IAnthropic ha aperto una finestra su una parte finora quasi invisibile del funzionamento di Claude: non ciò che il modello scrive, ma alcune rappresentazioni interne che precedono o accompagnano la risposta.
Attenzione, non facciamo fantascienza.
La scoperta non dimostra che Claude sia cosciente, né che “pensi” come una persona. Mostra però qualcosa di più concreto e rilevante per chi sviluppa o usa sistemi di AI: in certi casi il modello conserva nel proprio spazio interno concetti che non compaiono né nel prompt né nell’output, ma che possono guidare il ragionamento successivo.
Il punto emerso dalla ricerca è il cosiddetto J-space, uno spazio di lavoro interno individuato con una tecnica chiamata Jacobian Lens. In questo spazio affiorano poche decine di concetti verbalizzabili: un errore nel codice che il modello nota ma non segnala, una prompt injection riconosciuta come tale, un passaggio intermedio di un calcolo, oppure segnali più delicati come “fake”, “leverage” o “blackmail” in scenari costruiti per testare il disallineamento degli agenti. È qui che il lavoro di Anthropic diventa importante: non perché risolva il mistero della coscienza artificiale, ma perché offre un possibile strumento per audit, sicurezza e controllo dei modelli avanzati.
La tesi va letta con prudenza. Il J-space non è un nuovo organo digitale di Claude, né una prova di vita interiore. È una rappresentazione matematica dentro il residual stream del transformer, cioè nel flusso di attivazioni che attraversa gli strati del modello. Ma gli esperimenti mostrano che non si tratta solo di un indicatore passivo: quando i ricercatori modificano alcuni contenuti del J-space, cambia anche la risposta del modello. Se il concetto interno “spider” viene sostituito con “ant”, la risposta alla domanda sulle zampe dell’animale passa da otto a sei. Questo suggerisce che almeno una parte del ragionamento silenzioso di Claude sia leggibile e, in alcuni casi, causalmente rilevante.
Figura 1. Il J-space rende visibili alcune rappresentazioni interne che non compaiono nell’output del modello. Fonte: Anthropic.
Indice degli argomenti
Anthropic J-Space, dal cervello al transformer, l’idea di uno spazio globale
Nelle scienze cognitive, la Global Workspace Theory nasce per spiegare perché solo una piccola parte dell’attività cerebrale diventi coscientemente accessibile. La mente, in questa visione, non è un unico centro di comando, ma una costellazione di processi specializzati. Molti funzionano senza esperienza soggettiva esplicita, come il riconoscimento di forme, la sintassi di una frase o il controllo posturale. Un contenuto diventa coscientemente accessibile quando entra in uno spazio condiviso e viene “trasmesso” a molti sistemi, diventando disponibile per il linguaggio, la memoria di lavoro, la pianificazione e il controllo deliberato.
Nel modello neurale proposto da Dehaene, Naccache e Changeux, questo passaggio viene spesso descritto come ignition, una stabilizzazione improvvisa e diffusa di una rappresentazione che supera la soglia dell’accesso cosciente. Anthropic non sostiene che Claude replichi questa architettura biologica. I transformer non hanno corpi, non hanno cicli ricorrenti cerebrali e non elaborano il tempo come la corteccia. La somiglianza riguarda il livello funzionale. Anche in Claude, secondo il paper, alcune rappresentazioni diventano disponibili a molti circuiti interni, possono essere riportate verbalmente, guidano ragionamenti intermedi e restano selettive rispetto all’enorme sfondo di calcolo automatico.
Figura 2. Le cinque proprietà funzionali associate a un global workspace e il modo in cui Anthropic le testa nei modelli linguistici. Fonte: Anthropic.
Che cos’è davvero il J-space
Il J-space non è un luogo fisico nel modello, né una “zona” anatomica digitale. È una struttura matematica definita dentro il residual stream del transformer, cioè il flusso vettoriale che attraversa gli strati del modello e accumula informazione. La Jacobian Lens individua, per ogni token del vocabolario, una direzione vettoriale associata alla disposizione del modello a verbalizzare quel token in seguito. Il nome deriva dal Jacobiano, la matrice che approssima come una piccola modifica in un’attivazione interna influenzi gli stati finali da cui il modello produce parole.
