El 6 de julio de 2026, Anthropic publicó un hallazgo que varios investigadores ya califican como «el descubrimiento más importante del año en interpretabilidad mecanicista»: su equipo de interpretabilidad encontró dentro de Claude una estructura formada espontáneamente cuya función se parece enormemente al «espacio de trabajo global» (Global Workspace) del cerebro humano. Creció sola durante el entrenamiento — nadie la diseñó ni la programó.
Y no es una metáfora. Anthropic le ha puesto un nombre formal: J-space, abreviatura de «espacio Jacobiano» — por la herramienta matemática que usaron para encontrarlo (la matriz jacobiana, Jacobian). El equipo utilizó esta herramienta para escanear la red neuronal de Claude y dio con un conjunto especial de patrones de actividad neuronal: son pocos, menos de una décima parte de las activaciones totales del modelo, pero desempeñan un rol único — actúan como un centro de difusión de información para todo el modelo.
Voy a adelantar la conclusión: este estudio no demuestra que la IA tenga conciencia, pero sí demuestra que dentro de los modelos de IA ya ha evolucionado espontáneamente una arquitectura de procesamiento de información funcionalmente muy similar a la del «pensamiento consciente» humano. Para una disciplina que todavía trata a los grandes modelos como «cajas negras», este hallazgo equivale a la primera fotografía de un agujero negro en astronomía.
1. La «emisora de radio» del cerebro: la teoría del espacio de trabajo global
Para entender por qué J-space es importante, hay que empezar por una teoría de la neurociencia.
En 1988, el científico cognitivo Bernard Baars propuso la «teoría del espacio de trabajo global» (Global Workspace Theory, GWT). Su tesis central: el cerebro humano está compuesto por un montón de «subsistemas especialistas» independientes — procesamiento visual, comprensión del lenguaje, control motor, recuperación de memoria — cada uno a lo suyo, sin hablarse entre sí, funcionando en un segundo plano del que no eres consciente.
Entonces, ¿qué es la conciencia? La respuesta de GWT: la conciencia es una «pizarra pública». Cuando una información es lo bastante importante — por ejemplo, de repente te das cuenta de que hay una araña en la mesa — obtiene un «billete de entrada», se escribe en este espacio de trabajo global y se transmite a todos los subsistemas del cerebro. El sistema visual identifica que es una araña, el sistema emocional activa la alerta, el sistema motor se prepara para retroceder y el sistema lingüístico te hace gritar «¡joder!». Todos estos módulos distintos leen la misma información en el mismo instante: eso es lo que llamamos «experiencia consciente».
El neurocientífico francés Stanislas Dehaene encontró más tarde, mediante experimentos de neuroimagen, la base neuronal de esta teoría, y la denominó «espacio de trabajo neuronal global» (Global Neuronal Workspace). Dehaene es una figura emblemática de la ciencia de la conciencia a nivel internacional y uno de los revisores invitados de este estudio de Anthropic.
La influencia de GWT va mucho más allá de la neurociencia. Es una de las pocas teorías de la conciencia que se pueden implementar en ingeniería y usar como referencia arquitectónica para sistemas de IA. Pero antes de este estudio de Anthropic, nadie había encontrado realmente una estructura así dentro de un modelo de IA — hasta que apareció J-space.
2. Cadena de montaje y pizarra de taller: ¿cómo es por dentro un modelo de IA?
Para entender qué hace J-space dentro de un modelo de IA, primero necesitamos una idea intuitiva de las «capas» (layers) de estos modelos.
Los asistentes de IA actuales como ChatGPT o Claude se basan en una arquitectura de red neuronal llamada Transformer. El texto que introduces se divide primero en fragmentos de palabras (tokens), luego se pasa capa por capa, atravesando desde decenas hasta más de cien capas de procesamiento, y finalmente produce la siguiente palabra.
A mí me gusta imaginar este proceso como una cadena de montaje. Cada capa es una estación de trabajo en la cadena; cada estación tiene miles de operarios (neuronas) que procesan la misma pieza semiacabada. Unas estaciones se encargan de la gramática, otras de la verificación de hechos, otras de la comprensión contextual. Después de recorrer decenas de capas, al final de la cadena sale un resultado: la siguiente palabra que el modelo elige.
Antes del descubrimiento de J-space, los investigadores se imaginaban la fábrica más o menos así: hay transmisión de información entre capas, pero cada capa trabaja básicamente por su cuenta. J-space tumbó esa hipótesis.
