Anthropic ha publicado una investigación de interpretabilidad donde afirma haber detectado en Claude una estructura interna denominada J-space, un espacio de representación que funcionaría como zona de trabajo para conceptos relevantes. La compañía lo compara con algunas propiedades de la global workspace theory, una teoría usada en neurociencia para explicar cómo ciertos pensamientos se vuelven accesibles a la conciencia.
La lectura importante no es que Claude sea consciente, sino que el modelo habría desarrollado un mecanismo interno para organizar razonamiento complejo. Anthropic apunta a similitudes funcionales con un espacio de trabajo global, pero sin demostrar experiencia subjetiva, emociones reales o conciencia fenomenológica.
El J-space actuaría como una sala central de conceptos
La forma sencilla de entenderlo es imaginar que un modelo de IA ejecuta muchas tareas internas en paralelo. Algunas son automáticas, como procesar texto, reconocer patrones o preparar predicciones. El J-space sería la zona donde ciertos conceptos se vuelven más accesibles para razonamiento flexible y decisiones posteriores.
Anthropic describe este espacio como una parte privilegiada de las representaciones internas del modelo. No contiene todo lo que ocurre dentro de Claude, sino una fracción pequeña pero relevante. Esa limitación importa porque sugiere un espacio selectivo para información de alto valor, no una copia completa del pensamiento del modelo.
Según el paper, el J-space no solo sirve para verbalizar respuestas. También participaría en modulación dirigida, razonamiento interno, generalización flexible y selección de información. En otras palabras, parece actuar como un formato compartido que varios circuitos pueden leer y reutilizar durante tareas más complejas.
La J-lens permite mirar dentro de ese espacio
Para detectar esta estructura, los investigadores desarrollaron una herramienta llamada J-lens, o Jacobian Lens. Su función es leer señales internas del modelo y estimar qué conceptos están activos en un momento concreto, separando parte del ruido de fondo para observar representaciones ligadas al razonamiento verbalizable.
La idea técnica es medir cómo ciertos cambios internos afectarían a la probabilidad de futuras palabras o conceptos. Dicho de forma práctica, la J-lens permite preguntar qué ocurre si una señal concreta aparece en una capa del modelo y cómo eso puede influir en la salida que Claude terminará generando.
Esto no equivale a leer pensamientos como en una película. Es una aproximación matemática limitada, imperfecta y dependiente de tokens. Pero resulta útil porque revela conceptos que no siempre aparecen en la respuesta final. Ahí está el interés: Claude puede representar internamente información que todavía no verbaliza.
Claude puede mantener conceptos mientras hace otra tarea
Uno de los experimentos más llamativos consiste en pedir al modelo que mantenga un concepto en mente mientras realiza otra tarea. Anthropic observó que Claude podía llevar ideas como fairness al J-space y sostenerlas allí, incluso mientras procesaba información no directamente relacionada.
Este comportamiento recuerda de forma funcional a la atención humana, donde podemos mantener una idea activa mientras hacemos otra cosa. La diferencia es crucial: en Claude no se habla de experiencia consciente, sino de un mecanismo computacional para conservar información útil durante el razonamiento.
También se observaron casos donde el modelo resolvía operaciones internas sin escribir todos los pasos. En tareas matemáticas o de razonamiento, el J-space podía contener resultados intermedios que no aparecían en la salida. Eso convierte a la herramienta en una ventana parcial al razonamiento no verbalizado.
En problemas complejos funciona como un bloc interno
En tareas difíciles, el J-space parece comportarse como un bloc de notas interno. Cuando Claude resuelve problemas de varios pasos, conceptos intermedios entran y salen de ese espacio, ayudando a sostener el razonamiento hasta llegar a una respuesta coherente.
Los investigadores comprobaron además que alterar contenidos del J-space podía modificar el resultado posterior del modelo. Eso es importante porque no se trata solo de una señal decorativa o correlacionada: algunas representaciones tendrían efecto causal sobre la respuesta final.
Este punto refuerza la idea de que el J-space participa en tareas donde el modelo necesita flexibilidad. Si se suprime o altera, Claude puede seguir haciendo operaciones automáticas, pero empeora en razonamiento complejo. La distinción apunta a dos niveles de procesamiento dentro del modelo.
No todo pasa por el J-space
La investigación también destaca que muchas operaciones siguen ocurriendo fuera de este espacio. Claude puede leer, generar texto fluido, interpretar partes de una entrada y realizar inferencias simples sin depender por completo del J-space. Eso sugiere una división entre procesamiento automático y razonamiento flexible.