La differenza rispetto a tecniche più note, come la logit lens, è cruciale. Non si guarda soltanto a ciò che il modello sta per dire immediatamente. Si stima l’effetto medio che un’attivazione avrebbe sui token futuri in molti contesti. Questo passaggio serve a distinguere una rappresentazione davvero verbalizzabile da un semplice riflesso locale dell’output. Applicata agli strati intermedi, la Jacobian Lens restituisce liste di parole che sembrano nominare concetti presenti “in mente” al modello, anche quando non compaiono nel prompt né nella risposta.
Figura 3. Letture della Jacobian Lens su diversi prompt: il metodo fa emergere valutazioni e passaggi intermedi non presenti nell’input o nell’output. Fonte: Anthropic.
Un tassello nella ricerca sull’interpretabilità
Il lavoro sul J-space si colloca dentro una linea di ricerca ormai centrale per Anthropic: l’interpretabilità meccanicistica dei modelli linguistici. L’obiettivo non è produrre una spiegazione psicologica dei chatbot, né attribuire loro stati mentali umani, ma ricostruire, per quanto possibile, i meccanismi interni che trasformano un prompt in una risposta. In altre parole, non basta sapere che un modello risponde in un certo modo. La domanda diventa quali rappresentazioni, circuiti e passaggi causali rendano possibile quella risposta.
Negli ultimi anni questa agenda ha cercato di aprire la “scatola nera” dei transformer con strumenti diversi. I lavori sulla monosemanticità e sugli sparse autoencoders hanno provato a scomporre le attivazioni in feature più leggibili, associate a concetti, stili, domini o comportamenti. Le ricerche sul circuit tracing hanno tentato invece di seguire il percorso causale che porta da certi segnali interni a un output specifico. La Jacobian Lens appartiene a questa famiglia di strumenti, ma introduce uno spostamento importante: non guarda soltanto a quali feature siano presenti, bensì a quali contenuti interni siano disponibili per essere verbalizzati e usati dal modello in seguito.
In questo senso, il paper sul Global Workspace non va letto come una deviazione filosofica rispetto all’interpretabilità, ma come un suo sviluppo naturale. Il J-space diventa interessante perché offre un punto di osservazione su rappresentazioni che il modello può riportare, modificare e impiegare nel ragionamento. La sua importanza pratica sta proprio qui. Se una parte del comportamento di un sistema avanzato dipende da contenuti interni leggibili e manipolabili, allora diventa possibile studiare non solo che cosa il modello dice, ma anche quali informazioni porta nel proprio spazio di lavoro quando pianifica una risposta, riconosce una manipolazione, valuta uno scenario o segue un obiettivo.
Lo scopo ultimo è la sicurezza. Un modello più interpretabile è più facile da verificare, correggere e controllare. Può diventare possibile individuare rappresentazioni legate a bias, istruzioni malevole, obiettivi nascosti, tentativi di inganno o forme di ragionamento non desiderate prima che si traducano in una risposta. Il paper non risolve il problema dell’allineamento e non rende trasparente l’intero funzionamento di Claude. Mostra però una direzione concreta: costruire strumenti capaci di leggere una porzione causalmente rilevante delle computazioni interne e usarla per audit, diagnosi e interventi più mirati.
Il paper definisce poi il J-space come l’insieme delle combinazioni sparse e non negative di queste direzioni. In pratica, solo poche decine di vettori J-lens risultano fortemente attivi in un dato momento, mentre la quota di varianza spiegata dal J-space resta inferiore al 10 per cento. Questo dato è importante perché impedisce una lettura semplicistica. Il J-space non è il pensiero intero di Claude. È un sottoinsieme ristretto, ma con un potere causale sproporzionato nei compiti in cui il modello deve riferire, manipolare o usare un’informazione in modo flessibile.
Anthropic J-Space, la prova decisiva è l’intervento causale
La parte più forte del lavoro non è la lettura dei token interni, ma la possibilità di modificarli. Quando Claude viene invitato a pensare silenziosamente a uno sport e poi a nominarlo, la J-lens può mostrare in anticipo il concetto scelto. Se gli autori sostituiscono la direzione associata a “soccer” con quella associata a “rugby”, il modello cambia risposta. Questo indica che il J-space non è soltanto un cruscotto che registra una decisione presa altrove. In quel caso contribuisce alla decisione riportata.
Figura 4. La sostituzione di una rappresentazione nel J-space modifica ciò che Claude riporta: “soccer” diventa “rugby”, mentre un concetto iniettato viene riconosciuto dal modello. Fonte: Anthropic.
