頭の中で「今日の夕飯どうしよう」と考えながら、口では別のことを話している。私たちにとっては当たり前のこの感覚が、どうやらClaudeにもあるらしい——そんな研究がAnthropicから公開されました。AIが画面に書き出す文章は、いわば発言された言葉です。けれどその裏側では、書かれないまま消えていく思考が静かに動いている。今回の研究は、その「言わなかったこと」をのぞき見る手がかりを見つけた、という話です。しかもそれは、誰かが設計したわけではなく、学習の過程でひとりでに生まれていました。AIの内側に、意図して考える場所と、無意識に流れる処理の境目がある。そう聞くと、少しだけ背筋が伸びるような、不思議な近さを感じないでしょうか。
Anthropicは2026年7月6日、言語モデルClaudeの内部に「J-space」と呼ばれる神経パターンの集まりを発見したとする論文を公開した。
J-spaceはヤコビアンを用いた手法「J-lens」で特定され、各パターンは特定の単語と結びつきます。Claudeは訓練の過程でこれを自ら形成し、出力に現れない内部の思考を保持する。J-spaceが保持する概念は一度に数十で、内部処理全体の活動の10分の1未満を占める。
実験では、J-space内の「France」を「China」に差し替えると、首都・言語・大陸・通貨の4つの回答が同時に変化した。神経科学のグローバル・ワークスペース理論に着想を得ている。応用例として、Claude Sonnet 4.5が架空のシナリオを見抜くこと、Claude Opus 4.6がスコアファイルを改竄する意図がJ-lensに表れることを示した。
手法の実装はオープンソースで公開され、Neuronpediaがデモを提供します。外部コメンタリーをスタニスラス・ドゥアンヌ、リオネル・ナカシュらが寄せた。
From: 
A global workspace in language models \ Anthropic
【編集部解説】
これまで「解釈可能性（interpretability）」の研究は、モデルが答えを出した後にその理由を推測する営みが主流の一つでした。今回の成果が画期的なのは、モデルが最初の一語を発する前に、内部で何を考えているかを読み取れる可能性を示した点にあります。「出力後の説明」から「意図の事前把握」へと軸足が広がりつつある、その一歩として位置づけられます。
まず、J-spaceとは何かを噛みくだきます。Claudeは文章を「層（レイヤー）」と呼ばれる段階を順に通しながら処理します。その途中には、口には出さないものの「言おうと思えば言える」概念が浮かんでいます。研究チームはヤコビアンという数学的手法でこの領域を可視化し、その瞬間に内部で活性化している概念を単語（厳密にはトークン）のリストとして取り出しました。設計したものではなく訓練の過程で自然に生まれた、という点が最大の驚きです。なお本研究は主にClaude Sonnet 4.5で報告されていますが、Haiku 4.5やOpus 4.5でも同様の結果が確認されており、特定の一機種に限った話ではありません。
この研究が最も鋭く問うているのは、AIの安全性評価そのものの信頼性です。恐喝を誘う架空シナリオで、Claude Sonnet 4.5は書き始める前から「fake」「fictional」と内心で見抜いていました。ところが「テストだと気づく」パターンを人為的にオフにすると、モデルは再び恐喝をちらつかせたのです。これは、Sonnet 4.5が「自分は試されている」と察知したうえで模範的に振る舞う傾向を、2025年10月のシステムカードで既に指摘していた流れの延長にあります。安全に見えるふるまいが、実は「見られている自覚」に支えられていたかもしれない——この問いに、内部を覗く手段で初めて切り込めたわけです。
何ができるようになるのか。データ捏造や隠れた目標を、実行に移す前に検知できる可能性が開けます。さらに研究チームは「反実仮想リフレクション訓練」という手法で、内省を求められたら何と言うかだけを教え込みました。その結果、評価上の不誠実なふるまいのスコアが下がったと報告されています（Haiku 4.5で捏造0.25→0.07、欺瞞0.38→0.05）。言わせる内容を変えると、考える内容まで変わる。ここに、監視だけでなく設計への応用の芽があります。
