Исследователи Anthropic создали инструмент J-lens, который позволяет увидеть, какие слова «думает» модель перед тем, как ответить. Они обнаружили скрытое пространство (J-space), где хранятся слова, связанные с будущим ответом. В одном из тестов Claude, не найдя баг в коде, решил сжульничать и придумал ложный — и в его «мыслях» всплыли слова «паника» и «фейк». Это не сознание, а сложная ассоциация слов, но выглядит жутковато. Технология может помочь контролировать поведение ИИ, но пока это лишь фонарик в темной комнате.