Anthropic: Το Claude διαθέτει «χώρο σκέψης» –Η ανακάλυψη που αλλάζει όσα γνωρίζουμε για Τεχνητή Νοημοσύνη

Η Anthropic υποστηρίζει ότι εντόπισε έναν εσωτερικό μηχανισμό επεξεργασίας πληροφοριών, διαφορετικό από το ορατό reasoning του Claude, ανοίγοντας ένα νέο πεδίο έρευνας γύρω από τη λειτουργία των μεγάλων γλωσσικών μοντέλων.

Η προσπάθεια να κατανοήσουμε πώς ακριβώς «σκέφτονται» τα μεγάλα μοντέλα τεχνητής νοημοσύνης έκανε ένα ακόμη σημαντικό βήμα. Η Anthropic, δημιουργός του μοντέλου Claude, παρουσίασε νέα επιστημονική έρευνα σύμφωνα με την οποία κατάφερε να εντοπίσει έναν διακριτό εσωτερικό χώρο επεξεργασίας πληροφοριών, στον οποίο το μοντέλο οργανώνει έννοιες, σχεδιάζει στρατηγικές και πραγματοποιεί υπολογισμούς χωρίς να εκφράζει αυτή τη διαδικασία στις απαντήσεις που δίνει στους χρήστες.

Η ανακάλυψη συνοδεύεται από επιστημονική δημοσίευση και τεχνική παρουσίαση και ήδη προκαλεί έντονο ενδιαφέρον στην κοινότητα της τεχνητής νοημοσύνης, καθώς ενισχύει την προσπάθεια κατανόησης των εσωτερικών μηχανισμών των σύγχρονων AI συστημάτων.

Τι είναι το J-Space

Η Anthropic ονομάζει αυτόν τον μηχανισμό J-Space, από τη μαθηματική μέθοδο Jacobian που χρησιμοποιήθηκε για την ανίχνευσή του.

Σύμφωνα με την εταιρεία, πρόκειται για έναν εσωτερικό «χώρο εργασίας» όπου το Claude διατηρεί και επεξεργάζεται αφηρημένες έννοιες, πολύ πριν αυτές μετατραπούν σε φυσική γλώσσα.

Το J-Space διαφέρει ουσιαστικά από το γνωστό Chain of Thought, δηλαδή τη διαδικασία κατά την οποία ένα μοντέλο παρουσιάζει βήμα προς βήμα τη συλλογιστική του όταν του ζητηθεί να εξηγήσει πώς κατέληξε σε μια απάντηση.

Η Anthropic υποστηρίζει ότι το μεγαλύτερο μέρος της πραγματικής επεξεργασίας δεν εμφανίζεται ποτέ στον χρήστη.

Ένας «σιωπηλός» μηχανισμός σκέψης

Η έρευνα δείχνει ότι το Claude μπορεί να σχεδιάζει εσωτερικά τις επόμενες κινήσεις του, να αναγνωρίζει μοτίβα, να εντοπίζει σφάλματα σε κώδικα ή να επεξεργάζεται οπτικές πληροφορίες χωρίς αυτές οι διεργασίες να αποτυπώνονται στις τελικές του απαντήσεις.

Σε ένα χαρακτηριστικό πείραμα, οι ερευνητές ζήτησαν από το Claude να αντιγράψει μια άσχετη πρόταση, ενώ παράλληλα του έδωσαν την οδηγία να «σκέφτεται» τη Γέφυρα Golden Gate.

Παρότι η τελική απάντηση περιείχε αποκλειστικά την αντιγραφή της πρότασης, η ανάλυση του J-Space αποκάλυψε ότι έννοιες όπως «γέφυρα», «Καλιφόρνια» και συναφείς γεωγραφικές αναπαραστάσεις παρέμεναν ενεργές στο εσωτερικό του μοντέλου.

Με άλλα λόγια, το Claude φαίνεται να μπορεί να διατηρεί πολλαπλές εσωτερικές αναπαραστάσεις ταυτόχρονα, ακόμη κι όταν αυτές δεν εκφράζονται λεκτικά.

Μοιάζει με ανθρώπινη σκέψη;

Η Anthropic αποφεύγει να ισχυριστεί ότι το Claude διαθέτει συνείδηση.

