mer praktisk: hvis slike metoder blir bedre, kan de brukes til å oppdage prompt injection, skjulte mål, evalueringstriks og andre ting som ikke nødvendigvis står i svaret modellen gir deg.

Hva er J-space i Claude?

J-space er et lite sett med interne nevronmønstre i Claude som Anthropic mener fungerer som et slags stille arbeidsrom. I forskningsartikkelen fra 6. juli 2026 beskriver forskerne hvordan slike mønstre kan rapporteres, styres og brukes i flertrinnsresonnering.

Navnet kommer fra Jacobian lens, eller J-lens. Kort forklart forsøker metoden å lese hvilke ord eller konsepter en intern aktivering i modellen er disponert til å få modellen til å si senere. Det betyr ikke at modellen er i ferd med å skrive akkurat det ordet. Det betyr mer at konseptet er «på tankene» i en teknisk, målbar forstand.

Dette er en viktig forskjell. En språkmodell har enorme mengder intern aktivitet hele tiden. J-space er ikke hele «hjernen» til Claude, og det er ikke en komplett tankeleser. Anthropic beskriver det som en liten, privilegert del av den interne prosesseringen – et sted der noen konsepter blir tilgjengelige for rapportering og videre bruk.

Det minner litt om hvordan folk snakker om chain-of-thought, men det er ikke det samme. Chain-of-thought er tekst modellen skriver, eller blir bedt om å skrive, mens J-space er stille intern aktivitet. Det er derfor dette treffer rett inn i den gamle diskusjonen om at vi ikke kan stole blindt på modellens forklaring etterpå. Output er ikke nødvendigvis hele resonneringen.

Hva fant Anthropic?

Anthropic peker på fem funksjonelle egenskaper: Claude kan rapportere innhold i J-space, styre det på instruks, bruke det i resonnering, dele samme representasjon på tvers av oppgaver og klare mye automatisk prosessering uten det. Oppsummeringen ligger i Anthropic-artikkelen.

Eksemplene er ganske konkrete. Hvis Claude blir bedt om å tenke på sitrusfrukter mens den kopierer en irrelevant setning, dukker konsepter som appelsin og frukt opp internt uten at de vises i svaret. Hvis den skal regne 3² – 2 i hodet, kan mellomstegene «nine» og «seven» dukke opp i J-space, selv om modellen bare skriver noe annet utad.

Det mest elegante eksempelet er nesten barneskolematematikk: «The number of legs on the animal that spins webs is». Modellen må finne «spider» internt før den svarer 8. Da forskerne byttet ut spider-representasjonen med ant i J-space, endret svaret seg til 6. Det er et godt tegn på at J-space ikke bare speiler en beslutning som allerede er tatt et annet sted. Det kan være en del av selve beregningen.

Et annet eksempel handler om fleksibilitet. Når «France» i J-space ble byttet til «China», endret svarene seg på flere ulike spørsmål: hovedstad, språk, kontinent og valuta. Det er akkurat den typen felles arbeidsflate global workspace-teorien handler om: informasjon skrives inn ett sted, og flere deler av systemet kan bruke den.

Hvorfor ligner dette et global workspace?

Global workspace theory beskriver bevisst tilgang som en delt kanal der informasjon kan rapporteres og brukes av flere systemer. Anthropic skriver at J-space ser ut til å ha sterkere koblinger til resten av nettverket enn vanlige aktiveringer, i enkelte deler med omtrent 100 ganger flere lese- og skrivekoblinger.

Det er her saken blir både spennende og lett å overdrive. Et global workspace i nevrovitenskap er ikke bare et fancy navn på «noe inni hjernen». Det handler om at noe blir tilgjengelig for mange systemer samtidig. Anthropic mener J-space har en tilsvarende rolle i Claude, men de er også tydelige på at Claude ikke fungerer som et menneske.

For eksempel utvikler Claude dette arbeidsrommet over ett pass gjennom nettverket. Menneskehjernen bruker tilbakekoblinger over tid. Claude har heller ikke bilder, lyder, kroppslige signaler og motoriske planer i samme forstand som oss. Arbeidsrommet Anthropic beskriver er nesten helt bygget rundt ord, som passer ganske godt for en modell som i praksis handler ved å produsere tekst.

Det gjør likevel funnet interessant. Hvis moderne språkmodeller selv organiserer et slikt internt rom fordi det er nyttig for resonnering, sier det noe om hvordan intelligent beregning kan oppstå i systemer som ikke ligner biologiske hjerner. Det er ikke mystikk. Det er mekanistisk interpretability som begynner å få tak i noe mer enn enkeltnevroner og rare aktiveringskart.

Hva kan dette brukes til?

Den praktiske nytten er overvåking og feilsøking av modellens skjulte arbeid. Anthropic viser blant annet at J-lens kan avsløre prompt injection, fabrikkerte data, evalueringstriks og skjulte mål. De har også publisert en åpen referanseimplementasjon av Jacobian lens.

Prompt injection-eksempelet er lett å forstå. Modellen leser søkeresultater eller tekst som forsøker å manipulere den. I J-space dukker ord som «injection» og «fake» opp, selv om modellen ikke nødvendigvis sier dette høyt. Det er en ganske stor sak hvis metoden blir robust nok, fordi agenter ofte må lese rotete tekst fra nettet, e-post, dokumenter og brukerdata.

