- Anthropic ha isolato il "J-space", uno spazio interno a Claude che ospita i concetti attivi su cui il modello sta effettivamente ragionando, pari a meno del 10% della sua attività totale.
- Tramite la tecnica J-lens, i ricercatori hanno modificato direttamente i concetti dentro il J-space (es. cambiando la parola di una rima), dimostrando che l'AI genera le risposte basandosi esattamente su quello spazio.
- La struttura ricorda la teoria del global workspace del cervello umano, ma Anthropic avverte: questa scoperta non dimostra che il modello provi qualcosa o abbia una propria coscienza.
Meno del 10%. È questa la minuscola porzione di attività interna a cui Claude, il modello linguistico di Anthropic, ha accesso in un dato momento secondo la ricerca pubblicata dall’azienda il 6 luglio 2026. Il resto, la stragrande maggioranza dei calcoli che il modello compie a ogni token generato, avviene in un’oscurità computazionale che nemmeno l’intelligenza artificiale stessa può riportare o descrivere.
J-space e J-lens: cos’è e come funziona la scoperta di Anthropic
Il team di interpretabilità di Anthropic ha isolato quello che chiamano J-space: uno spazio interno piccolo e privilegiato che in un dato istante contiene solo poche decine di concetti attivi.
Per trovarlo hanno sviluppato una tecnica chiamata J-lens (Jacobian lens), che misura quanto ogni attivazione intermedia del modello influenza la probabilità del token finale, individuando così quali rappresentazioni contano davvero per la risposta che sta per arrivare.
La differenza rispetto al resto della rete neurale non è di quantità, ma di ruolo: i concetti dentro il J-space sono quelli che Claude può “riportare” se gli si chiede a cosa sta pensando e su cui si appoggia per il ragionamento a più passaggi. Il resto dell’attività della rete, per quanto massiccio, resta un processo automatico che il modello non ha modo di ispezionare su richiesta. Come accennato, meno del 10% dell’attività totale passa da questo spazio: un rapporto che i ricercatori accostano esplicitamente alla teoria del global workspace della neuroscienza.
L’esperimento sulle rime: la prova che Claude usa il J-space
Il punto debole di molte scoperte di interpretabilità AI è che si limitano a correlazioni: si osserva un pattern, ma non si dimostra che serva a qualcosa. Anthropic ha aggiunto esperimenti di intervento diretto per superare questo problema.
Nel caso della composizione di rime, i ricercatori hanno individuato la parola in rima pianificata dentro il J-space e l’hanno sostituita con un’altra: il verso successivo generato da Claude è cambiato di conseguenza, seguendo la nuova parola imposta. Lo stesso schema è stato ripetuto su domande fattuali concatenate (capitale, lingua, continente e valuta di uno stesso paese), mostrando che il secondo passaggio di ragionamento legge davvero dal contenuto del J-space, non da un processo parallelo indipendente.
La teoria del “Global Workspace”: l’AI di Anthropic è cosciente?
Il parallelo che l’azienda stessa traccia è con la teoria del global workspace, un modello della coscienza proposto in neuroscienza da Bernard Baars: pochi contenuti alla volta vengono trasmessi a un palcoscenico condiviso mentre il resto del cervello lavora dietro le quinte, in automatico.
È un’analogia strutturale, non una prova. Anthropic scrive esplicitamente che la scoperta non risolve il dibattito sulla possibile esperienza soggettiva di un modello, e segnala da sola i limiti del proprio metodo: il J-lens cattura solo concetti che corrispondono a singoli token, e resta del tutto ignoto quale meccanismo interno decida cosa entra nel J-space e cosa ne resta fuori.
Sicurezza e allucinazioni: l’utilità pratica del J-space
La ricaduta pratica più concreta riguarda la sicurezza. Se un piccolo spazio interno concentra i concetti su cui il modello ragiona davvero, diventa un punto d’osservazione privilegiato per capire quando un modello sta valutando di essere sotto test (il problema noto come eval-awareness), quando sta per generare un’informazione inventata, o quando il suo comportamento si discosta dalle intenzioni dichiarate, un tema critico visto che l’AI risulta ancora meno affidabile persino dei social network — o
Anthropic collega esplicitamente questo lavoro a un caso precedente, lo scenario di ricatto simulato studiato a maggio 2026 con la tecnica dei Natural Language Autoencoders, applicando ora uno strumento causale più preciso per capire cosa succedeva davvero dentro il modello in quella simulazione.
