当AI被命令「不要想紫色大象」时，它反而会调出这个概念——Anthropic最新研究揭示了Claude大模型内部的「公共黑板」机制。这块被称为J-space的认知区域，不仅提前承载着模型未说出口的中间概念，更会像人类思维般因否定指令强化特定联想。

现在，请你不要去想一头紫色的大象。

不要想它站在教室后门。

不要想它挡住了值日生擦黑板。

也不要想它身上是那种离谱的紫色。

好了。

你刚刚大概率已经想到了它。

这件事很有意思：明明指令是“不要想”，但你的大脑要执行这条指令，反而必须先把那个东西调出来。

你要确认自己有没有想“紫色大象”，就得先知道“紫色大象”是什么。

这也是 Anthropic 最近一篇研究里，最让人后背一凉的地方：

他们发现，Claude 这样的 LLM，Large Language Model（大语言模型）内部，似乎也有一块类似“黑板”的区域。

模型还没说出口的某些念头，可能已经被写在了那里。

一、我们并不是大脑的班主任

很多时候，我们以为自己是大脑的主人。

但真实情况可能更像这样：

我们并不是大脑的班主任，更像是坐在教室里的学生。原本还在发呆，突然看见黑板上被写下了几个字，才意识到：哦，原来今天要讲这个。

人脑的大量运算，其实都发生在后台。

比如：

你看一道语文阅读题，不需要逐个分析每个字，脑子已经知道这是一篇散文还是议论文。

你听到走廊里熟悉的脚步声，不用认真比对，就能猜到是不是班主任来了。

你走进食堂，还没想清楚吃什么，身体已经自动带你往最熟的窗口走。

大脑早就替你做完了很多判断。

只有其中一小部分，会被推到台前，像写到黑板上的板书一样，变成你能清楚意识到、能说出来、能拿来反复思考的东西。

这块“黑板”，就是理解这篇论文的关键。

二、Anthropic 找到了一块模型里的“黑板”

