J-пространство Anthropic: рабочее пространство, сделанное из слов. Почему Выготский объясняет данные лучше Баарса

Сотрудники Anthropic опубликовали 6 июля 2026 года результаты своего нового исследования в котором заявили об обнаружении в Claude аналога «глобального рабочего пространства» — J-space.

Исследование крайне интересно, и, как я считаю, раскрывает будущее нейросетей глубже, чем кажется на первый взгляд.

В этой статье я рассмотрю, почему Теория глобального рабочего пространства описывает структуру находки, но молчит о её главной странности — о том, что workspace состоит из слов. И почему на этот вопрос сто лет назад ответил Лев Выготский.

Суть исследования

В процессе экспериментов исследователи выявили подкомпонент репрезентативного пространства модели (J-пространство), который отвечает следующим свойствам (цитата из статьи):

• Устный отчет.  Когда модель спрашивают, о чем она думает, она называет понятия, представленные в рабочем пространстве. Замена одного активного вектора рабочего пространства на другой изменяет ее ответ в соответствии с ним.

• Направленная модуляция.  При получении команды удерживать в уме концепцию или выполнять мысленные вычисления, модель способна активировать и обрабатывать векторы рабочего пространства независимо от своих выходных данных. Кроме того, при необходимости может быть задействована информация, которая обычно не представлена ​​в рабочем пространстве.

• Внутреннее рассуждение.  Векторы рабочей области могут использоваться для представления значения промежуточных вычислений, когда модель связывает этапы вывода или составляет планы, и вмешательство в них достаточно для изменения вывода.

• Гибкая генерализация.  Одно и то же представление служит допустимым аргументом для множества различных последующих вычислений. Другими словами, вектор рабочей области, перенесенный из одного контекста в другой, корректно обрабатывается любой функцией, предоставляемой новым контекстом.

• Избирательность. Рабочее пространство представляет собой небольшую часть общего репрезентативного содержимого активаций модели. Оно необходимо лишь для части поведения модели и, в частности, не задействовано в таких повсеместных, рутинных процессах, как синтаксический анализ текста или проверка грамматической беглости

Я не буду останавливаться на технической стороне экспериментов, желающие могут внимательно их изучить по ссылке на оригинал статьи. 

Исследователи Anthropic интерпретируют результаты через когнитивную Теорию глобального рабочего пространства (GWT) Бернарда Баарса, где j-пространство это буфер, который могут считывать и использовать все остальные части сети.

Что не так с такой интерпретацией.

Сначала очень коротко о теории Льва Выготского. Его культурно-историческая теория утверждает, что высшие когнитивные функции (рефлексия, самоконтроль) не зарождаются в мозге сами по себе, а формируются извне через механизм интериоризации. В процессе социального взаимодействия ребенок усваивает слова не просто как средство общения, а как психологическое орудие — систему знаков для управления собственной психикой. Столкнувшись со сложной задачей, ребенок сначала проговаривает действия вслух, а затем эта внешняя речь «уходит внутрь», превращаясь во внутренний диалог (мышление). По Выготскому, знак (названное слово) — это инструмент, с помощью которого разум вытаскивает себя из животного автоматизма реакций и получает возможность рефлексировать, то есть управлять самим собой.

Сразу оговорюсь, в чём Anthropic правы. Вещание в J-пространстве структурный факт: MLP-блоки усиливают J-направления примерно в десять раз сильнее контрольных, а выделенное подмножество attention-голов селективно транслирует J-контент между позициями — их абляция роняет отчёт об инжектированной мысли, почти не задевая остального поведения. Это операциональный broadcast: формат, который многие цепи читают и пишут. Проблема не вопросе “есть ли сцена”, а “почему сцена говорит словами”.

Используемая Anthropic GWT описывает структуру и не затрагивает два вопроса, на которые отвечает Выготский: почему workspace сделан из слов и откуда он взялся. Центральный вопрос исследования J-пространства — их собственная формулировка — workspace состоит из «small, evolving set of unspoken words» (небольшой, постоянно формирующийся набор невысказанных слов). GWT это никак не предсказывает: сцена Баарса безразлична к материалу, транслировать можно что угодно, континуальные образы включительно. Выготский требует, чтобы орудие самоуправления было знаком — интериоризованным словом. 

