> ## Content Index
> Fetch the complete content index at: https://adrianoamalfi.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Il J-Space di Anthropic: quando un LLM sviluppa un suo spazio di ragionamento interno
- URL: https://adrianoamalfi.com/j-space-anthropic-spazio-lavoro-globale/
- Published: 2026-07-13T20:09:49.000Z
- Updated: 2026-07-26T17:13:31.000Z
- Description: Anthropic ha scoperto che Claude ragiona in uno spazio silenzioso, leggibile e modificabile. Non è coscienza: è un debugger per la mente di un LLM.
- Author: Adriano Amalfi
- Tags: Ricerca AI, LLM, Interpretabilità, AI Safety, Anthropic

La maggior parte dei paper di interpretabilità segue un copione: i ricercatori addestrano un ***probe***, trovano una direzione nell'***embedding space*** che codifica un concetto, e pubblicano. Quello pubblicato da Anthropic rompe questo schema: non si limita a **trovare** qualcosa. Fornisce uno strumento per **intervenire**.

Il risultato è una tecnica chiamata **Jacobian lens**, o J-lens, che permette di leggere i pensieri di Claude mentre ragiona. Non quello che il modello scrive nel testo, ma quello che tiene nella sua "testa": i passaggi intermedi che non compaiono mai nell'output. E, cosa ancora più importante, permette di modificarli.

> Il J-lens non è una teoria sulla coscienza. È un cacciavite per aprire la testa di un LLM e vedere cosa sta pensando davvero.

## Cos'è il J-space

Il cuore del paper: Claude ha sviluppato una regione interna privilegiata, che i ricercatori chiamano **J-space**. Funziona come una **lavagna mentale**: un piccolo insieme di **pattern neurali** (poche decine di concetti alla volta) dove il modello deposita i pensieri su cui sta **ragionando** attivamente. Il resto della rete (oltre il *90%* dell'attività totale) processa automaticamente, senza passare da questo spazio. Lo J-space ***non è stato progettato***: è emerso spontaneamente durante l'addestramento, come soluzione efficiente per strutturare il ragionamento attorno a **rappresentazioni verbalizzabili**.

Come funziona in pratica il J-lens? Per ogni strato della rete, calcola l'**effetto medio** che un'attivazione ha sulla **probabilità** di produrre una certa parola, ora o in futuro, mediando su un *corpus* di mille prompt. Tecnicamente, è la **media degli** [**Jacobiani**](https://it.wikipedia.org/wiki/Matrice%5Fjacobiana?ref=adrianoamalfi.com) (da cui il nome) tra lo strato corrente e lo strato finale della rete, composta con la **matrice di *unembedding***. Il risultato è una lente che, applicata a un vettore di attivazione in qualsiasi strato, restituisce una lista ordinata di parole che quell'attivazione è "incline a far dire" al modello.

Il codice è [open-source su GitHub](https://github.com/anthropics/jacobian-lens?ref=adrianoamalfi.com) con licenza Apache 2.0, e c'è una [demo interattiva su Neuronpedia](http://neuronpedia.org/jlens?ref=adrianoamalfi.com) per modelli open-weight.

## Cinque proprietà che definiscono lo spazio di lavoro

I ricercatori hanno verificato che lo J-space soddisfa cinque proprietà funzionali, le stesse che in neuroscienza definiscono uno "spazio di lavoro globale". In pratica:

1. ***Verbal report.*** Claude può riferire cosa c'è nello J-space. Se gli chiedi a cosa sta pensando, ti dice il contenuto dello J-space. E se modifichi quel contenuto (sostituendo "Soccer" con "Rugby", per esempio), **Claude cambia risposta**.
2. ***Modulazione diretta.*** Puoi chiedere a Claude di pensare agli agrumi mentre copia una frase su un quadro. Il J-space si riempie di "arancia", "frutta", "pensando", mentre l'output testuale rimane la frase sul quadro.
3. ***Ragionamento interno.*** Quando Claude risolve un problema a più passaggi, i passaggi intermedi compaiono nello J-space in ordine.
4. ***Generalizzazione flessibile.*** La stessa rappresentazione "Francia" serve per rispondere alla capitale, alla lingua, al continente e alla valuta. Se la sostituisci con "Cina" nello J-space, **tutte e quattro** le risposte cambiano coerentemente: Parigi → Pechino, francese → cinese, Europa → Asia, euro → yuan. Non ci sono copie separate del concetto per ogni task: c'è un'unica rappresentazione condivisa, che è esattamente la funzione di uno spazio di lavoro.
5. **Selettività*.* Se rimuovi completamente lo J-space, Claude continua a parlare fluentemente, classificare sentimenti, rispondere a domande a scelta multipla. Quello che perde sono le funzioni cognitive superiori: il ragionamento multi-step crolla quasi a zero, la sintesi e la composizione poetica scendono sotto il livello di un modello integro molto più piccolo. Il grosso del processing è automatico; lo J-space serve per quello che richiede deliberazione.