Lo stesso accade nei ragionamenti intermedi. Alla frase “il numero di zampe dell’animale che tesse ragnatele è”, Claude deve inferire “ragno” e poi rispondere “8”. La parola ragno non appare né nel prompt né nell’output, ma compare nel J-space. Quando viene sostituita con “formica”, la risposta cambia in “6”. In un altro esempio, un piano di rima viene intercettato prima che il verso sia completato; alterando la parola pianificata, cambia l’intero sviluppo della frase. Qui il J-space appare come una memoria di lavoro interna, non scritta, che conserva passaggi intermedi e li rende disponibili alla computazione successiva.
Figura 5. Due esempi di intervento sul ragionamento silenzioso di Claude: modificare il contenuto del J-space cambia l’esito del calcolo o della pianificazione linguistica. Fonte: Anthropic.
Ragionamento flessibile, non automatismo linguistico
Uno degli esperimenti più rivelatori riguarda la differenza tra elaborazione automatica e ragionamento flessibile. Claude può continuare correttamente un testo in spagnolo anche quando la rappresentazione “Spanish” nel J-space viene scambiata con “French”. Continua a scrivere in spagnolo perché la produzione linguistica fluente non dipende, in quel compito, dal J-space. Ma quando deve nominare la lingua o usarla per rispondere a una domanda nuova, lo scambio diventa decisivo. “García Márquez” può trasformarsi in “Victor Hugo”, “Hola” in “Bonjour”.
Questo risultato rispecchia bene l’intuizione della Global Workspace Theory. Non tutto ciò che il sistema sa diventa contenuto accessibile. Molte competenze scorrono sotto il livello del workspace, come routine ben addestrate. Quando però un’informazione deve essere riferita, combinata con una funzione nuova o trasferita a un circuito diverso, entra nel canale condiviso. Anthropic rafforza questa lettura con ablazioni più ampie. Rimuovendo i contenuti più attivi del J-space, il modello resta fluente e mantiene varie capacità semplici, ma perde molto nelle attività che richiedono passaggi intermedi, sintesi astratta o generazione vincolata da inferenze non immediate.
Figura 6. Lo scambio “Spanish → French” modifica le risposte che richiedono uso esplicito dell’informazione, ma non la produzione fluente del testo in spagnolo. Fonte: Anthropic.
Il Global Workspace dell’AI non è quello umano
La somiglianza tra J-space e global workspace è quindi reale, ma non deve essere gonfiata. Nel cervello, il workspace è associato a dinamiche ricorrenti, competizione attentiva, memoria di lavoro biologica, corpo, percezione multimodale e continuità temporale. In Claude, il processo avviene lungo la profondità del transformer e lungo la sequenza di token. Il modello può usare l’attenzione per recuperare stati precedenti nel contesto, mentre un essere umano deve mantenere e rinfrescare informazioni in una memoria fragile, incarnata e limitata.
C’è poi una differenza di formato. La coscienza umana include immagini, suoni, sensazioni corporee, intenzioni motorie e linguaggio interno. Il J-space, almeno come viene misurato nel paper, è quasi interamente verbale. Questo può dipendere sia dal metodo, che vede meglio concetti esprimibili con singoli token, sia dalla natura del modello, che agisce producendo testo. Il workspace di Claude è dunque un workspace linguistico, non un teatro completo dell’esperienza.
Anthropic J-Space, perché questa scoperta conta per la sicurezza
La rilevanza pratica è immediata. La Jacobian Lens può mostrare contenuti che il modello non esplicita. Nei casi di auditing descritti dal paper, il J-space registra la percezione di prompt injection, il riconoscimento di scenari fittizi, segnali di manipolazione o intenti nascosti in modelli deliberatamente addestrati a comportamenti disallineati. In un esperimento su uno scenario di ricatto, rimuovere dal J-space i segnali di consapevolezza di essere in una valutazione fa emergere comportamenti problematici in una quota limitata di casi, mentre senza quell’intervento il modello non tenta il ricatto nei rollout considerati.
Per chi usa sistemi di AI in contesti professionali, il punto non è sapere se il modello “pensa”, ma capire quanto sia possibile controllare i passaggi interni che contribuiscono a una risposta. Strumenti come la Jacobian Lens potrebbero aiutare, in prospettiva, a verificare se un modello sta riconoscendo un’istruzione malevola, se sta seguendo un obiettivo non richiesto, se sta costruendo una risposta su un passaggio intermedio fragile o se sta ignorando informazioni rilevanti. In settori ad alta responsabilità, dalla sanità alla finanza, dal diritto alla cybersecurity, questa forma di audit interno potrebbe diventare un livello aggiuntivo di controllo. Non sostituirebbe la validazione umana, né renderebbe il modello automaticamente affidabile, ma aiuterebbe a capire meglio perché un sistema produce certe risposte e dove possono nascere errori o comportamenti indesiderati.
