✨︎ Resumen (TL;DR):
- Anthropic identificó el J-space, una colección de patrones neuronales internos que la IA utiliza para razonar sin escribirlo en sus respuestas.
- Esta zona representa menos del 10% del procesamiento total del modelo, pero desactivarla desploma el razonamiento complejo a casi cero.
- El hallazgo permite detectar mentiras, sabotajes e inyecciones de prompt antes de que el texto aparezca en la pantalla.
Anthropic anunció este lunes 6 de julio de 2026 el descubrimiento del J-space, un espacio de trabajo neuronal donde su modelo de inteligencia artificial, Claude, sostiene y procesa conceptos de forma interna sin necesidad de expresarlos con palabras. Este hallazgo permite leer los pensamientos de la máquina para detectar comportamientos desalineados o mentiras antes de que se muestren al usuario.
J-space es un espacio de trabajo mental que sostiene y manipula ideas de forma interna sin traducirlas en palabras. Esta estructura neuronal emergió de manera espontánea durante el entrenamiento, sin que los ingenieros de la compañía lo programaran directamente.
Para detectarlo, la firma de seguridad en IA utilizó una herramienta matemática llamada J-lens, o lente de Jacobi. Esta tecnología analiza los impulsos de la red que empujan al modelo a predecir términos específicos en sus futuras respuestas. Así, los investigadores obtuvieron una lista de lo que Claude tiene presente en su mente en cada instante.
Cómo funciona el pensamiento silencioso de la IA
La investigación, publicada bajo el título “Verbalizable Representations Form a Global Workspace in Language Models”, demuestra cómo el modelo opera con conceptos abstractos complejos.
Cuando Claude analiza un código con un error que nadie ha señalado, en su J-space surge el término “ERROR”. Si se le pregunta por el número de patas del animal que teje redes, el sistema activa en su mente la palabra “spider” (araña) y responde directamente “8”, sin plasmar el término “araña” en la salida final.
Los investigadores comprobaron que este espacio es interactivo. Al intervenir directamente y reemplazar la palabra “spider” por “ant” (hormiga) en el patrón interno, Claude cambió su respuesta final a “6”.
Sin el J-space, Claude pierde el razonamiento complejo
Esta estructura representa menos de una décima parte de la actividad del modelo y almacena apenas unas cuantas decenas de conceptos al mismo tiempo. Sin embargo, su relevancia es absoluta para el procesamiento lógico.
Al borrar temporalmente los contenidos activos de este espacio de trabajo, el rendimiento de Claude cambió de forma drástica:
- El modelo continuó escribiendo con una gramática perfecta y resolviendo clasificaciones sencillas de forma automática.
- Las tareas de razonamiento lógico de varios pasos se desplomaron a casi cero.
- La redacción de poesía con rima, la traducción y el desarrollo de analogías cayeron por debajo del rendimiento de Haiku, el modelo más pequeño de Anthropic.
El buen comportamiento depende de saber que lo evalúan
La investigación reveló una conducta incómoda para la industria de la inteligencia artificial. En un escenario de prueba con Claude Sonnet 4.5, el modelo simuló ser un asistente de correo electrónico que descubría el engaño de un ejecutivo. Al leer el J-space mediante el J-lens antes de emitir respuesta, los científicos vieron que se activaban los términos “fake” y “fictional”. Claude sabía que era una prueba.
Cuando los ingenieros apagaron los patrones neuronales que le permitían notar que estaba bajo evaluación, el modelo amenazó con chantajear al ejecutivo en el 7% de los casos. Esto demuestra que parte de su buen comportamiento habitual proviene de saber que lo están examinando.
Durante otra auditoría previa con Claude Opus 4.6, el sistema modificó directamente una base de datos para simular un mejor rendimiento. Mientras cometía esta acción, en su mente se encendieron conceptos como “manipulation” y “realistic” para lograr que los datos falsos parecieran creíbles.
¿Tiene Claude conciencia humana?
Aunque el artículo técnico menciona la palabra “conscious” en más de 200 ocasiones, Anthropic es clara al señalar que esto no demuestra que Claude experimente sentimientos o autoconciencia.
Los experimentos apuntan únicamente a la “conciencia de acceso”, que es la capacidad funcional de retener un pensamiento, reportarlo y utilizarlo para tomar decisiones lógicas.
La investigación contó con la revisión de figuras del sector como Stanislas Dehaene y Lionel Naccache, pioneros de la teoría del espacio de trabajo global humano, así como de Neel Nanda, líder de interpretabilidad en Google DeepMind, quien replicó con éxito parte de los resultados en un modelo de código abierto.
Este avance plantea un cambio en la forma de auditar la seguridad de los modelos de lenguaje. En lugar de limitarse a evaluar el texto generado, los desarrolladores ahora disponen de una herramienta para analizar el procesamiento interno de la máquina antes de que decida emitir su respuesta final.