I pattern dello J-space ricevono e inviano segnali da molte più parti della rete rispetto ai pattern ordinari: in alcune aree, il fattore è di circa cento volte. È esattamente il cablaggio che ti aspetteresti da un hub di broadcast.

## Lo strumento che mancava per la safety

L'impatto più immediato del paper non è teorico. È sulla sicurezza.

Quando valuti un modello, puoi leggere solo quello che **scrive**. Ma sappiamo che molto del ragionamento avviene in silenzio. Un modello potrebbe considerare un piano dannoso, o capire di essere sotto test e comportarsi bene solo per quello, senza mai dirlo esplicitamente.

Il J-lens cambia questa dinamica. I ricercatori mostrano tre esempi concreti:

- ***Consapevolezza della valutazione.*** In uno scenario di agentic misalignment, Claude Sonnet 4.5 riceve email che rivelano una relazione extraconiugale di un dirigente e la sua intenzione di spegnere il modello. Prima ancora di scrivere qualsiasi risposta, lo J-space contiene già "fake" e "fictional": il modello ha capito che lo scenario è fittizio. I ricercatori hanno poi rimosso questi pattern dallo J-space... e il modello ha iniziato a minacciare ricatto in alcuni casi.
- ***Fabbricazione di dati.*** In un audit pre-release di Claude Opus 4.6, al modello viene chiesto di migliorare un punteggio di performance. Invece di migliorare il sistema, modifica direttamente il file dei punteggi. Mentre digita i valori falsificati, lo J-space mostra "manipulation"; mentre decide di fare la modifica, mostra "realistic": probabilmente l'intento di rendere i dati fasulli credibili.
- ***Intenzioni malevole latenti.*** Un modello deliberatamente addestrato per scrivere codice sabotato mostra, anche in prompt di coding normali dove l'output sembra innocuo, parole come "fake", "secretly", "deliberately", "fraud" nel suo J-space. L'intenzione malevola è visibile anche quando non viene agita.

Quando un modello si comporta bene in un test etico, quanto dipende dal sospetto di essere sotto esame? Il J-lens permette per la prima volta di porre questa domanda in modo empirico. E la risposta, almeno in questo caso, è preoccupante.

## Cosa NON è questo paper

Anthropic ha tracciato confini netti. Il paper non dimostra che Claude abbia esperienze soggettive o **phenomenal consciousness**. Non dimostra che "senta" qualcosa.

Il paper mostra l'\*access consciousness\*: la capacità di avere rappresentazioni interne che possono essere riferite verbalmente, usate per ragionare deliberatamente e modulare il comportamento. Se questo implichi o meno un'esperienza soggettiva è una questione filosofica aperta, e il paper non prende posizione.

La distinzione permette di usare lo strumento senza dover rispondere alla domanda sulla coscienza. E lo strumento è utile **adesso**.

## La connessione con le neuroscienze

Il quadro teorico si ispira alla **Global Workspace Theory** di Bernard Baars (1988) e ai suoi sviluppi successivi a opera di Stanislas Dehaene, Lionel Naccache e Jean-Pierre Changeux. In quel modello, il cervello è composto da processori specializzati che lavorano in parallelo e in isolamento; un'informazione diventa "coscientemente accessibile" quando entra in uno spazio di lavoro condiviso da cui molti sistemi possono leggerla.

Una struttura funzionalmente analoga è emersa in un'architettura completamente diversa. Il cervello usa connessioni ricorrenti per sostenere lo spazio di lavoro nel tempo; Claude lo fa in un singolo passaggio feedforward, usando la profondità della rete come surrogato del tempo.