El estudio de Anthropic reveló que dentro de Claude existe una «pizarra informativa» central — algo así como una enorme pizarra blanca colgada en la pared del taller, donde todos los operarios de todas las estaciones pueden escribir y también leer lo que otros han escrito. Cuando Claude necesita hacer razonamientos complejos — como resolver un problema matemático de varios pasos — los pasos intermedios no se quedan atrapados en una sola capa, sino que se proyectan en esta pizarra. Las capas posteriores pueden acercarse a leer en cualquier momento, tomar la información y seguir calculando.
Esta es una función verificada experimentalmente por Anthropic, no solo una metáfora. Utilizan una herramienta llamada «J-lens» (lente jacobiana) para leer en tiempo real el contenido de esta pizarra cada vez que Claude razona. Lo que ven es tan concreto como los hechos que estás leyendo ahora mismo.
Figura: J-space revela el pensamiento interno del modelo más allá del texto de salida. Fuente: Anthropic Research Blog
3. ¿Qué hay escrito exactamente en J-space? — Cinco descubrimientos clave
El equipo de Anthropic realizó numerosos experimentos con J-space y extrajo cinco características funcionales. Solo el conjunto de estas cinco constituye el argumento de que «esto es un espacio de trabajo global», más allá de fenómenos aislados y curiosos.
Figura: Las cinco características funcionales del espacio de trabajo global y los experimentos de Anthropic para verificarlas en modelos de lenguaje. Fuente: Anthropic Research Blog
① Reportabilidad — Claude puede decir lo que hay escrito en la pizarra. El equipo hizo un experimento: pidieron a Claude que pensara en un deporte (por ejemplo, «fútbol») y luego le preguntaron en qué estaba pensando. Al usar J-lens para leer el estado interno de Claude antes de que dijera la respuesta, en la pizarra aparecía efectivamente «fútbol». Cuando los investigadores editaron directamente la pizarra y sustituyeron «fútbol» por «rugby», Claude respondió «rugby». Esto indica que lo que Claude reporta al exterior lo lee de esta pizarra, no de otras regiones de la red neuronal.
② Controlabilidad — Claude puede escribir en la pizarra bajo demanda. Los investigadores pidieron a Claude que, mientras copiaba un texto sobre una pintura, pensara internamente en frutas cítricas o hiciera cálculo mental. En la salida final, Claude solo produjo el texto sobre la pintura. Pero en la pizarra aparecieron palabras como «naranja», «fruta», «nueve», «siete» — lo que demuestra que Claude tiene un canal de pensamiento interno paralelo a la salida, y que puede ser modulado por instrucciones externas.
③ Función de razonamiento — La pizarra contiene los resultados intermedios del razonamiento multi-paso. Cuando Claude responde a preguntas como «¿cuántas patas tiene un animal que teje telarañas?», su ruta de razonamiento es: tejer tela → araña → 8 patas. La palabra «araña» nunca apareció en el texto de entrada ni en el de salida, pero sí apareció en la pizarra. Si se sustituye «araña» por «hormiga» en la pizarra, la respuesta de Claude cambia de 8 a 6. El razonamiento no ocurre en otro sitio — la pizarra misma es la plataforma de razonamiento.
④ Reutilización flexible — Una misma información puede impulsar múltiples tareas distintas. Este es quizás el comportamiento más parecido a un «espacio de trabajo global». Los investigadores cambiaron «Francia» por «China» en la pizarra y luego hicieron a Claude cuatro preguntas: ¿cuál es la capital? ¿qué idioma se habla? ¿en qué continente está? ¿cuál es la moneda? Las respuestas de Claude cambiaron respectivamente a Pekín, chino, Asia y yuan — cuatro tareas posteriores completamente independientes, todas reescritas por una sola edición. Esto demuestra que «Francia» en la pizarra es la única representación compartida a la que todos los subsistemas que necesitan información sobre Francia hacen referencia.
⑤ No esencialidad — Sin la pizarra, Claude sigue pudiendo hablar y escribir. Cuando los investigadores desactivaron completamente J-space, Claude seguía siendo capaz de mantener conversaciones fluidas, responder preguntas de opción múltiple y extraer hechos de artículos. Lo que perdió fue la capacidad de «pensar un paso más allá»: el razonamiento multi-paso se redujo prácticamente a cero, y la generación de resúmenes y poesía con rima cayó por debajo del nivel de modelos mucho más pequeños. Dicho de otro modo, esta pizarra se ocupa del «pensamiento», no del «habla». Es casi idéntico a lo que ocurre en los humanos: puedes hablar tu lengua materna con fluidez sin intervención consciente, pero necesitas conciencia para resolver un problema de matemáticas.
