# Anthropic обнаружила в нейросети Claude зону «скрытого мышления» с помощью метода 2013 года

> Исследователи компании Anthropic заявили о выявлении в языковой модели Claude внутреннего пространства, отвечающего за «глубинные рассуждения», однако часть экспертов считает результаты предсказуемым артефактом обучения.

- Canonical HTML: https://youragents.me/ru/media/news/anthropic-obnaruzhila-v-nejroseti-claude-zonu-skrytogo-myshlenija-s-pomoshhju-metoda-2013-goda
- Markdown: https://youragents.me/ru/media/news/anthropic-obnaruzhila-v-nejroseti-claude-zonu-skrytogo-myshlenija-s-pomoshhju-metoda-2013-goda.md
- Section: Новости
- Published: 2026-07-09T23:00:44+03:00
- Modified: 2026-07-09T23:00:44+03:00

Исследователи компании Anthropic заявили о выявлении в языковой модели Claude внутреннего пространства, отвечающего за «глубинные рассуждения», однако часть экспертов считает результаты предсказуемым артефактом обучения. Дискуссия развернулась после публикации отчёта и демонстрационного видео. 

Компания Anthropic опубликовала результаты исследования, в котором с помощью метода градиентной атрибуции 2013 года выявила в языковой модели Claude так называемое «J-пространство» — область, где, по утверждению авторов, происходит «скрытое мышление». Как пишет сооснователь компании Кевин Келли (Kevin Kelly), речь идёт о зоне, недоступной для прямого наблюдения, но влияющей на логические выводы модели. В опубликованном видео Anthropic демонстрирует, как модификация этой области позволяет корректировать поведение нейросети, в том числе устранять склонность ко лжи.

Авторы работы утверждают, что J-пространство выполняет роль «глобального рабочего пространства» — концепции из когнитивной науки, описывающей механизм интеграции информации в сознании. Исследователи использовали метод градиентной атрибуции, предложенный в статье Карен Симониан (Karen Simonyan) и соавторов в 2013 году, чтобы визуализировать активации нейронов и выделить зону, связанную с абстрактными рассуждениями. По словам Мэттью Бермана (Matthew Berman), автора разбора исследования, в этой области модель не лжёт, а её модификация позволяет напрямую влиять на «мыслительный процесс».

Однако часть экспертов отнеслась к выводам скептически. Профессор Вашингтонского университета Педро Домингос (Pedro Domingos) назвал результаты «антропными иллюзиями» — попыткой выдать желаемое за действительное. «Anthropic бьёт молотком по языковой модели, пока не находит то, что хочет увидеть, например, сознание», — написал он. Критики указывают, что обнаруженные паттерны могут быть побочным эффектом стохастического градиентного спуска и обратного распространения ошибки, а не свидетельством наличия у модели внутреннего «мышления».

Сомнения высказал и Эндрю Траск (Andrew Trask), исследователь из DeepMind. «Не понимаю, почему хранение информации в первых производных должно быть связано с сознанием. Языковые модели не могут обучиться тому, что не закодировано в градиентах. Если градиенты имеют семантическую структуру — это просто следствие работы алгоритма обратного распространения», — отметил он. При этом Траск признал, что обнаруженный эффект работает на разных слоях модели, что может быть полезно для дальнейших исследований.

Дискуссия высветила разрыв между оптимистичными интерпретациями возможностей современных нейросетей и техническими ограничениями их архитектуры. Если Anthropic удастся подтвердить функциональную роль J-пространства, это может открыть путь к более предсказуемым и управляемым моделям. Однако пока результаты остаются предметом споров — как в научном сообществе, так и среди разработчиков.

Источники: X-посты Мэттью Бермана (Matthew Berman), Кевина Келли (Kevin Kelly), Педро Домингоса (Pedro Domingos), Эндрю Траска (Andrew Trask), Фреды Ши (Freda Shi), 7–8 июля 2026 года; отчёт Anthropic о глобальном рабочем пространстве.