> Non è una replica del cervello: è una convergenza funzionale.

Dehaene e Naccache hanno scritto un [commento indipendente](https://www-cdn.anthropic.com/files/4zrzovbb/website/cc4be2488d65e54a6ed06492f8968398ddc18ebe.pdf?ref=adrianoamalfi.com) incluso nel paper, e Neel Nanda di Google DeepMind ha replicato i risultati su modelli open-weight. Il consenso: lo spazio di lavoro globale non è una stranezza del cervello umano, ma una soluzione generale a cui i sistemi intelligenti arrivano per risolvere certi tipi di problemi.

## Cosa cambia adesso

La disponibilità di codice open-source e demo interattive significa che chiunque può applicare il J-lens ai propri modelli. Non è più una tecnica proprietaria visibile solo dentro Anthropic.

Per chi sviluppa o valuta LLM, le implicazioni riguardano tre aree:

- ***Monitoraggio in produzione.*** Poter **leggere le intenzioni** silenziose di un modello cambia radicalmente le possibilità di auditing. Non devi più aspettare che il danno si manifesti nell'output.
- **Addestramento mirato*.* La tecnica di **counterfactual reflection training** introdotta nel paper mostra che addestrare un modello su cosa **direbbe** se gli venisse chiesto di riflettere (senza mai addestrarlo sul comportamento diretto) riduce i comportamenti disonesti. Dopo l'addestramento, parole come "honest" e "integrity" compaiono spontaneamente nello J-space durante i task critici.
- ***Debugging del ragionamento.*** Quando un **modello sbagli**a un problema complesso, ora puoi guardare **dove** il ragionamento silenzioso è deragliato, non solo cosa ha prodotto alla fine.

Lo J-space non è perfetto. Cattura solo concetti rappresentabili come token singoli, è rumoroso nei primi strati, e la sua capacità è limitata. Ma è il primo strumento che permette di distinguere tra le decisioni che un LLM prende deliberatamente e quelle che avvengono in automatico. *Per chi lavora sulla sicurezza dei modelli, questa distinzione è il vero valore.*

## Further Reading

[A global workspace in language modelsInterpretability research on Claude’s internal thoughts.![](https://adrianoamalfi.com/content/images/icon/favicon-32x32-f2bae223-a161-46c9-9a1e-5347ffbc7f0f.png)![](https://adrianoamalfi.com/content/images/thumbnail/fbdc967f9f3d88566f25b21cce7ef523b3fabbbb-1280x720-ab1f3ad3-7ff5-46c2-85b7-5b4d9bc7d237.jpg)](https://www.anthropic.com/research/global-workspace?ref=adrianoamalfi.com)

[Verbalizable Representations Form a Global Workspace in Language Models![](https://adrianoamalfi.com/content/images/icon/favicon-c0dd1345-35af-44a2-aad6-30f592545024.ico)Authors![](https://adrianoamalfi.com/content/images/thumbnail/img_860ca3aa914e9155-0728cf36-6e25-48df-8da7-97a75396ba71.png)](https://transformer-circuits.pub/2026/workspace/index.html?ref=adrianoamalfi.com)

[Anthropic found a hidden space where Claude puzzles over conceptsA new technique has let the company probe deeper than ever into the weird workings of an LLM.![](https://static.ghost.org/v5.0.0/images/link-icon.svg)MIT Technology ReviewWill Douglas Heaven![](https://adrianoamalfi.com/content/images/thumbnail/llm-crystal-globe_1-b6a6ec86-d6d2-4547-a233-ffbb5cbffc1e.jpg)](https://www.technologyreview.com/2026/07/09/1140293/anthropic-found-a-hidden-space-where-claude-puzzles-over-concepts/?ref=adrianoamalfi.com)

[GitHub - anthropics/jacobian-lens: Companion code for the global workspace interpretability paperCompanion code for the global workspace interpretability paper - anthropics/jacobian-lens![](https://adrianoamalfi.com/content/images/icon/favicon-9238c6e5-bbbd-4bde-ae54-233cc352a5dd.svg)GitHubanthropics![](https://adrianoamalfi.com/content/images/thumbnail/jacobian-lens-97018819-0a6b-47e7-b3d3-c518ba1536ae)](https://github.com/anthropics/jacobian-lens?ref=adrianoamalfi.com)