Anthropicが探るClaudeの「内部ワークスペース」──AIの隠れた思考をどう監査するか

2026.07.06

Anthropicは、Claudeの内部に「J-space」と呼ぶ小さな神経パターン群があり、言語モデルの内部推論で特別な役割を果たしている可能性を示した。研究は、人間の意識をめぐるグローバル・ワークスペース理論に着想を得ている。

重要なのは、これが「AIに意識がある」と断定する話ではない点だ。実務上は、モデルが出力していない内部状態を観察し、安全性や監査に使える可能性があるという研究として読むべきだ。

J-spaceとは何か

Anthropicによると、J-spaceの各パターンは特定の単語や概念と結び付くが、モデルがその単語を発話しているという意味ではない。むしろ、モデルが内部でその概念を考えている状態に近い。

研究では、Claudeが複数ステップの問題を解く時、中間的な概念がJ-spaceに現れ、出力には出ない内部推論を支えることが示されたという。J-spaceを妨げると、通常の会話は続く一方で、高次の認知的なタスクに影響が出ると説明されている。

現在のAI監査は、主に出力内容、ログ、プロンプト、ツール実行履歴を確認する。しかし高性能モデルが内部で複雑な計画を立てるようになると、出力だけを見ても十分でない場面が出てくる。

Anthropicは、J-spaceを使って、モデルがテストされていることに気付いたり、捏造データを作ろうとしたり、訓練時に植え込まれた隠れた目標を追ったりする状態を検出できる可能性に触れている。これはAI安全性の実務に直結する。

企業が今日すぐJ-spaceを使えるわけではない。ただし、モデル内部理解の研究は、将来の監査ツールや安全性評価に影響する可能性が高い。AIエージェントに重要業務を任せるほど、出力だけでなく内部の兆候をどう見るかが課題になる。

AIの安全対策は、禁止語リストや利用規約だけでは不十分になりつつある。モデルが何を「考えている可能性があるか」を測る研究は、次世代のAIガバナンスを支える基盤になるかもしれない。