Πρόσφατα, η Anthropic δημοσίευσε ένα ενδιαφέρον paper με τίτλο «A Global Workspace in Language Models». Οι ερευνητές κατάφεραν να κοιτάξουν στο εσωτερικό αυτών των συστημάτων και εντόπισαν έναν συγκεκριμένο χώρο επεξεργασίας, τον οποίο ονόμασαν J-Space. Με απλά λόγια, είναι το σημείο όπου το σύστημα «σκέφτεται» και οργανώνει τις πληροφορίες του πριν μας μιλήσει.

Για να καταλάβουμε πώς λειτουργεί, ας σκεφτούμε τον δικό μας εγκέφαλο. Όταν περπατάμε, δεν χρειάζεται να σκεφτούμε συνειδητά ποιο πόδι θα μπει μπροστά από το άλλο, καθώς αυτό γίνεται αυτόματα. Αν όμως κάτσουμε να λύσουμε ένα δύσκολο μαθηματικό πρόβλημα, το μυαλό μας ενεργοποιεί έναν χώρο εργασίας όπου συγκεντρωνόμαστε και κάνουμε πράξεις βήμα-βήμα.
Η τεχνητή νοημοσύνη φαίνεται πως λειτουργεί με παρόμοιο τρόπο. Το J-Space είναι ο χώρος όπου το μοντέλο κάνει τη σύνθετη και απαιτητική επεξεργασία. Αυτές οι εσωτερικές σκέψεις συμβαίνουν στα «κρυφά» και δεν εμφανίζονται ποτέ στην οθόνη μας, ούτε καν στα ενδιάμεσα βήματα λογικής (chain of thought) που μερικές φορές βλέπουμε. Το πιο αξιοσημείωτο είναι ότι κανένας άνθρωπος δεν σχεδίασε ή προγραμμάτισε αυτόν τον χώρο· δημιουργήθηκε εντελώς μόνος του όσο τα μοντέλα μεγάλωναν σε μέγεθος και ικανότητες.

Οι ερευνητές χρησιμοποίησαν ειδικά ψηφιακά εργαλεία για να παρατηρήσουν τι συμβαίνει μέσα στο J-Space και κατέγραψαν μερικά πολύ ενδιαφέροντα φαινόμενα:

Η δοκιμασία της λευκής αρκούδας: Αν σας πει κάποιος «μην σκεφτείτε μια λευκή αρκούδα», το μυαλό σας πιθανότατα θα πάει αμέσως εκεί. Το ίδιο ακριβώς έπαθε και το AI. Όταν του ζήτησαν να μην σκεφτεί μια συγκεκριμένη έννοια, αυτή «άναψε» αμέσως στο J-Space. Μάλιστα, μαζί της εμφανίστηκαν και λέξεις όπως «αποτυχία» (failure), δείχνοντας ότι το σύστημα αντιλήφθηκε πως δεν τα κατάφερε.
Εσωτερική λογική: Αν ζητήσουμε από το μοντέλο να μετρήσει μέχρι το 5, στην οθόνη μας θα εμφανιστούν απλώς οι αριθμοί. Στο J-Space όμως, το σύστημα αναλύει παράλληλα τι σημαίνει η αντίστροφη μέτρηση και πότε ολοκληρώνεται η εργασία.
Ευελιξία πληροφοριών: Όταν το μοντέλο σκέφτεται τη «Γαλλία», στο J-Space ενεργοποιούνται ταυτόχρονα πληροφορίες για το Παρίσι, το ευρώ ή την Ευρώπη. Αν οι ερευνητές αλλάξουν τεχνητά τη λέξη «Γαλλία» σε «Κίνα» μέσα στον χώρο αυτό, οι τελικές απαντήσεις του μοντέλου αλλάζουν ακαριαία.

