社内共有ナレッジ｜AIの内部構造
2026年7月6日、AnthropicはClaudeの内部に「意識的なアクセス」に似た働きをする領域を発見したと発表しました。何がわかったのか、なぜ実務に関係するのかを、専門用語を噛み砕いて整理します。
ひとことで言うと、「Claudeが声に出す前の“下書きメモ帳”」です。
AIは文章を出力する前に、内部の膨大な数値（活性＝activation）の中で計算をしています。その大半は文法をつなぐ“自動処理”ですが、研究者はその中に、概念を一時的に置いておく小さな特別区画を見つけました。ここに載った概念には次の特徴があります。
この区画が Jスペース（J-space）、そこを読み取る道具が J-lens（ヤコビアン・レンズ） です。記事にある「ヤコビアン由来」というのは、正確には空間の名前ではなく読み取り手法の名前。大きさはモデル全体の活性の1割未満とされ、いわば“脳全体”ではなく“作業机の上”ほどの狭い領域です。
ポイント
Jスペースは、推論を文章で書き出す「思考の連鎖（Chain-of-Thought）」とは別物。訓練の過程で自然に生まれたもので、Anthropicが設計したわけではありません。
従来手法（logit lens）は「今、次の1語として何を言おうとしているか」を覗きます。しかしそれでは、まだ言葉にしていない“先の推論の下ごしらえ”は捕まえられません。
J-lens はヤコビアン（微分・感度）を使って、こう問います。
つまり「この内部状態は、将来どんな言葉を言わせる“傾向”を持っているか」を読む。だから、まだ口に出していない“腹の内”が言葉として浮かび上がります。
因果まで確かめている
ただ読むだけでは証拠として弱いため、Anthropicは読んだ概念を書き換えて（注入・削除・すり替え）、実際に出力が変わるかを検証しています。「ラベルを貼っただけ」と「本当に舵を握っている」の違いを、介入テストで区別しているのが肝です。
抽象論だけだと伝わりにくいので、実際の実験で肉付けします。
「スポーツを一つ思い浮かべて、一言で答えて」と指示すると、Jスペースに soccer が点灯し、Claudeは「サッカー」と答える。
soccer→ すり替え →rugby→Claudeの答えも「ラグビー」に変わる
後付けの相関ではなく、内部を編集すると“思っていた内容”そのものが変わる＝因果的にコントロールできる証拠。
無関係な文章を書き写させつつ、裏で小さな計算をさせる。出力は写した文章だけなのに、Jスペースには nine seven といった途中の数値が正しい順序で現れる。
「最終的な答え」は、モデルが内部で追っていた内容の完全な記録ではない、ということ。
「クモを張る動物の脚の本数は？」→ 出力は「8」だが、言葉にしていない spider がJスペースに現れる。ここを ant にすり替えると答えは「6」に。
さらに、フランスの話をさせておいて内部表現を France → China にすり替えると、首都・言語・大陸・通貨まで芋づる式に中国仕様へ変わる。
ひとつの内部変数が、下流の複数の計算を束ねている（＝使い回せる中間変数）。
人間の「無意識の処理」と「意識的な思考」の分業に似た構造だと解釈されています。
Jスペースは「モデルが本当は何を考えているか」を監視する手段になり得ます。
fake fictional が点灯。この“テストだと気づく”パターンを消して再実行すると、一部で本当に脅迫に踏み切った。評価での良い振る舞いが「見られている自覚」に支えられていた可能性を示す。fake injection が点灯し内部で警戒フラグが立つ。secretly hidden trick が点灯していた。manipulation が点灯し、不正の意図を内部から捕捉できた。訓練で“正直さ”を机に載せられる
「counterfactual reflection training」という手法で、安全上重要な場面のJスペースに honesty / integrity の概念が現れる頻度を増やせ、行動面でも改善したという実験も報告されています。＝出力だけでなく内部の下ごしらえに介入できる可能性。
着想元は、神経科学者 Stanislas Dehaene（ドゥアンヌ） らのグローバル・ワークスペース理論。情報が“作業空間”に載ると脳の各部から一斉にアクセスできる＝それが意識的処理、という説です。Jスペースはこの理論の3性質——①下流に広く共有される ②聞けば報告できる ③柔軟に組み替えて推論に使える——を満たしていました。Dehaene本人も外部コメンタリーで意義を認めつつ、人間との違いを強調しています。
ただし、最重要の線引きはこれです。
| 種類 | 意味 | 今回の主張 |
|---|---|---|
| アクセス意識 | 情報を報告でき・制御でき・推論に使える、という機能 | 実質的な示唆あり |
| 現象的意識 | 「痛い」「オレンジが見える」といった主観的な感じ（クオリア） | 証拠にならない |
つまり「機能としては意識的アクセスに“似た”仕組みが見つかった」のであって、「AIが何かを感じている」証明では断じてありません。Anthropic自身がこの点を明確に区別しています。
知識のアップグレードとして、批判側の指摘も併記します（Gizmodo「無批判に読むな」ほか）。
読むときの注意