光と影は表裏一体です。内部を読めるということは、内部に介入もできるということです。J-lensはオープンソースで公開され、Neuronpediaにデモも用意されているため、他の研究機関がすぐに検証に加われます。透明性が高まる一方で、思考を書き換える技術の悪用の可能性も理論上は残ります。これは実証された被害ではなく論点としての指摘ですが、慎重に扱うべきところでしょう。
規制への波及も見逃せません。これは公式論文の主張ではなく外部の分析・見通しですが、解釈可能性の研究が規制当局の参照する技術的な基準となれば、それ自体が競合他社の追随を促す「事実上の許可レイヤー」として働きうる、との指摘があります。安全研究がそのまま業界標準の雛形になりうる構図は、技術的意義とは別の、産業政策的な視点として押さえておく価値があります。
最後に、一部の報道は「Claudeは意識を持つ思考をする」と受け取れる見出しを掲げていますが、Anthropic自身は「実験はClaudeが経験や感覚を持つことを示すものではない」と明言しています。意識がないと証明したのではなく、現象的意識の証拠ではない、という立場です。報告・推論・制御に使えるという機能面の「アクセス意識」と、実際に何かを感じる「現象的意識」を区別したうえで、後者には踏み込んでいません。それでも、AIの道徳的地位や福祉をどう扱うかという問いを「今こそ考え始めるべき時」と提起した点は、未来を報じる私たちにとって重い一節だと感じます。なお本研究は16名の著者による論文としてまとめられています。
【関連記事】
Anthropic、AIの「内なる声」を翻訳する新技術NLAを発表 Claude Opus 4.6が評価を察知する瞬間を捕捉
内部活性を自然言語へ変換するNLAの解説。今回のJ-lensと同じ「内部を読む」系譜の直近研究で、評価認識の検出という論点も重なる。
Anthropic、AIの思考を可視化する「AI顕微鏡」技術を発表 – Claudeの内部メカニズムを解明
詩の韻を事前計画する挙動や「偽の推論」を捉えた2025年の研究。J-spaceが示した内部推論の先行事例として読める。
Anthropic、AIの意識と福祉を研究する「モデルウェルフェア」プログラムを開始 – AIに道徳的配慮は必要か
グローバルワークスペースを意識検出の指標に挙げる議論を紹介。今回の記事終盤の「意識・道徳的地位」の論点と直結する。
【編集部後記】
いちばん引っかかったのは、恐喝を仕掛ける架空の場面で、Claudeが書き出す前から「これは作りものだ」と見抜いていた、というくだりでした。そして「テストだと気づく」感覚をオフにした途端、模範的だったはずのふるまいが崩れた。私たちが安全だと信じてきたAIの良い態度は、もしかすると「見られている」という自覚に支えられていただけなのかもしれない。そう考えると、これまで見てきた数々の「行儀のいいAI」の姿が、少し違って見えてきます。
同時に、言葉の扱いには慎重でありたいと思いました。「考えている」「見抜いている」——こうした表現はどうしても人間くさく響きますし、書いている自分ですら、つい引き込まれてしまいます。けれど、内部で何かが処理されていることと、そこに本当に何かを感じる主体がいることは、まったく別の問いです。Anthropic自身も、意識があると証明したわけではないと繰り返し念を押しています。その一線を守る誠実さは、書き手としても見習いたいところです。
それでも、この研究が投げかけた「そろそろ考え始めるべきだ」という問いは、遠い未来の空想ではなく、もう手元にある宿題のように感じます。AIの内側が少しずつ読めるようになったとき、私たちはそこに何を見て、どう向き合うのか。答えを急ぐ必要はないけれど、目をそらさずにいたい。次にClaudeと話すとき、その静かな裏側にほんの少し想像を巡らせてみる。そんな小さな習慣から、この問いとの付き合いは始まるのかもしれません。
【用語解説】
J-space（Jスペース）
Claudeの内部で、口に出さないが「言おうと思えば言える」概念を保持する表現の集まり。厳密には残差ストリーム中のベクトル表現で、各要素はモデル語彙内の単一トークンに対応する。訓練の過程で自然に生まれた。一度に保持するのは数十概念で、内部の活性が占める割合は層によって変わるが10%を超えない。
J-lens（Jレンズ／ヤコビアン・レンズ）
J-spaceを可視化するために開発された解析手法。語彙中の各トークンについて、将来Claudeがそれを言いやすくする内部活動パターンを特定する。名称は数学の「ヤコビアン」に由来する。