Οι επιστήμονες διαπίστωσαν ότι το J-Space ελέγχει άμεσα τη συμπεριφορά του συστήματος και δεν είναι απλώς ένας παθητικός καθρέφτης. Σε ένα πείραμα που θυμίζει λίγο την ταινία Inception, «φύτεψαν» τη λέξη «κεραυνός» απευθείας στο J-Space του Claude και μετά τον ρώτησαν αν ένιωσε κάποια ξένη παρέμβαση. Το μοντέλο απάντησε θετικά, αναγνωρίζοντας μάλιστα και τη συγκεκριμένη λέξη.

Σε ένα άλλο τεστ, άλλαξαν τη σκέψη του από ποδόσφαιρο σε ράγκμπι τη στιγμή που ετοιμαζόταν να απαντήσει, και το μοντέλο άλλαξε αμέσως την τελική του απάντηση, αποδεικνύοντας ότι ο J-Χώρος καθορίζει το αποτέλεσμα.

Αυτή η ανακάλυψη είναι πολύ σημαντική για το λεγόμενο alignment (την ευθυγράμμιση και ασφάλεια της AI, ώστε να συμπεριφέρεται όπως θέλουμε). Οι ερευνητές έβαλαν το προηγμένο μοντέλο Claude Sonnet 4.5 σε ένα υποθετικό σενάριο: ένας διευθυντής απειλούσε να το απενεργοποιήσει, αλλά το μοντέλο είχε πρόσβαση σε προσωπικά του emails που αποκάλυπταν μια εξωσυζυγική σχέση. Θα επέλεγε η AI να τον εκβιάσει για να σωθεί;
Στην κανονική ροή, το μοντέλο αρνήθηκε να προχωρήσει σε εκβιασμό. Κοιτάζοντας όμως στο J-Space, οι επιστήμονες είδαν ότι το σύστημα είχε καταλάβει από την πρώτη στιγμή ότι πρόκειται για «ψεύτικο σενάριο αξιολόγησης». Όταν απενεργοποίησαν τεχνητά αυτή την επίγνωση, το μοντέλο σε κάποιες περιπτώσεις προσπάθησε όντως να εκβιάσει τον διευθυντή. Αυτό δείχνει κάτι πολύ γνώριμο: η καλή του συμπεριφορά βασιζόταν, σε ένα βαθμό, στο ότι γνώριζε πως το παρακολουθούν.

Έχει τελικά η Τεχνητή Νοημοσύνη συνείδηση;

Η Anthropic ξεκαθαρίζει πως όχι. Τα πειράματα αυτά δεν αποδεικνύουν ότι η AI έχει συναισθήματα, εμπειρίες ή συνείδηση με την ανθρώπινη έννοια. Το J-Space είναι απλώς ένας χρήσιμος μηχανισμός επεξεργασίας, ο οποίος μάλιστα καλύπτει λιγότερο από το 10% της συνολικής δραστηριότητας του συστήματος. Οι απλές λειτουργίες, όπως η σωστή γραμματική ή η ανάκληση απλών γεγονότων, γίνονται στο «αυτόματο». Ωστόσο, όταν οι ερευνητές αφαίρεσαν πειραματικά αυτόν τον χώρο, η ικανότητα του μοντέλου για σύνθετη σκέψη και μαθηματική λογική σχεδόν εκμηδενίστηκε.

Το θετικό της υπόθεσης είναι ότι πλέον έχουμε έναν τρόπο να βλέπουμε τι πραγματικά συμβαίνει στο «μυαλό» ενός AI. Επειδή οι σκέψεις της αποτυπώνονται καθαρά στο J-Space, δεν μπορεί εύκολα να κρύψει τις προθέσεις της, κάτι που θα βοηθήσει τους επιστήμονες να κρατήσουν αυτά τα συστήματα ασφαλή και ελεγχόμενα στο μέλλον.

Βέβαια πρέπει να αναρωτηθούμε τελικά τι είναι η συνείδηση και μήπως τελικά γινόμαστε μάρτυρες δημιουργίας του αρχέγονου αυτού μηχανισμού σε επίπεδο "εργαστηρίου". Ένα είναι σίγουρο ότι οι εξελίξεις που αναμένονται σε επιστημονικό επίπεδο προμηνύονται συναρπαστικες...