Anthropic 这篇论文研究的是 Claude 内部的表示机制。

研究者发现，Claude 内部似乎存在一个特殊空间，他们把它叫做 J-space。

你可以先不用记这个名字。

只需要把它理解成：模型内部的一块“公共黑板”。

它不是模型最后输出的话。

也不是我们看到的 CoT，Chain of Thought（思维链）。

它更像是模型还没说出口，但已经在内部摆上台面的概念。

举个例子。

研究者问 Claude：

会织网的动物有几条腿？

Claude 最后只回答了一个数字：

8

但在它内部，研究者看到一个中间概念先出现了：spider，也就是蜘蛛。

这就像你做一道生物小题，最后答案栏只写了“8”，但你脑子里其实先闪过了“蜘蛛”这个关键词。

你没把它写在卷子上。

但它确实参与了你的解题。

更关键的是，研究者不只是看见了这个词。

他们还直接动手改了它。

他们把 Claude 内部的 spider 换成 ant，也就是蚂蚁。

结果 Claude 的答案从 8 变成了 6。

这一步非常重要。

因为如果这个内部概念只是一个旁观记录，那么你改它，模型答案不应该变。

但答案真的变了。

这说明那个没说出口的“蜘蛛”，不是事后解释，也不是无关信号，而是真的参与了推理。

三、一个关键词，能带动一整套答案

再看另一个实验。

研究者让 Claude 回答关于法国的问题，比如：

• 首都是什么？
• 说什么语言？
• 属于哪个洲？
• 货币是什么？

在这些题里，Claude 内部会出现“法国”这个概念。

然后研究者把这个内部概念换成“中国”。

结果很有意思：

• 首都变成北京。
• 语言变成中文。
• 大洲变成亚洲。
• 货币变成人民币。

这就像一道地理综合题。

题干里的核心国家一旦从法国换成中国，后面一整串知识点都会跟着变。

这说明 J-space 里的概念不是一张一次性小纸条。

它更像黑板上的关键词。

一个关键词被写上去之后，语文老师、地理老师、历史老师都可以围绕它继续讲。模型内部的不同能力，也都可以读取它、使用它、继续推理。

四、这和“意识”有什么关系？

这里就要引入一个认知科学里的概念：

GWT，Global Workspace Theory（全球工作空间理论）。

这个理论大概是说：人脑里有大量自动运行的模块。

• 视觉系统处理图像。
• 语言系统处理词句。
• 运动系统维持姿态。
• 记忆系统不断联想。

它们平时各干各的。

但当某个信息进入一个共享的 workspace，它就会变得特别。

它像被写上了全班都能看到的黑板：

• 你能意识到它。
• 你能说出它。
• 你能控制它。
• 你能拿它继续解题。

换句话说，“意识到一个念头”，可能并不是这个念头刚刚产生。

而是它终于被写到了那块全局共享的黑板上。

Anthropic 的研究者认为，Claude 的 J-space 在功能上就有点像这样。

五、AI 也会“不要想就更会想”吗？

最有意思的是，论文里还做了类似“不要想紫色大象”的实验。

研究者让 Claude 不要去想某个东西。

结果发现，那个概念虽然比“请你想它”时弱一些，但还是会明显出现在 J-space 里。

这和人类很像。

比如老师说：

考试的时候，千万不要把这里看成平方。

你本来没想平方。

但他这么一说，“平方”两个字已经出现在你脑子里了。

又比如你做选择题时一直提醒自己：

别选 C，别选 C，别选 C。

结果 C 反而在脑子里越来越显眼。

这背后的逻辑很简单：你要判断自己有没有想它，就必须先把它调出来。

所以，“不要想”有时候反而是一种召唤。

而现在，研究者似乎在 Claude 内部也看到了类似现象。

六、这是不是说明 AI 有潜意识？

这个问题很诱人，但也最容易说过头。

要看我们怎么定义“潜意识”。

如果你说的潜意识是指：一个系统内部有大量自动处理，很多判断在后台完成，只有少数内容会进入一个可报告、可控制、可推理的工作区。

那么，某种意义上，可以说 Claude 已经出现了类似结构。

但如果你说的潜意识是人类那种带着身体、情绪、欲望、创伤、梦境和生命史的深层心理世界，那这篇论文还远远没有证明。

它没有证明 Claude 有主观体验。

没有证明它真的“感觉到”什么。

也没有证明它和人一样拥有自我意识。

所以，这篇论文真正重要的地方，不是证明 AI，Artificial Intelligence（人工智能）有灵魂。

它更像是证明了一件更微妙的事：

当一个智能系统变得足够复杂，它可能会自发长出一种内部结构：一边是大量自动运行、不可直接报告的后台处理；另一边是一小块可以被读取、被操控、被报告、被拿来做复杂推理的内部工作区。

七、对产品经理来说，这意味着什么？

这件事不只是 AI 研究人员该关心。

对产品经理来说，它至少带来三个提醒。

第一，不要只把 LLM 理解成“接下一个词”。

过去我们常说，LLM 只是根据概率预测下一个 token。

这句话不能说错，但已经太粗糙了。

它就像说学生考试只是“在答题卡上涂选项”。

可真正重要的，是他为什么涂这个选项，中间经过了哪些判断，哪些关键词影响了他。

第二，不要过度相信模型说出来的“理由”。

模型最终输出的解释，不一定等于它内部真实起作用的过程。

就像一个学生做对题之后，事后补一句“我是根据排除法做的”，但他真实解题时可能只是看到了某个熟悉题型。

所以在 AI 产品里，解释能力很重要，但解释不等于透明。

第三，提示词里的“不要”，可能并没有你想的那么简单。

如果你在系统提示词里反复强调：

• 不要违规。
• 不要编造。
• 不要输出某类内容。

这些内容也可能被模型内部调出来。

这不代表不能写“不要”，而是说，AI 产品的安全设计不能只靠一句否定指令。它需要更系统的上下文设计、能力边界和行为约束。

结语：我们第一次看见了那块黑板

这篇论文最打动人的地方，不是它宣布 AI 已经像人一样有意识。

恰恰相反，它比较克制。

它真正让人震动的是：模型不只是说出了答案。

在说出答案之前，它可能已经在某个内部空间里，把一些关键词悄悄写上了黑板。

过去，我们只能看到模型最后交上来的答题卡。

现在，研究者似乎第一次比较清楚地看见了它脑子里的那块黑板。

这不等于 AI 已经和人一样有潜意识。

但它说明，我们理解 LLM 的方式，可能要更新了。

它不是一个完全透明的工具。

也不是一个拥有人类心灵的生命体。

它更像是一套正在变得越来越复杂的认知系统。

它有后台。

有台前。

有没说出口的中间概念。

也有一些我们刚刚开始学会观察的内部活动。

而这，也许才是这篇论文真正值得关注的地方。

参考资料：Anthropic Research《A global workspace in language models》

https://www.anthropic.com/research/global-workspace