Arquitectura interna de Claude: Anthropic descubre un «espacio de trabajo global» que surgió espontáneamente
El equipo de investigación de Anthropic ha logrado un avance en la comprensión del funcionamiento interno de los grandes modelos de lenguaje. Durante el análisis de la arquitectura de Claude, se descubrió una estructura que los desarrolladores no habían incorporado inicialmente en el proyecto. Este mecanismo interno, denominado «J-space», funciona como un espacio de trabajo común al que acceden varios componentes del modelo.
¿Qué es J-space y cómo funciona?
J-space es una «pizarra» virtual donde Claude recopila y transmite información clave entre sus módulos. Cuando el modelo responde a una pregunta o ejecuta una instrucción, los datos críticamente importantes aparecen en este espacio para que diferentes partes de la red neuronal puedan interactuar con ellos. En esencia, es un análogo de lo que en ciencia cognitiva se denomina «espacio de trabajo global»: un concepto que describe cómo el cerebro humano integra datos de diferentes procesos sensoriales y de pensamiento.
Se logró descubrir J-space mediante una herramienta especial llamada «J-lens», que permitió a los investigadores observar en tiempo real el movimiento de la información dentro del modelo. Sorprendentemente, esta estructura surgió espontáneamente durante el proceso de entrenamiento de Claude; no fue programada directamente por los ingenieros. Además, los experimentos demostraron que al modificar manualmente el contenido de J-space, cambian tanto las respuestas del modelo como su comportamiento al realizar tareas.
¿Por qué es esto críticamente importante para la seguridad de la IA?
El descubrimiento tiene una enorme importancia para la seguridad e interpretabilidad de la inteligencia artificial. La posibilidad de rastrear la actividad de J-space abre el camino para identificar motivos ocultos en el comportamiento del modelo. Obtenemos una herramienta para detectar ataques de tipo prompt-injection, cuando se insertan instrucciones maliciosas en la solicitud para interceptar el control de la respuesta.
Además, el acceso parcial a esta capa «consciente» de procesamiento de información crea nuevas perspectivas para la investigación. Anthropic subraya que el término «información accesible conscientemente» está tomado de la ciencia cognitiva y no implica que Claude tenga conciencia o experiencia subjetiva. Sin embargo, el mero hecho de que podamos mirar dentro de la «caja negra» de la red neuronal y ver cómo procesa las solicitudes es un paso gigante hacia adelante.
La empresa ya ha publicado el código fuente de la implementación de J-lens y ha subido una versión demo en la plataforma Neuronpedia, invitando a la comunidad científica a verificar los resultados en la práctica. Esta investigación se basa en una serie de trabajos anteriores de Anthropic, incluyendo un informe sobre la conciencia introspectiva emergente (octubre de 2025) e iniciativas para estudiar el bienestar de los modelos (abril de 2025).
Opinión del experto: El descubrimiento de J-space no es simplemente una curiosidad académica. Para el mercado de criptomonedas y DeFi, donde los agentes de IA se utilizan cada vez más para el análisis de datos y la automatización del comercio, la posibilidad de «mirar bajo el capó» del modelo significa un nuevo nivel de control y seguridad. Si podemos rastrear cómo la IA toma decisiones, podremos prevenir manipulaciones y errores que podrían costar millones de dólares. Este descubrimiento convierte a Claude no solo en una herramienta más potente, sino también más transparente.