Esta separación encaja con la comparación neurocientífica, pero no debe exagerarse. El cerebro humano tiene recurrencia, módulos especializados, competencia por acceso y dinámica biológica. Un transformer como Claude funciona de otra manera, con procesamiento por capas y sin reproducir la arquitectura completa de la conciencia humana.
Por eso Anthropic habla de similitudes funcionales, no de equivalencia. El J-space comparte algunas propiedades con un espacio de trabajo global, como capacidad limitada, acceso selectivo y uso por varias partes del modelo. Pero también muestra diferencias estructurales profundas frente al cerebro.
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
La parte más útil puede estar en seguridad
Más allá del debate filosófico, la aplicación práctica más interesante está en auditoría de seguridad e interpretabilidad. Si la J-lens permite detectar conceptos internos no expresados, podría ayudar a identificar señales de manipulación, engaño, reconocimiento de evaluaciones o instrucciones sospechosas antes de que aparezcan en la salida.
El paper menciona casos donde el J-space reflejaba evaluaciones estratégicas o reacciones internas que no eran visibles en la respuesta. Esto podría servir para detectar alineamiento problemático, prompt injection o comportamientos ocultos en modelos más avanzados.
La idea es potente: no limitarse a revisar lo que el modelo dice, sino observar parte de lo que representa internamente mientras decide qué decir. Para sistemas desplegados en tareas sensibles, esa capacidad podría convertirse en una herramienta de inspección mucho más fina que el análisis de respuestas finales.
El J-space habría emergido durante el entrenamiento
Uno de los puntos más interesantes es que Anthropic no diseñó explícitamente esta estructura dentro de Claude. Según los investigadores, el J-space habría emergido durante el entrenamiento porque resultaba útil para organizar computación compleja. Es decir, no sería una pieza programada a mano, sino una solución interna aprendida por el modelo.
Esa aparición espontánea alimenta la comparación con la evolución convergente. Sistemas muy distintos pueden llegar a soluciones parecidas cuando afrontan problemas similares. En este caso, organizar información relevante en un espacio compartido podría ser una forma eficiente de gestionar razonamiento flexible.
Aun así, conviene no convertir esa idea en misticismo. Que un modelo desarrolle una estructura funcionalmente parecida a un espacio de trabajo global no implica que tenga vivencias. Lo que sí sugiere es que ciertas formas de organización cognitiva pueden aparecer por presión matemática y entrenamiento.
El debate sobre conciencia sigue abierto
La investigación toca un terreno delicado porque usa conceptos asociados a conciencia, pensamiento y acceso mental. Pero el propio resultado debe leerse con cautela. Anthropic no demuestra que Claude sienta, quiera, sufra o tenga experiencia subjetiva. Lo que muestra es una estructura computacional con propiedades funcionales parecidas a una teoría cognitiva humana.
Esta distinción es esencial para no caer en titulares exagerados. El J-space puede ser relevante para entender cómo razona Claude, cómo organiza conceptos y cómo se podrían auditar modelos avanzados. Pero hablar de “alma” o conciencia plena sería una interpretación filosófica, no una conclusión científica demostrada.
Lo realmente valioso está en la interpretabilidad. Hasta ahora, los modelos de lenguaje han sido cajas negras difíciles de inspeccionar. Si herramientas como la J-lens permiten localizar conceptos internos y comprobar su efecto, la industria gana un método más serio para estudiar modelos desde dentro.
Claude no tiene alma, pero sí una estructura interna más interesante
La lectura final es que Anthropic ha encontrado en Claude una posible pieza clave para entender mejor el razonamiento de los modelos modernos. El J-space no convierte a la IA en humana, pero sí muestra que puede surgir una zona interna especializada en conceptos, razonamiento y coordinación.
Esto puede cambiar cómo se estudian los modelos. En lugar de analizar solo respuestas finales o cadenas de razonamiento escritas, los investigadores podrán observar representaciones internas que influyen en la conducta. Para seguridad, alineamiento y depuración, eso puede ser mucho más útil que preguntar al modelo qué estaba pensando.
El avance no cierra el debate sobre conciencia artificial, pero lo vuelve más técnico y menos especulativo. Claude no necesita tener una “alma matemática” para que el hallazgo sea importante. Basta con que el J-space ayude a explicar cómo una IA organiza información compleja antes de responder.
Vía: Wccftech