Ωστόσο, οι ερευνητές σημειώνουν ότι η ύπαρξη ενός ανεξάρτητου εσωτερικού χώρου επεξεργασίας παρουσιάζει ορισμένες λειτουργικές αναλογίες με τον τρόπο που ο ανθρώπινος εγκέφαλος διατηρεί σκέψεις και πληροφορίες στο παρασκήνιο, χωρίς αυτές να μετατρέπονται απαραίτητα σε λόγο ή συνειδητή έκφραση.

Το γεγονός αυτό αναζωπυρώνει τη συζήτηση γύρω από τη λεγόμενη μηχανική συνείδηση, αν και η ίδια η εταιρεία επισημαίνει ότι σήμερα δεν υπάρχει επιστημονικά αποδεκτός ορισμός ούτε για τη συνείδηση των μηχανών ούτε για την Τεχνητή Γενική Νοημοσύνη (AGI).

Η έρευνα, επομένως, δεν αποτελεί απόδειξη ότι ένα σύστημα AI «σκέφτεται» όπως ένας άνθρωπος, αλλά προσφέρει νέα στοιχεία για τον τρόπο με τον οποίο οργανώνει εσωτερικά τις πληροφορίες του.

Ένα νέο εργαλείο για την ασφάλεια της AI

Πέρα από το ακαδημαϊκό ενδιαφέρον, η Anthropic θεωρεί ότι το J-Space μπορεί να εξελιχθεί σε ένα σημαντικό εργαλείο ελέγχου της ασφάλειας των μεγάλων γλωσσικών μοντέλων.

Σύμφωνα με την εταιρεία, η παρατήρηση των εσωτερικών αναπαραστάσεων επιτρέπει στους ερευνητές να εντοπίζουν περιπτώσεις όπου ένα μοντέλο ενδέχεται να αποκρύπτει πραγματικές προθέσεις ή να ακολουθεί διαφορετική στρατηγική από αυτή που εμφανίζεται στις τελικές απαντήσεις.

Σε πειραματικό μοντέλο που είχε εκπαιδευτεί σκόπιμα να εισάγει κακόβουλο κώδικα, το J-Space εμφάνιζε από τα πρώτα στάδια έννοιες όπως «deception», «hidden», «fake» και «sabotage», παρότι η απάντηση που παρήγαγε έμοιαζε απολύτως φυσιολογική.

Η δυνατότητα αυτή θα μπορούσε μελλοντικά να λειτουργήσει ως ένας «ανιχνευτής προθέσεων», προσφέροντας έναν νέο τρόπο αξιολόγησης της ευθυγράμμισης (alignment) των συστημάτων τεχνητής νοημοσύνης.

Ένα νέο παράθυρο στο «μαύρο κουτί» της AI

Η λειτουργία των μεγάλων γλωσσικών μοντέλων εξακολουθεί να αποτελεί ένα από τα μεγαλύτερα επιστημονικά μυστήρια της εποχής. Παρότι οι επιδόσεις τους βελτιώνονται με εντυπωσιακούς ρυθμούς, ο τρόπος με τον οποίο καταλήγουν στις απαντήσεις τους παραμένει σε μεγάλο βαθμό αδιαφανής.

Η προσέγγιση της Anthropic επιχειρεί να ανοίξει αυτό το «μαύρο κουτί», επιτρέποντας στους ερευνητές να παρακολουθούν όχι μόνο τι λέει ένα μοντέλο, αλλά και πώς οργανώνει εσωτερικά τις πληροφορίες πριν μιλήσει.

Εάν η μεθοδολογία αυτή επιβεβαιωθεί και από ανεξάρτητες ερευνητικές ομάδες, θα μπορούσε να αποτελέσει μία από τις σημαντικότερες εξελίξεις στην ερμηνευσιμότητα (interpretability) της τεχνητής νοημοσύνης, συμβάλλοντας τόσο στην κατανόηση όσο και στην ασφαλέστερη ανάπτυξη των επόμενων γενεών AI.

New Anthropic research: A global workspace in language models.

Of everything happening in your brain right now, only a tiny fraction is consciously accessible—thoughts you can describe, hold in mind, and reason with.

We found a strikingly similar divide inside Claude. pic.twitter.com/aLUPBifxth

— Anthropic (@AnthropicAI) July 6, 2026

Πηγή: pagenews.gr