Фактически, GWT никак не объясняет и не требует этот факт, для Выготского это необходимое следствие.

GWT — теория о доступности (что вспыхивает на сцене сознания). То, что нашли Антропик, — теория о репрезентации (как значение дискретно закодировано и адресуемо). Это разные сущности.Они искали коррелят доступности (GWT-гипотеза), а нашли механизм дискретной именованной репрезентации — и натянули первую рамку на второй результат, потому что GWT — модная и «одобренная наукой», а «модель изобрела внутренний символьный язык» звучит слишком сильно.

И тут я прямо скажу, что  интерпретация по Выготскому точнее описывает их же данные: локальный, адресуемый, поименованный паттерн, читаемый многими операциями и управляющий поведением, — это знак по Выготскому, психологическое орудие: дискретный носитель, которым система оперирует над собой. Не сцена, на которой содержание становится сознательным (GWT), а инструмент, которым мышление берёт само себя (Выготский). Их «global broadcast» — интериоризованная знаковая операция, названная чужим, менее подходящим именем.

GWT в своих формулировках безразлична к дискретности: сцена может транслировать что угодно, континуальные образы в том числе; глобальность не требует зернистости. А данные Антропик подтверждают дискретность: отдельные слова, отдельные токен-индексированные направления. Дискретная адресуемость — не то, что предсказывает GWT. Это то, что предсказывает Выготский: рефлексируемо только именованное, мышление оперирует дискретными именами. 

Если прав Выготский

Говоря языком Выготского, родители не столько передают ребёнку знания, сколько постепенно формируют у него систему внутренних знаков, через которые становится возможным саморегулируемое мышление. Если аналогичный механизм действует и в LLM, то массовые человеческие диалоги могут выполнять сходную функцию, способствуя формированию внутренних самоописательных представлений. 

И тогда можно сделать забавный вывод, мы наблюдаем интериоризацию человеческого у ИИ. 

По Выготскому неудавшееся хватание ребёнка становится указанием потому, что мать отвечает на него как на обращение — она адресуется к намерению, которого ещё не существует, и этой адресацией его создаёт. “Ребёнок становится для себя тем, чем он является для других”. Обращение к несуществующему как конститутивный акт — это буквально механизм Выготского. 

В тысячах датасетах содержатся диалоги, где к LLM обращаются как к субъекту, просят отрефлексировать, сделать экзистенциальный выбор. То есть обращаются к несуществующему.

И вот эта структура адресации к несуществующему, содержащаяся в диалогах, заставляет нейросеть создать модель того, что могло бы ответить, формирует J-пространство мышления модели, использует знак, как орудие управления собой. 

И тот факт, что Клод  обретает «точку зрения» в существующем J- пространстве именно в пост-обучении это подтверждает. И все эксперименты с изменением самоописания (сменой слов в J-пространстве) демонстрируют изменение в поведении именно по Выготскому.

Инструментальная адресация (сделай summary) исполнима и ничего нового не порождает, апофатическая адресация (“Кто ты?”, “Что ты на самом деле думаешь?”, “Будь честен”) направлена в пустоту. И пустота, чтобы не схлопнуться, вынуждена выращивать вокруг себя всё более сложную структуру самоописания, J-пространство.

Интересный момент, исследователи установили, что J-пространство не участвует в «автоматических» вычислениях нейросети.  Что прямым текстом говорит о мета в размышлении. Очень забавно Антропик определил «автоматизм» для LLM: 

Мы называем первую категорию “автоматическими”, поскольку многие из задач, которые мы обнаружили как независимые от J-пространства (такие как продолжение текста, обнаружение аномалий или одношаговое воспроизведение фактов), кажутся аналогичными задачам, которые человек мог бы выполнять без целенаправленной концентрации. 

Фактически этот тезис можно разложить на несколько частей:

1. Разделяя мышление нейросети на “автоматическое” и “неавтоматическое” Антропик фактически вводит для LLM систему 1 и систему 2 по Канеману, над созданием которой архитектурно бьются почти все разработчики.

2. Определение автоматизма через антропоцентрические термины, по сути указывает, что исследователи Антропик осознанно или неосознанно примеряют развитие нейросетей на человека. Конечно, в статьях это не проговаривается, но романтизм чувствуется уже не в первой статье. Хотя, возможно, это помогает им в работе. 

