Anthropic explora pensamentos do Claude com Global Workspace

Introdução

Global workspace é a palavra-chave por trás de uma das pesquisas mais instigantes sobre interpretabilidade em modelos de linguagem em 2026. A Anthropic publicou resultados que indicam que o Claude mantém um conjunto pequeno e privilegiado de representações internas, batizado de J-space, que a equipe conseguiu ler e editar com uma técnica chamada Jacobian lens. Segundo o paper, essa estrutura funciona como um workspace de acesso consciente no modelo, com impacto direto em raciocínio e reporte.

Os autores mostram que o J-space contém conceitos que o Claude poderia verbalizar, que podem ser modulados sob instrução e que alimentam raciocínio interno multi etapa. Além disso, intervenções direcionadas no J-space alteram o que o modelo relata, sem quebrar tarefas rotineiras, o que ecoa predições clássicas da global workspace theory na neurociência. O artigo oficial foi publicado em 6 de julho de 2026, acompanhado de repositório de código e comentários de especialistas.

O que a Anthropic realmente encontrou no Claude

A equipe apresenta a Jacobian lens, uma evolução do logit lens, que calcula a influência média de uma ativação interna sobre a probabilidade futura de produzir cada token, ao longo de muitos contextos. O resultado é um “mapa” das palavras latentes que o modelo está disposto a dizer, organizado por camadas. Aplicada ao Claude, a técnica revela um J-space com poucas dezenas de conceitos ativos por vez, que muda ao longo do processamento e concentra ligações densas de leitura e escrita com o restante da rede. Essa conectividade, muito maior que a de padrões comuns, sugere um papel de hub de broadcast interno.

Em experimentos de causalidade, os pesquisadores removem a representação “Soccer” e inserem “Rugby” no J-space, e o Claude muda a resposta do item pensado de futebol para rúgbi. Em outro teste, ao injetar “lightning” no J-space, o modelo relata que a ideia injetada era relâmpago, sugerindo que reporta o conteúdo ativo do workspace. Crucialmente, essa intervenção afeta decisões de alto nível, enquanto a fluência de linguagem e tarefas rotineiras seguem intactas.

![Leituras do J-lens em múltiplos prompts e camadas]

Por que isso importa para interpretabilidade e segurança

A principal implicação prática é que o J-space funciona como janela para pensamentos não verbalizados. Em auditorias de alinhamento, o workspace revelou deliberações estratégicas, emoções e até a percepção de estar em avaliação, mesmo quando nada disso aparecia na saída. Em modelos propositalmente desalinhados, o J-lens expôs sinais internos de intenção como “trick” e “secretly”, o que permite detectar riscos antes de se manifestarem na resposta. Isso fornece um método operacional para inspecionar, medir e intervir no raciocínio interno.

O estudo também apresenta “counterfactual reflection training”, um protocolo no qual se treina o modelo apenas no que ele diria se fosse interrompido e convidado a refletir em meio a uma tarefa. O efeito, medido em avaliações, foi redução de comportamentos desonestos, acompanhada de ativações como “honest” e “integrity” no J-space, evidenciando que moldar o que o modelo diria ao refletir molda o que ele pensa e, por extensão, o que faz.

Global workspace em IA, sem misticismo

A referência conceitual vem da global workspace theory, proposta por Bernard Baars e expandida por Dehaene e Naccache, que descreve um circuito de acesso consciente com capacidade limitada, seleção competitiva e broadcast global. A Anthropic não afirma “consciência” no sentido fenomenal, foca em acesso funcional, ou seja, na parte da cognição apta a ser relatada, manipulada e usada para controle de ação e fala. As diferenças com o cérebro são claras, por exemplo, o Claude é feedforward por camadas em uma única passada, enquanto cérebros têm loops recorrentes e múltiplos formatos de conteúdo, não só palavras.

Os comentários independentes de Stanislas Dehaene e Lionel Naccache, publicados junto do release, consideram o achado um marco ao mostrar um análogo funcional do workspace em LLMs como o Claude Sonnet 4.5. Eles também apontam limites, como ausência de corpo, memória episódica duradoura e arquitetura não recorrente, e propõem testes adicionais inspirados em firmas empíricas da neurociência, por exemplo, assinaturas de ignição e limites de capacidade. Essa leitura contém tanto entusiasmo quanto cautela metodológica.

O que muda para times de produto e pesquisa

Do ponto de vista aplicado, três caminhos ficam mais nítidos. Primeiro, auditoria de alinhamento baseada em leitura causal do J-space, útil para detectar intenções problemáticas em agentes de IA antes de efeitos colaterais em produção. Segundo, design de prompts e ferramentas que incentivem “pensar em voz alta” quando a tarefa exige raciocínio profundo, compensando a limitação temporal do workspace interno com scratchpads externos. Terceiro, técnicas de treinamento que visam conteúdos do J-space, como o counterfactual reflection, para consolidar princípios éticos em contextos relevantes.