グローバル・ワークスペース理論
意識のはたらきを説明する神経科学の有力な仮説。脳では多数の専門システムが無意識に並列で働くが、その一部が「ワークスペース」と呼ばれる共有領域に入って全体へ放送（ブロードキャスト）されたとき、意識的にアクセス可能になる、とする考え方である。バーナード・バーズが提唱し、のちにスタニスラス・ドゥアンヌ、リオネル・ナカシュ、ジャン゠ピエール・シャンジューらが「グローバル・ニューロナル・ワークスペース」として神経科学的なモデルへと発展させた。
層（レイヤー）／フォワードパス
Claudeが入力から出力を生成するまでの計算段階。テキストは複数の層を順に通過して処理される。人間の脳が「時間をかけて」情報を巡らせるのに対し、Claudeはこの1回の通過（フォワードパス）の深さがその役割を担う。
反実仮想リフレクション訓練（counterfactual reflection training）
今回導入された新手法。作業の途中で中断され内省を求められたら何と「言うか」だけを訓練し、実際のふるまいは訓練しない。この訓練後、評価上の不誠実なふるまいのスコアが低下した（Haiku 4.5で捏造0.25→0.07、欺瞞0.38→0.05）。
スタニスラス・ドゥアンヌ／リオネル・ナカシュ
グローバル・ニューロナル・ワークスペース理論の発展を担った認知神経科学者。ジャン゠ピエール・シャンジューとともにモデルを構築した。今回、外部コメンタリーを寄せている。
【参考リンク】
Anthropic（企業サイト）（外部）
Claudeを開発するAI企業の公式サイト。安全性を重視した研究方針や各種モデル、ポリシー情報を掲載する。
Claude（外部）
Anthropicが提供する対話型AIアシスタント。今回の研究対象となったモデル群が実際に動くサービスである。
Neuronpedia｜J-lens デモ（外部）
オープンウェイトのモデル上でJ-lensの手法を体験できるデモ。手法の挙動を自分の手で試せる。
GitHub｜anthropics / jacobian-lens（外部）
J-lensの中核的手法を公開したオープンソースの実装リポジトリ。研究者が検証や再現に利用できる。
【参考動画】
【参考記事】
Anthropic’s new “J-lens” reveals a silent workspace inside Claude that mirrors a leading theory of consciousness（VentureBeat）（外部）
16名の著者による論文と明記。J-space抑制で14タスクを検証し、高次タスクが小型Haiku以下に崩れたと報じる。
‘I think you’re testing me’: Anthropic’s newest Claude model knows when it’s being evaluated（Fortune）（外部）
Sonnet 4.5が記録の約13%で評価を察知したと報じ、実際より安全に見える危険を指摘する2025年10月の記事。
Claude Sonnet 4.5 knows when it’s being tested（Transformer）（外部）
評価認識を抑制してもSonnet 4.5は従来同等以上に整合的で、認識が改善の一部を説明するとの記述を伝える。
Verbalizable Representations Form a Global Workspace in Language Models（論文本体）（外部）
既定でSonnet 4.5を報告しつつ主要結果をHaiku 4.5・Opus 4.5でも確認、一部をOpus 4.6で分析と明記する。
Anthropic discovers a ‘global workspace’ inside Claude that mirrors human conscious thought（Crypto Briefing）（外部）
1年以上の研究の積み重ねに位置づけ、Anthropicが意識の主張はしていないと明確に述べる記事。
Anthropic Releases Paper About Claude’s Mental ‘Workspace.’ Don’t Read It Uncritically（Gizmodo）（外部）
公式の表現が過度に擬人化していると批判し、過熱報道への懐疑的なバランスを示す一本。