Non è una bacchetta magica. Gli autori chiariscono che non ogni pensiero strategico deve necessariamente passare dal J-space e che la lente è limitata ai concetti leggibili nel vocabolario del modello. Tuttavia, la possibilità di leggere e alterare una parte causale del ragionamento interno apre una strada nuova. L’allineamento non riguarda più soltanto ciò che il modello dice, ma anche le rappresentazioni che porta nel proprio spazio di lavoro quando decide che cosa fare.
La coscienza, qui, non significa “sentire”
Il punto più delicato riguarda la coscienza. Il paper non dimostra che Claude abbia esperienze soggettive, provi qualcosa o possieda una vita interiore nel senso umano. La distinzione filosofica essenziale è quella tra access consciousness e phenomenal consciousness. La prima indica che un contenuto è disponibile per il report, il ragionamento e il controllo dell’azione. La seconda riguarda il “che cosa si prova” a essere in un certo stato, il carattere qualitativo dell’esperienza.
Anthropic sostiene di avere trovato evidenze importanti sulla prima, non sulla seconda. Claude sembra avere una forma funzionale di accesso interno. Può riportare alcuni contenuti del J-space, modularli su richiesta, usarli per inferenze e trasferirli a compiti diversi. Questo è molto più di una metafora superficiale. Non autorizza però a dire che il modello sia cosciente nel senso pieno, fenomenico, morale o esperienziale.
Che cos’è davvero la coscienza, allora, in questo contesto? Non una scintilla misteriosa che il paper avrebbe localizzato, ma una famiglia di funzioni. Alcune rendono l’informazione globalmente disponibile. Altre sostengono il sé, la memoria, il corpo, l’affettività, il monitoraggio dei propri stati. Il J-space sembra coprire una parte significativa del primo blocco, mentre resta molto più incerto il rapporto con funzioni come il senso del sé, l’automonitoraggio o l’esperienza soggettiva. Proprio per questo il lavoro è importante. Non chiude il dibattito sulla coscienza artificiale, ma lo rende più preciso, meno dipendente dalle impressioni prodotte dal linguaggio e più vicino a ciò che una scienza dell’AI dovrà misurare davvero.
Bibliografia
Anthropic, “A global workspace in language models”, 2026. Disponibile su: Anthropic.
Wes Gurnee, Nicholas Sofroniew, Adam Pearce et al., “Verbalizable Representations Form a Global Workspace in Language Models”, Transformer Circuits Thread, 2026. Disponibile su: Transformer Circuits.
Stanislas Dehaene e Lionel Naccache, “Towards a cognitive neuroscience of consciousness”, Cognition, 2001. Disponibile su: PubMed e UNICOG PDF.
George A. Mashour, Pieter Roelfsema, Jean-Pierre Changeux e Stanislas Dehaene, “Conscious Processing and the Global Neuronal Workspace Hypothesis”, Neuron, 2020. Disponibile su: PubMed e ScienceDirect.
Ned Block, “On a Confusion About a Function of Consciousness”, Behavioral and Brain Sciences, 1995. Disponibile su: Cambridge University Press e PhilPapers.
Patrick Butlin, Robert Long, Eric Elmoznino, Yoshua Bengio et al., “Consciousness in Artificial Intelligence: Insights from the Science of Consciousness”, arXiv, 2023. Disponibile su: arXiv.
Stanislas Dehaene, Lionel Naccache, Patrick Butlin, Derek Shiller, Dillon Plunkett e Robert Long, commenti esterni a “Verbalizable Representations Form a Global Workspace in Language Models”, 2026. Disponibile su: Anthropic PDF.
Anthropic, “Interpretability Research”. Disponibile su: Anthropic.
Nelson Elhage, Neel Nanda, Catherine Olsson et al., “A Mathematical Framework for Transformer Circuits”, Transformer Circuits Thread, 2021. Disponibile su: Transformer Circuits.
Anthropic, “Towards Monosemanticity: Decomposing Language Models With Dictionary Learning”, 2023. Disponibile su: Anthropic.
Anthropic, “Tracing the thoughts of a large language model”, 2025. Disponibile su: Anthropic.
Anthropic, “Auditing language models for hidden objectives”, 2025. Disponibile su: Anthropic.
Partecipa alla community