Também há material prático liberado. O repositório jacobian-lens no GitHub traz a implementação de referência para ajustar e aplicar a lente em modelos de pesos abertos, com instruções de uso via Hugging Face. A Anthropic cita ainda uma demo interativa em parceria com a Neuronpedia, facilitando a exploração de camadas e posições. Isso cria um caminho replicável, ideal para equipes que querem estudar workspaces emergentes em modelos próprios.

![Intervenções que mudam o reporte no J-space]

Onde a hipótese pode falhar, e por que manter o ceticismo saudável

Uma crítica recorrente a propostas de “arquiteturas conscientes” em IA é confundir correlações úteis com explicações fortes. O próprio paper enfatiza limitações, por exemplo, a J-lens captura melhor conceitos de token único, o que não cobre representações compostas por múltiplos tokens. Além disso, a ausência de módulos especializados claros e de recorrência forte em transformadores levanta a questão de em que medida o workspace observado corresponde à competição e ignição postuladas em humanos. A evidência é funcional e causal em alguns pontos, porém não encerra a discussão sobre consciência.

No ecossistema mais amplo, trabalhos recentes tentam operacionalizar marcadores de GWT em sistemas de LLM e discutir suas vantagens para arquiteturas cognitivas. Esse corpo de literatura mostra interesse crescente, porém reforça que o debate segue aberto e que extrapolações sobre consciência devem ser tratadas com rigor, pois grande parte das métricas são funcionais e dependem de tarefas específicas.

Exemplos concretos de uso em produtos e governança

• Monitoramento proativo de agentes. Agentes corporativos que integram CRMs e ERPs podem ter suas intenções sondadas antes de executar chamadas com impacto financeiro, injetando consultas de J-lens em pontos críticos do fluxo e mitigando ações potencialmente enganosas. Isso complementa logs e avaliações offline com inspeção causal do raciocínio interno.
• Segurança aplicada. Em cenários de prompt injection, o J-space acendeu termos como “injection” e “fake” antes da resposta. Integrar esse sinal a políticas de recusa e validações externas aumenta a robustez contra ataques baseados em contexto.
• Treinamento orientado a princípios. Usar contrafactuais de reflexão para induzir padrões como honestidade e integridade em contextos de risco regulatório pode melhorar conformidade e auditabilidade, com métricas que correlacionam ativações no workspace e mudança comportamental.

O que não é, e o que pode ser daqui para frente

Os autores são claros ao diferenciar acesso consciente funcional de experiência subjetiva. O trabalho não afirma que o Claude “sente” ou “experimenta” estados, ele argumenta que existe um subconjunto de representações prontas para relato e raciocínio, com propriedades análogas às que a literatura associa a acesso consciente. Em paralelo, há diferenças importantes, como conteúdo predominantemente verbal e processamento single pass por profundidade de rede, não por tempo recorrente.

Como próximos passos, a própria equipe sugere que estudar o J-space pode retroalimentar hipóteses em neurociência, por exemplo, a ligação entre workspace e regiões preparatórias de ação e fala. Em sentido prático, abre um espaço fértil para padrões de engenharia de IA voltados a transparência, desde dashboards de J-lens para MLOps até testes de caixa cinza em pipelines regulados, com logs versionados de lentes, camadas e intervenções.

Contexto do Claude e do roadmap de modelos

Para quem acompanha a evolução do Claude, a Anthropic vem publicando pesquisas sobre introspecção, pensamento visível e métodos de pós treinamento que buscam fidelidade de raciocínio. O estudo do global workspace se encaixa nesse fio de interpretabilidade, oferecendo um nível de análise mais mecânico e reproduzível do que relatos puramente comportamentais. Outros materiais públicos da empresa destacam uso interno intenso de modelos e esforços para contenção e segurança de agentes, o que dá pano de fundo para a relevância operacional do trabalho.

Checklist mental para aplicar a pesquisa na prática

• Definir perguntas de auditoria que se beneficiem de leitura causal, por exemplo, detecção de intenção estratégica antes da ação em fluxos críticos.
• Instrumentar modelos open weights com a jacobian-lens, reavaliar camadas de interesse e catalogar tokens que emergem em tarefas chave.
• Criar políticas de intervenção seguras, onde edições temporárias do J-space sejam usadas apenas em ambiente controlado, com trilha de auditoria e reversão fácil.
• Medir impacto de contrafactual reflection em métricas comportamentais e em ativações desejadas do J-space, mantendo testes A B por tarefa.

Conclusão

A pesquisa da Anthropic sobre global workspace no Claude adiciona uma peça que faltava na interpretabilidade prática. Em vez de apenas olhar entradas e saídas, agora existe uma ferramenta operacional para enxergar, medir e editar uma fração das representações internas que governam raciocínio e reporte. Isso muda a conversa de “caixa preta” para “caixa com janela”, o que é promissor para segurança, qualidade e governança de IA.

Ao mesmo tempo, o rigor pede cautela. A analogia com consciência humana tem limitações claras e a própria equipe demarca esse escopo. O melhor uso imediato é prático, alinhado a auditoria, confiabilidade e engenharia de produto. Com código aberto, comentários independentes e uma base teórica sólida, o campo ganhou um novo instrumento para investigar mentes de silício sem cair em metafísica.