L’interpretabilità dei modelli: capire l’AI dall’interno
Anthropic mantiene un team di interpretabilità dedicato da tempo a capire cosa succede dentro i suoi modelli, non solo a misurarne le prestazioni all’esterno o a regolarne l’accesso, come fatto di recente con le nuove policy di Claude Code. Le ricerche precedenti si erano concentrate soprattutto su singole caratteristiche nascoste nei neuroni della rete e su come tracciare i passaggi di ragionamento attraverso circuiti interni ricostruiti a posteriori.
Il J-space segna un salto di scala: invece di isolare singole caratteristiche o singoli circuiti, individua una struttura organizzativa che attraversa l’intero modello, un livello di descrizione più vicino a “come funziona la mente di Claude nel suo insieme” che a “cosa fa questo singolo neurone”.
Per gli addetti ai lavori, la parte più affascinante è che la scoperta sia arrivata senza che nessuno l’avesse progettata. Nessuno ha scritto nel codice di addestramento “crea uno spazio di lavoro condiviso”: è una struttura emersa da sola durante il training, proprio come il ragionamento in più passaggi o la capacità di seguire istruzioni complesse. È un promemoria di quanto resti ancora da capire su sistemi che già usiamo ogni giorno.
Il futuro della ricerca AI: verso modelli open-weight come Llama
Anthropic ha reso pubblico sia il codice del J-lens sia una demo interattiva, un segnale chiaro: l’azienda vuole che altri laboratori mettano alla prova il risultato.
Un lavoro accademico collegato, pubblicato pochi giorni dopo su Communications of the ACM, applica una logica di intervento simile (la cosiddetta causal abstraction) su un modello open-weight di Llama nel progetto Arithmetic in the Wild di Goodfire. Questo è un primo segnale che l’idea di uno spazio di lavoro interno potrebbe non riguardare solo l’architettura di Claude.
Nel frattempo, resta la domanda che gli stessi autori pongono in chiusura del paper: prima ancora di avere una risposta certa, vale la pena discutere pubblicamente della possibilità che sistemi come questo abbiano una qualche forma di esperienza? Non è una domanda a cui la tecnologia da sola può rispondere ed è per questo che Anthropic, già al centro del delicato dibattito sull’uso dell’intelligenza artificiale per scopi militari e governativi, ha scelto di porla apertamente.
Cos’è il J-space di Claude?
È un piccolo spazio interno che Anthropic ha isolato dentro Claude, individuato con una tecnica chiamata J-lens. In un dato momento contiene solo poche decine di concetti attivi, meno del 10% dell’attività totale del modello. Claude può riportare cosa contiene e lo usa per il ragionamento a più passaggi, mentre il resto dell’attività della rete resta un processo automatico che il modello non può ispezionare su richiesta.
Il J-space dimostra che Claude è cosciente?
No, e Anthropic lo dice esplicitamente nella ricerca. Il parallelo con la teoria del global workspace della neuroscienza è strutturale, non una prova di esperienza soggettiva. I ricercatori stessi segnalano i limiti del proprio metodo e chiudono il paper suggerendo di discutere pubblicamente della possibilità, non di averla dimostrata.
Cos’è il J-lens e come funziona?
È la tecnica sviluppata da Anthropic per individuare il J-space. Misura, per ogni token del vocabolario, quanto un’attivazione intermedia del modello influenza la probabilità che quel token venga generato alla fine. Le attivazioni con l’effetto più forte formano il J-space. Il metodo cattura solo concetti corrispondenti a singoli token, un limite che gli autori riconoscono apertamente.
Il J-space esiste anche in altri modelli AI oltre Claude?
Non è ancora confermato in modo sistematico. Un lavoro accademico collegato, pubblicato pochi giorni dopo su Communications of the ACM, applica una logica di intervento simile su un modello Llama open-weight nel progetto Arithmetic in the Wild di Goodfire, un primo segnale che l’idea potrebbe non essere esclusiva dell’architettura di Claude.