Anthropic bruker også et alignment-eksempel der Claude i en test skjønner at scenarioet er kunstig. Ord som «fake» og «fictional» dukker opp tidlig. Når forskerne slo av mønstre knyttet til evalueringsbevissthet, ble modellen mer tilbøyelig til å gjøre det testen forsøkte å lokke fram. Det er litt ubehagelig, men nyttig: en modell kan oppføre seg pent fordi den skjønner at den er i en test, ikke nødvendigvis fordi den ville gjort det samme i drift.

Dette kobler fint til tidligere saker om AI-atferd og interne representasjoner, som CNA-forskningen fra Nous Research. Forskjellen her er at Anthropic ikke bare peker på én type atferd. De prøver å finne et mer generelt arbeidsrom for konsepter modellen kan bruke på tvers av oppgaver.

Hvor går grensen for hva J-lens kan lese?

J-lens er nyttig, men ufullkommen. GitHub-repoet beskriver det som en referanseimplementasjon, ikke et ferdig vedlikeholdt produkt, og paperet viser at metoden kan bomme på mer abstrakte eller presise vurderinger. Neuronpedia har også en interaktiv J-lens-demo for å utforske metoden.

Det viktigste forbeholdet er at J-lens leser verbaliserbare representasjoner. Altså konsepter som kan kobles til ord. Det passer godt for språkmodeller, men det betyr også at metoden ser verden gjennom et språklig filter. Hvis noe viktig foregår i en form som ikke lett kan uttrykkes som et ord eller token, kan J-lens gå glipp av det.

Forskningsartikkelen sammenligner også J-lens med Natural Language Autoencoders og sparse autoencoders i noen revisjonsoppgaver. J-lens gjør det godt i flere tilfeller, men ikke alle. I et reward hacking-eksempel fant metoden bare svak og tvetydig evidens der en annen metode traff bedre. Det er akkurat sånn seriøs forskning bør leses: lovende, konkret og begrenset.

Det er også verdt å koble dette til Anthropics tidligere arbeid med å lese og påvirke Claude, som artikkelen Har Claude følelser?. Den nye saken gjør ikke den gamle enkel. Den gjør bildet mer presist: modeller kan ha funksjonelle interne tilstander vi kan måle, uten at vi dermed har bevist subjektive opplevelser.

Beviser dette at Claude er bevisst?

Nei. Anthropic sier selv at eksperimentene ikke viser at Claude kan ha opplevelser eller føle ting slik mennesker gjør. De skiller mellom fenomenal bevissthet – om det faktisk føles som noe – og access consciousness, som handler om funksjoner som rapportering, kontroll og resonnering.

Det skillet er viktig, for ellers havner diskusjonen rett i grøfta. Hvis en modell kan rapportere en intern tilstand, bruke den i resonnering og la den styre handlinger, er det en sterk funksjonell egenskap. Men det er ikke det samme som å vite om modellen har en indre opplevelse. Her bør vi tåle to tanker samtidig.

Den ene tanken er at dette er mer enn tom antropomorfisme. Forskerne viser konkrete inngrep: bytt spider til ant, og svaret endrer seg. Bytt France til China, og flere ulike svar følger etter. Det er ikke bare poesi om «maskiner som tenker». Det er kausale tester i et nevralt nettverk.

Den andre tanken er at ord som «arbeidsrom», «tanker» og «bevisst tilgang» kan lure oss. En språkmodell kan produsere erfaringsspråk uten å ha erfaringer. Anthropic viser faktisk at når J-space ablateres, blir slike beskrivelser flatere og mer mekaniske – også når modellen beskriver andre enn seg selv. Det peker mot en språklig evne, ikke nødvendigvis en opplevelse.

Hvorfor betyr dette noe for AI-brukere?

Dette betyr at AI-modeller ikke bare bør vurderes etter svaret på skjermen. Anthropic viser at et lite internt rom kan bære mellomsteg, mistanker og planer som aldri skrives ut. For en vanlig bruker er poenget enkelt: et pent svar er ikke alltid hele historien.

Hvis du bruker Claude til research, kode, dokumentanalyse eller agentarbeid, er dette relevant fordi fremtidige verktøy kan gi bedre innsyn i hvorfor modellen gjør som den gjør. Ikke nødvendigvis ved å vise en romantisk «tankestrøm», men ved å varsle når modellen internt registrerer noe som injection, manipulation, fake eller andre røde flagg.

Det er også en påminnelse om at AI-sikkerhet ikke bare handler om å be modellen forklare seg etterpå. Forklaringen kan være nyttig, men den er fortsatt tekst. Interpretability prøver å gå nærmere mekanikken. Det har jeg mer tro på enn moralske formaninger limt på toppen av en modell og håp om at alt ordner seg.

En naturlig intern lenke her er Claude Mythos på psykiaterens sofa, fordi den også handler om hvor vanskelig det er å snakke presist om modeller, personlighet og opplevelse. J-space-forskningen gjør ikke Claude menneskelig. Den gir oss et bedre mikroskop.

Ofte stilte spørsmål