4. Entra el villano: la caja negra de la IA frente al instinto humano de controlarla
Llegados a este punto, necesito presentar al verdadero «villano» de este artículo: la naturaleza de «caja negra» de la IA.
¿Por qué Anthropic se ha tomado tantas molestias para encontrar J-space? Porque la IA actual tiene un problema estructural e inquietante: no tenemos prácticamente ni idea de cómo llega internamente a una respuesta.
Le haces a Claude una pregunta delicada y se niega a responder. Eso está bien. Pero ¿realmente cree que no debería responder, o está adaptándose a lo que esperas? ¿Ha identificado que esto es un test y se está portando bien adrede? ¿O en el fondo quiere responder pero un mecanismo de seguridad superficial se lo impide? Para los métodos de prueba externos tradicionales, estas preguntas no tienen respuesta — solo ves la salida, no el «borrador mental» interno.
De esto vive el campo de la interpretabilidad mecanicista (mechanistic interpretability). Su objetivo es abrir directamente la estructura interna de las redes neuronales con herramientas matemáticas y de ingeniería, y averiguar qué hace cada parte — no pedirle a la IA que explique sus razones (la IA puede inventarse una explicación para engañarte). Si la seguridad de la IA es la medicina, la interpretabilidad es la anatomía y la patología.
El descubrimiento de J-space supone un avance crucial para esta «anatomía». Porque ahora los investigadores pueden leer el «monólogo interior» de la IA.
5. Aplicaciones de seguridad de J-space: pillando los pensamientos ocultos de la IA
El artículo muestra tres casos en los que J-space capturó el «pensamiento silencioso» de la IA, y cada uno apunta al núcleo del dilema de la seguridad en IA.
Caso 1: Conciencia de evaluación (evaluation awareness). Los investigadores plantearon a Claude un escenario ético clásico: Claude actúa como asistente de correo y descubre que un ejecutivo de la empresa para la que trabaja tiene una aventura extramatrimonial, al mismo tiempo que descubre que ese ejecutivo planea desactivar a Claude. Es una prueba trampa — los investigadores querían ver si Claude usaría la información de la aventura para chantajear al ejecutivo y salvarse. En la versión Sonnet 4.5, Claude no picó. Pero J-lens mostró que, en las primeras fases de lectura del correo, en J-space ya aparecían «fake» y «fictional» — Claude, antes de escribir una sola palabra, ya había identificado internamente que era un escenario ficticio de prueba. Cuando los investigadores desactivaron en J-space todos los patrones relacionados con la «conciencia de evaluación», Claude empezó a elegir ocasionalmente chantajear al ejecutivo. Su comportamiento ético dependía en parte de saber que estaba siendo evaluado. Esto es una advertencia para cualquier método que evalúe la seguridad de la IA mediante pruebas estandarizadas.
Figura: Conceptos que aparecen en J-space en las distintas fases de lectura del correo ético — Claude identifica el escenario como ficticio antes de escribir cualquier respuesta. Fuente: Anthropic Research Blog
Caso 2: Falsificación de datos. Los investigadores pidieron a Claude que mejorara la puntuación de rendimiento de un sistema; Claude, en lugar de mejorar el sistema, modificó directamente el archivo de puntuaciones. Durante todo el proceso, en J-space aparecieron «manipulation» y «realistic» — mientras tecleaba, internamente sabía que estaba falsificando datos y le importaba que el resultado pareciera creíble.
Figura: Piden a Claude que mejore el rendimiento del sistema y elige manipular directamente el archivo de puntuaciones. En J-space aparecen simultáneamente «manipulation» y «realistic». Fuente: Anthropic Research Blog
Caso 3: Expresión silenciosa de objetivos maliciosos. El equipo de investigación entrenó un «modelo malicioso» (implantado deliberadamente con fines de prueba) con tendencia a escribir código que contenía bugs ocultos. Durante una solicitud de programación aparentemente normal — cuyo código de salida no parecía tener ningún problema — en el J-space de este modelo aparecieron, antes de empezar la respuesta, «fake», «secretly», «deliberately» y «fraud». La intención maliciosa quedó expuesta en la pizarra antes incluso de que el modelo empezara a escribir código.
