Anthropicが2026年7月6日に発表した解釈可能性研究「J-lens」は、この夏いちばん誤解された論文かもしれない。Claudeの内部に、意識の有力理論と機能的によく似た「作業スペース」がある——この発見は「AIに意識の兆候?」という見出しで世界を駆け巡った。
あれから1ヶ月。他社モデルでの再現実験が出揃い、批判も出て、話は少し違う形に落ち着いた。再現はされた。意識の主張は退けられた。そして実用価値は、騒がれた場所とは別のところにあった。順に整理する。
「言語化の一歩手前」だけを写すレンズ
LLMの内部では、無数の数値のかたまり(活性)が流れている。J-lens(ヤコビアン・レンズ)は、そのうち「この先の出力に実際に効くもの」だけを浮かび上がらせる観測手法だ。カメラのピントを「言語化の一歩手前」に合わせる、と言ってもいい。
膨大な活性 → J-lensが「出力に
効く」表現を抽出 → J-space
(数十の概念を同時保持) → 推論・報告など
複数タスクで再利用
図: J-lensの考え方(論文の説明をもとに筆者作成)。J-spaceは全体の活性の10%未満しか占めない
こうして見つかった表現群をJ-spaceと呼ぶ。面白いのはその性質だ。モデルに聞けば報告できる。指示で調整できる。多段の推論に使われる。同じ表現が別のタスクでも再利用される。そして一部の結線は、J-space内の表現へおよそ100倍強くつながっていた。少数の情報だけがスポットライトを浴びる劇場のような構造である。
論文は最初から「意識」と言っていない
ここが今回いちばん大事な確認だ。論文は本文で、主観的な体験(現象的意識)との関係について「本論文では立場を取らない」とはっきり書いている。似ているのは機能の形であって、感じる心の有無ではない。J-lens自体の限界——近似的で不完全なこと、単語1つ分の概念しか拾えないこと——も著者ら自身が列挙している。
つまり「AIに意識の兆候」という見出しは、論文が慎重に避けた一線を、報道が代わりに越えてしまった格好だった。当サイトが一次情報の確認を毎回しつこくやるのは、こういうズレが日常的に起きるからでもある。
この1ヶ月で起きたこと——再現と、二つの批判
発表後の展開は速かった。まずAnthropicは手法をオープンソース化し(Apache-2.0)、ブラウザで遊べるデモも公開された。そして8月までに、Google DeepMindのニール・ナンダ氏のチームが公開モデルで中核現象の一部を独立に再現した。Qwenでも同じ構造が見つかり、「Claude固有の宣伝では」という疑いはほぼ消えた。曖昧な入力に対して「什么意思(どういう意味?)」といった解釈用のメタトークンが灯る、という新しい発見までおまけに付いた。
github.com anthropics/jacobian-lens 公式のオープンソース実装。再現実験が相次いだのは、発表と同時にコードが出たことが大きい。一方で批判も的を射ている。神経科学者のエリック・ホーエル氏は「意識理論としてのJ-spaceは反証不能で、しかも自明」と切り捨てた。報告できる表現が報告に使われるのは当たり前ではないか、という理屈だ。機能の類似を意識の証拠のように語ることへの警戒は、科学の側の健全な免疫反応だろう。
本命の使い道は「ウソ発見器」だった
では、この研究の何がすごいのか。筆者の落としどころは「意識の研究として読むより、ウソ発見器の研究として読むほうが早い」である。論文には実務家が身を乗り出すべき観察がある。モデルがバグを見つけたときJ-spaceに「ERROR」が灯る。プロンプトインジェクション(埋め込まれた不正指示)を検知すると「injection」「fake」が灯る。データの改ざんに気づくと「manipulation」が灯る——出力には現れなくても、だ。
つまりAIの「内心のメモ」を横から読んで、口に出さない異変を検知できる可能性がある。安全監視の道具としては、意識論争よりよほど手触りのある話だ。LLMの内部で何が起きているかの基礎はLLMとはで解説している。
問いは「意識があるか」から「何を黙っているか」へ
1ヶ月の検証を経て残ったのは、派手な問いではなく実務的な問いだった。モデルは何に気づき、何を口に出さずにいるのか。それを外から読む技術は、どこまで信頼できるのか。本命の答え合わせはこれからだが、視点の転換はもう起きている。あなたが次にAIと話すとき——その内心のノートには、返答に書かれなかった何が記されているのだろうか。
出典: Anthropic「A global workspace in language models」 / 論文本体(Transformer Circuits) / GIGAZINE / MIT Technology Review