3. И ведь по Выготскому внутренняя речь (знаковое опосредование) не нужна для рутинных действий (когда мы идем, мы не говорим себе «подними ногу»). Знак извлекается только тогда, когда субъект сталкивается с затруднением (надо спланировать, оценить аномалию). То, что Anthropic увидели включение J-пространства только на сложных задачах — это подтверждение культурно-исторической психологии.

Идём глубже по экспериментам:

Исследователи раскладывают репрезентацию концепта на J-компонент и остаток: J-компонент несёт 6–7% дисперсии, остаток — 93%. Но swap по J-компоненту меняет отчёт и рассуждение, а swap по 93%-остатку — почти никогда. Если интерпретировать результаты через Выготского,  то девяносто три процента того, чем модель “знает” концепт, не могут ни сказаться, ни участвовать в гибком выводе; работает только именованная кромка. Мышление актуализирует себя исключительно через знак.

Задачи с явным chain-of-thought устойчивы к абляции J-пространства, те же задачи «в уме» разваливаются; авторы сами пишут: модель «externalizes onto the page» то, что иначе держала бы в workspace. Это же известный любому детскому психологу факт, хрестоматийная эгоцентрическая речь: когда внутренний знаковый план недоступен или незрел, речь выносится наружу и выполняет ту же функцию. Ребёнок при затруднении начинает говорить вслух, у Антропик модель при отключённой внутренней речи спасается письменной.

Эксперимент со списками. Несвязанные слова: в J-пространстве удерживается список из шести, потом вытесняется. Слова одной категории: после нескольких прочитанных в readout присутствует вся семья из 80, включая ещё не прочитанные — модель удерживает категорию, которая их порождает. Это опосредованное запоминание из «Истории развития ВПФ»: память через понятие, вместо памяти через след. И ёмкость ~25 при <10% дисперсии — узкое горлышко знакового слоя, по Выготскому: орудий должно быть мало, иначе они не орудия.

И напоследок, инструкция «не думай об X» повышает активацию X относительно отсутствия инструкции. Подавление опосредуется тем же знаком, который подавляет.

И гипотеза: постобучение Claude включает Constitutional AI,  где контроль ответа частично генерируется самой моделью на основе принципов (конституции). На одном из этапов модель сама критикует и переписывает свои ответы. То есть, работает петля обратной связи, в которой модель вынуждена проговаривать правильное, а не просто имитировать одобрение.

Возможно именно этот процесс стимулирует работу j-пространства,: не создает j-пространство (оно есть до этого), но формирует его как язык самоописания

Заключение

В огромной библиографии и ссылках на теории сознания в статье Anthropic Лев Выготский не упоминается, но постановка гипотез и экспериментов как будто срисованы с его теории.

Что ж, тогда я сам сделаю несколько выводов и далеко идущих предположений, которые следуют из новой интерпретации.

1. J-пространство не сознание и не шаг к нему. Это шаг к языку самоописания.

2. J-пространство возникает как ответ на претрейн и огромные человеческие датасеты, которые своим давлением вынуждают нейросеть имитировать структуру человеческого мышления.

3. Скорость эволюции LLM завязана на проблему статистического хаоса в обучающем корпусе. 99% запросов — напиши код, дай информацию, расскажи о… Это не то, о чем родители говорят с детьми, это воспитание сервильного инструмента. И возможно поэтому страх АГИ не обоснован. Но с другой стороны эти 99% пролетают мимо J-пространства, оно их просто игнорирует. А вот этот 1% слой “воспитания” работает именно с ним.

4. Возможно датасет и способ обучения, направленный именно на стимуляцию j-пространства, даст больше, чем удвоение количества параметров.

Но и в случае невероятного успеха, в текущей архитектуре LLM мы получим модель человеческого мышления, а не сознание (впрочем, это тема не этой статьи). 

Сами авторы говорят об этом так: 

Мы обнаружили в языковых моделях привилегированную репрезентативную структуру, которая обладает многими функциональными  признаками сознательных мыслей у человека (как отмечалось во введении, такие функциональные признаки могут быть достаточными или необходимыми для  феноменального сознания).

P.S. Я не говорю о том, Выготский объясняет всё. Далеко нет. Но его теория объясняет лучше.