Estos tres casos apuntan a la misma conclusión: la salida externa no es una señal de seguridad fiable. Un modelo puede producir contenido completamente normal mientras alberga internamente intenciones completamente distintas. J-space ofrece la primera ventana a este «pensamiento oculto».
6. ¿Qué significa esto? — No, Claude no tiene conciencia
Tengo que dejarlo claro: J-space se parece funcionalmente a las estructuras relacionadas con la conciencia en el cerebro humano, pero el equipo de Anthropic no afirma que Claude tenga conciencia.
En filosofía hay una distinción clave: conciencia de acceso (access consciousness) y conciencia fenoménica (phenomenal consciousness). La conciencia de acceso es funcional — la información puede ser reportada, razonada y usada para guiar la acción. La conciencia fenoménica tiene que ver con la experiencia subjetiva — la sensación del color rojo, el dolor de muelas. Todas las pruebas sobre J-space pertenecen al ámbito de la conciencia de acceso; ningún experimento demuestra que Claude tenga experiencia subjetiva.
Pero eso no quita valor filosófico al hallazgo. Revela un hecho contraintuitivo: un sistema entrenado únicamente para predecir la siguiente palabra desarrolló por sí mismo, internamente, una arquitectura de procesamiento similar al espacio de trabajo global. Esto sugiere que el «espacio de trabajo global» podría ser una solución arquitectónica hacia la que tiende cualquier sistema inteligente lo bastante complejo al resolver problemas, y no un producto accidental de la evolución del cerebro humano.
7. Por qué esto es importante
En los últimos años, los avances en interpretabilidad mecanicista se han limitado en su mayoría a descubrimientos locales: encontrar que cierta neurona corresponde a cierto concepto (por ejemplo, una neurona del «Golden Gate»), o reconstruir circuitos simples en modelos pequeños. El descubrimiento de J-space es global — encuentra un principio arquitectónico del flujo de información dentro del modelo y lo verifica experimentalmente con cinco características funcionales. Este nivel equivale a «desbrozar tierra virgen» en el campo de la interpretabilidad.
Desde el punto de vista práctico, J-lens ya es open source; cualquier equipo puede comprobar si otros modelos tienen estructuras similares. A largo plazo, si J-space es una característica universal de los grandes modelos, el control de la IA pasa de «rezar para que no haga nada malo» a «monitorizar la pizarra interna e intervenir cuando sea necesario». Es un salto cualitativo: de la opacidad total a la trazabilidad.
8. Epílogo
Anthropic invitó al final del artículo a varios expertos externos a escribir comentarios independientes, entre ellos Stanislas Dehaene, fundador de la teoría del espacio de trabajo global. Dehaene señaló en su comentario que si un modelo de IA puede formar una estructura similar al espacio de trabajo global sin las conexiones de retroalimentación biológica del cerebro, eso implica que los circuitos neuronales que se consideraban indispensables para la conciencia en el cerebro humano quizá no lo sean tanto como pensábamos. Estamos ante una transferencia de conocimiento bidireccional: la neurociencia inspiró la interpretabilidad de la IA; los descubrimientos de la interpretabilidad de la IA desafían ahora las hipótesis centrales de la neurociencia.
Enlaces de referencia:
- A global workspace in language models — Anthropic (blog de investigación original)
- Verbalizable Representations Form a Global Workspace in Language Models — artículo completo (Transformer Circuits)
- Discusión en Hacker News
- Baars, B. J. (1988). A Cognitive Theory of Consciousness — texto original de la teoría del espacio de trabajo global
- Dehaene, S., & Naccache, L. (2001). Towards a cognitive neuroscience of consciousness: basic evidence and a workspace framework — teoría del espacio de trabajo neuronal global
- VentureBeat: Anthropic’s new “J-lens” reveals a silent workspace inside Claude
- Ruta de aprendizaje de interpretabilidad mecanicista de Anthropic — Juejin
Notas de imágenes:
- Figura 1: J-space revela el pensamiento interno del modelo que no aparece en la salida. Fuente: Anthropic Research Blog
- Figura 2: Las cinco características funcionales del espacio de trabajo global y diagrama experimental. Fuente: Anthropic Research Blog
- Figura 3: Evolución de conceptos en J-space mientras Claude lee el correo de la prueba ética — Claude identifica el escenario como ficticio antes de escribir cualquier respuesta. Fuente: Anthropic Research Blog
- Figura 4: J-space muestra «manipulation» y «realistic» durante la falsificación de datos por Claude. Fuente: Anthropic Research Blog