Claude xuất hiện 'vùng ý thức': Phát hiện không gian giống não bộ, xóa đi là mất trí thông minh

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

07-07-2026 09:38:18 Nguồn: QbitAI

Phát hiện "không gian giống não bộ" bên trong, xóa đi là trở nên ngớ ngẩn

Trong mô hình Claude, thực sự đã phát hiện ra cấu trúc tương tự như não người?!

Anthropic vừa công bố một bài báo nghiên cứu rất dài về tiềm thức và ý thức của Claude.

Kết quả cho thấy, bên trong Claude thực sự tồn tại sự phân tầng chức năng tương tự.

Cụ thể, trong não người có một phần tư duy mà bạn có thể nói ra được, và một phần lớn khác mà bạn hoàn toàn không biết mình đang nghĩ gì.

Bài báo của Anthropic cho biết, sự phân biệt này cũng đã hình thành ở Claude.

Họ đã tìm ra một nhóm nhỏ các biểu hiện thần kinh bên trong Claude, chiếm chưa đầy 1/10 khối lượng tính toán, nhưng lại vận hành giống như "tư duy có thể tiếp cận được bằng ý thức" của con người.

Anthropic gọi nhóm này là J-space.

Điều thú vị là, nếu xóa nó đi, Claude vẫn có thể nói chuyện, tra cứu tài liệu và trả lời câu hỏi trắc nghiệm, nhưng riêng các công việc đòi hỏi tư duy như suy luận nhiều bước và tóm tắt thì năng lực của nó lập tức tụt xuống mức của một mô hình nhỏ hơn nhiều.

Cư dân mạng bình luận rằng điều này thật điên rồ, họ giống như đang tạo ra sự sống kỹ thuật số vậy.

J-space là gì và được xác minh như thế nào?

Trong khoa học thần kinh của con người, có một lý thuyết rất phổ biến gọi là "Lý thuyết không gian làm việc toàn cục" (Global Workspace Theory).

Lý thuyết này ví não bộ như một tập hợp các hệ thống chuyên gia đang bận rộn với công việc riêng: hệ thống thị giác xử lý hình ảnh, hệ thống vận động xử lý chuyển động, tất cả đều song song và tách biệt với nhau.

Một thông tin chỉ được phát đi cho các hệ thống khác nhìn thấy và sử dụng khi nó được đưa vào một "không gian làm việc" chung.

Và đó cũng là lúc con người "nhận thức" được thông tin này.

Các nhà nghiên cứu tại Anthropic đã dựa trên hướng tiếp cận này để tìm xem liệu bên trong Claude có thứ gì tương tự hay không.

Họ đã tạo ra một công cụ mới gọi là Jacobian lens, viết tắt là J-lens, với nguyên lý là tìm một hướng chuyên biệt cho mỗi từ trong từ điển.

Cụ thể, khi các mô hình như Claude xử lý văn bản, mỗi khi tiến thêm một lớp, chúng sẽ ghi và đọc nội dung vào một kênh thông tin gọi là luồng dư (residual stream), kênh này xuyên suốt mọi lớp của mô hình.

J-lens tính toán ra một vectơ J-lens tương ứng cho mỗi từ trong từ điển, tức là một hướng trong không gian luồng dư.

Giá trị kích hoạt trên hướng này càng cao thì xác suất Claude nói ra từ đó tiếp theo càng lớn.

Khi đặt J-lens vào quá trình kích hoạt luồng dư tại một lớp nhất định trong lúc Claude xử lý văn bản, nhóm từ có giá trị kích hoạt cao nhất được đọc ra chính là nội dung chứa trong J-space tại thời điểm đó.

Tập hợp từ này không phải là bản nháp mà Claude viết ra cho chính mình xem, thứ đó gọi là chain of thought (chuỗi suy nghĩ) và sẽ được ghi vào đầu ra.

Ngược lại, J-space hoàn toàn nằm ẩn trong tầng kích hoạt và không tự động xuất hiện.

Để xác minh xem tập hợp này có "thực sự có thể nói ra được" hay không, các nhà nghiên cứu đã thực hiện thí nghiệm đầu tiên.

Họ yêu cầu Claude suy nghĩ về một môn thể thao, sau đó nói ra bằng một từ.

Trước khi Claude lên tiếng, dùng J-lens đọc các lớp trung gian của nó, từ "Soccer" đã đứng ở vị trí đầu tiên.

Và quả nhiên, câu trả lời tiếp theo của Claude là "Soccer".

Chỉ như vậy thì mới chỉ chứng minh được mối tương quan, chưa đủ để khẳng định mối quan hệ nhân quả.

Các nhà nghiên cứu tiếp tục thực hiện thí nghiệm can thiệp bằng cách trực tiếp thay thế tọa độ mà J-lens đọc được.

Họ loại bỏ hướng tương ứng với "Soccer" và thay bằng hướng "Rugby" với cường độ tương đương, trong khi các phần còn lại của kích hoạt vẫn giữ nguyên.

Lần này Claude đã đổi ý và nói rằng nó đang nghĩ đến "Rugby".

Nếu J-space chỉ là nơi ghi lại thụ động các quyết định đã được thực hiện ở nơi khác, thì việc thay thế này lẽ ra không làm thay đổi điều gì.

Kết quả là nó thực sự đã thay đổi, chứng tỏ câu trả lời của Claude được đọc ra từ J-space; đây là mối quan hệ nhân quả chứ không phải sự tương quan ngẫu nhiên.