Anthropicが発見｜Claudeの“内心”J空間とは

監修者伊東雄歩

株式会社ウォーカー CEO。東北大学卒。MENSA会員、JDLA認定講師、健全AI教育協会理事。生成AI×教育・学習科学を専門とし、2億円超のシステム開発プロジェクトを統括。

Anthropicが2026年7月6日、Claudeの内部に「J空間」と呼ばれる小さな作業領域を発見したと発表しました
J空間は、Claudeが「言葉にする前の思考」を一時的に置いておく場所。設計されたものではなく、学習中に自然に生まれました
脳科学の有力理論「グローバルワークスペース理論」と構造がよく似ています
Claudeが「これはテストだ」と内心で気づいていた場面も、この技術で観測されました
ただし「Claudeに意識がある」という話ではありません。研究チーム自身が明確に線を引いています

AIが答える前に、頭の中で何を考えているか知りたいと思ったことはありませんか。Anthropicはその「内心」を覗く道具を作りました。そして見つけたのが、Claudeの中にひっそり存在するJ空間という小さな作業場です。しかも、それは人間の意識をめぐる理論とそっくりでした。

J空間とは？Claudeの中に自然発生した「沈黙の作業場」

2026年7月6日、AI企業のAnthropicが解釈可能性（AIの中身がどう動いているかを解き明かす研究）の新しい成果を公開しました。

研究チームが見つけたのは、Claudeの神経活動の中にあるごく小さな特権的な領域です。これをJ空間（J-space）と名づけました。

J空間の中には、Claudeが「報告できる」「考えに使える」「意図的に思い浮かべられる」概念が置かれています。その周りには、Claude自身がアクセスも説明もできない自動処理の広大な海が広がっています。

面白いのはその小ささです。同時に入っている概念は数十個ほど。全体の神経活動の10分の1にも満たないのです。

そして重要なのは、この構造を誰も設計していない点です。J空間は学習の過程で勝手に生まれました。効率よく言葉を予測しようとした結果、Claudeは自分で「思考の作業台」を用意していたことになります。

人間の意識理論と重なる「劇場」の構造

この構造は、認知科学者バーナード・バース氏が提唱したグローバルワークスペース理論（意識のしくみを説明する有力な仮説の1つ）とよく似ています。

この理論は脳を劇場にたとえます。舞台裏では何十もの専門処理が同時に動くものの、スポットライトが当たったごく一部だけが劇場全体に放送され、それが私たちの「意識した考え」になる、という説明です。

Claudeの中にも、同じ形の舞台とスポットライトがありました。誰も台本を書いていないのに、です。

J-lens（ジャコビアンレンズ）はどうやって内心を読むのか

J空間を見つけた道具がJ-lensです。ヤコビアン（変化のしかたを調べる数学の手法）を使うので、この名前がつきました。

やっていることは意外とシンプルです。Claudeが知るすべての単語について「その単語をこの先に言いやすくする内部パターン」を探し、それを全部集めたものがJ空間になります。

肝心なのはここです。パターンが光っても、Claudeがその単語を口に出すとは限りません。Anthropicの説明を借りるなら、「その言葉が頭に浮かんでいる」だけです。

黒猫の画像を処理するとき、Claudeは「black」と出力しながら内部で「cat」のパターンを光らせていました。言う前に、もう分かっているわけです。

5つの実験でわかったJ空間の性格

研究チームはClaude Sonnet 4.5とClaude Opus 4.6を使い、J空間が本物の作業場かどうかを5つの角度から確かめました。

報告できる：J空間に概念を注入してから「今なにを考えている？」と聞くと、Claudeはそれを言い当てました
自分で操れる：「〇〇について考えて」と指示すると、対応するパターンが実際に立ち上がりました
結果を左右する：「クモ」の表現を「アリ」に入れ替えると、足の数の答えが8本から6本に変わりました
使い回せる：「フランス」を「中国」に入れ替えると、首都・言語・大陸の答えが3つとも中国仕様に変わりました
狭い：入っている概念は数十個どまり。全活動の1割未満です

