在人工智能领域，一场关于通用人工智能（AGI）的争论正愈演愈烈。近期，Anthropic公司的一项发现引发了学界和业界的广泛关注——其研发的Claude模型在训练过程中自发形成了一个名为“J-space”的内部机制，这一机制与人类认知中的“意识可访问信息”存在诸多相似之处。
研究人员发现，J-space并非人为设计，而是Claude在长期训练中自然演化出的功能区域。它类似于人类大脑中的“工作记忆”，能够暂存概念、承接中间结果，并将不同信息组织起来影响后续回答。当J-space被关闭时，Claude仍能回答简单问题，但在需要多步推理的任务中表现大幅下降，这表明J-space在复杂认知过程中扮演着关键角色。
Anthropic团队通过“Jacobian透镜”工具观察到，当Claude处理代码错误、蛋白质序列或潜在攻击指令时，J-space会优先激活相关概念。例如，在回答“能结网的动物有几条腿”时，J-space首先亮起“spider”（蜘蛛）一词，随后Claude才给出“8条腿”的答案。更引人注目的是，当研究人员将J-space中的“spider”替换为“ant”（蚂蚁）时，Claude的答案立即变为“6条腿”，这证明J-space直接参与了推理过程。
这一发现与图灵奖得主杨立昆的观点形成鲜明对比。就在Anthropic发表相关论文前不久，杨立昆在社交平台公开质疑AGI概念，称“AGI中的‘G’（通用）是胡扯”。他认为，当前大语言模型仅擅长处理语言化、离散化的任务，如考试、编程等，但缺乏对物理世界的感知、因果理解和规划能力。他以“竖立铅笔松手后会倒下”为例，指出模型只能基于统计模式生成看似合理的预测，而无法真正理解物理现实。
杨立昆进一步指出，真正的智能系统应通过观察世界、学习变化规律，并在内部进行预测和规划。他创办的AMI Labs正致力于开发基于JEPA架构的AI系统，旨在让机器从感知数据中学习因果关系，而非依赖语言模型的自回归预测。对于“堆算力就能实现AGI”的观点，杨立昆持强烈否定态度，认为语言数据无法承载真实世界的全部信息，单纯扩大模型规模终将触及瓶颈。
这场争论背后，折射出AI领域对发展路径的根本分歧。一方认为，通过优化现有大语言模型，AGI可能自然涌现；另一方则坚持，必须构建全新的感知-认知架构，才能实现真正的智能突破。随着J-space等内部机制的发现，关于AGI的讨论正从“外部表现”转向“内部机制”，而这场争论的最终走向，或将决定下一代AI技术的研发方向。