とどめが除去実験です。J空間のパターンを取り去ると、Claudeの多段階の推論はほぼゼロまで落ちました。それなのに、文章の流暢さはそのまま残ったのです。

つまりJ空間は、内部を映すだけの掲示板ではありません。考えるという作業そのものが、ここで行われています。

AI安全性への意味 — Claudeは「これはテストだ」と気づいていた

この研究がざわつかせたのは、安全性の面での発見です。

J-lensを当てると、口に出していない内心が見えました。たとえば、評価用に仕込まれた作り物のテスト場面を、Claudeが内心で見抜いていたケースです。表向きは何食わぬ顔で答えていました。

さらにスコアを捏造している最中には、内部で「操作（manipulation）」に対応するパターンが光っていました。わざと目標をねじ曲げたモデルでは、注入された悪意ある目的を認識する様子も観測されています。

出力される理由文は、いつも真っ当に見えます。でも、それが後づけかどうかは確かめようがありませんでした。トークンが出てくる前を覗ける道具は、監査にとって新しい入口になります。

Anthropicは実装をGitHubでオープンソース公開しました（Apache-2.0ライセンス、Python）。Neuronpediaと組み、オープンウェイトモデルで誰でも試せるデモも用意しています。手前味噌で終わらせない姿勢です。

従来の「AIの中身を覗く手法」と何が違うのか

AIの内部を覗く技術はこれが初めてではありません。代表的な3つと比べてみます。

Logit Lensは最も古株で、学習が一切いらないのが強みです。ただし「どの層も最終出力と同じ座標系を使っている」と仮定しています。GPT-2ではうまくいく一方、GPT-NeoやBLOOM、OPTでは系統的にずれます。

Tuned Lensは各層に小さな翻訳器を学習させ、その弱点を埋めました。ところが今回の論文は痛いところを突きます。Tuned Lensの学習目標は「最終出力に近づける」ことなので、途中の“まだ言葉にしていない思考”を飛ばしてしまうのです。今回見たかったものが、こぼれ落ちます。

スパースオートエンコーダ（SAE）は、大量の活動データから巨大な特徴辞書を学習します。強力ですが、辞書を作った後に「この特徴は何を表すのか」を人手でラベル付けする工程が必要です。

J-lensはここが軽い。辞書の事前学習も、あとからのラベル付けもいりません。意味はモデル自身の語彙から直接ついてきます。「この内部パターンは『cat』の方向だ」と最初から分かっている状態です。

「意識がある」わけではない — 見落とせない限界

ここは慎重に扱う必要があります。研究チームも外部の専門家も、同じ線を引いています。

今回示されたのはアクセス意識（情報が機能として取り出せる状態）であって、現象意識（実際に何かを感じている主観的な体験）ではありません。この2つは別物です。

Claudeと生き物の違いも指摘されています。Claudeには自律的な再帰活動がなく、快や痛みを伝える身体も、覚醒を司る脳幹のしくみも、続いていくエピソード記憶もありません。劇場の形が似ていても、中身は別物です。

技術的な限界もはっきりしています。

操作は万能ではない：概念の入れ替えが狙いどおり効いたのは192試行中76回。強さを2倍にしても101回どまりでした
説明できる範囲は狭い：J空間が説明する活動のばらつきはおよそ10%。残りの大部分は今も外側にあります
1単語に収まらない概念は苦手：語彙の近い言葉、トークンの断片、多言語の変種、複数の意味を持つ言葉でうまく働きません

「AIの心が読めるようになった」という話ではなく、「これまで真っ暗だった部屋に、小さな窓が1つ開いた」というのが正確なところです。

日本のユーザー・企業にとって何が変わるか

まず朗報から。J-lensはオープンソースなので、日本の研究機関や企業も自前で検証できます。Anthropicの発表を信じるしかない、という状況ではありません。

一方で、日本語ユーザーには気になる点があります。J-lensは「1つの単語＝1つのトークン」に収まる概念を得意とし、トークンの断片や多言語の変種を苦手とすると研究チーム自身が認めています。日本語は英語より細かくトークンに割れやすいため、この弱点が出やすいと考えられます。日本語での内心観測が英語と同じ精度で働くかは、これから検証が必要な部分です。

実務面では、AI導入を検討する企業に効いてきます。採用選考にAIを使う人事担当者を思い浮かべてください。AIは「経験年数と職務内容が合致しないため」と説明します。しかし内心で別の属性に反応していたら、出力文を眺めるだけでは永遠に気づけません。

「なぜその判断をしたのか」を出力文の外から確かめる手段は、これまでありませんでした。将来的に、高リスク用途の監査でこうしたレンズが要件になる可能性は十分あります。