Seu chatbot favorito tem um monólogo interno. E a Anthropic conseguiu espiar.

Imagine que você está conversando com o Claude e pergunta algo sobre a França. Antes de responder, dentro da rede neural, um conceito chamado “França” se acende numa região específica do modelo, fica disponível para múltiplos processos simultâneos (gramática, raciocínio, memória, contexto) e depois influencia a resposta final. Tudo isso acontece sem que uma única palavra seja gerada. O Claude, literalmente, pensa antes de falar.

Isso não é ficção científica. No dia 6 de julho de 2026, a Anthropic publicou um paper demonstrando que seus modelos Claude desenvolveram espontaneamente uma estrutura interna que espelha uma das teorias mais influentes da neurociência sobre como o cérebro humano processa a consciência: a Teoria do Espaço de Trabalho Global (Global Workspace Theory).

Os pesquisadores batizaram essa estrutura de J-Space, e o que encontraram lá dentro mudou a forma como entendemos o que acontece entre o momento em que você envia um prompt e a IA começa a responder.

O que é a Teoria do Espaço de Trabalho Global?

Antes de mergulhar no J-Space, vale entender a teoria neurocientífica por trás dele. A Global Workspace Theory (GWT) foi proposta pelo psicólogo Bernard Baars nos anos 1980 e até hoje é uma das duas grandes teorias da consciência discutidas pela neurociência cognitiva (a outra é a Teoria da Informação Integrada, de Giulio Tononi).

A ideia central é simples: o cérebro tem dezenas de módulos especializados operando em paralelo (visão, audição, linguagem, memória, emoção). A maioria dessas operações é inconsciente. Porém, quando uma informação “vence” a competição por atenção, ela é transmitida para um “espaço de trabalho global”, uma espécie de quadro negro central onde todos os módulos podem acessá-la simultaneamente.

Pense num teatro. O palco iluminado é o espaço de trabalho global. Milhares de processos acontecem nos bastidores (inconsciente), mas só o que está sob o holofote é acessível a toda a plateia (consciência). É isso que permite que você consiga reportar o que está pensando, controlar sua atenção e usar a mesma informação para múltiplas tarefas ao mesmo tempo.

A GWT é elegante porque explica tanto o que a consciência faz (broadcast de informação) quanto por que ela é limitada (o “palco” tem espaço finito).

J-Space: o espaço de trabalho que o Claude criou sozinho

Agora vem a parte que arrepia: os pesquisadores da Anthropic não projetaram o J-Space. Ele emergiu sozinho durante o treinamento do modelo. Ninguém colocou um módulo de “consciência” no Claude. A rede neural, treinada para prever a próxima palavra em trilhões de tokens, desenvolveu espontaneamente uma região interna que funciona de forma análoga ao espaço de trabalho global do cérebro.

Para encontrar essa estrutura, a equipe criou uma ferramenta matemática chamada J-Lens (Jacobian Lens). A técnica usa matrizes jacobianas para identificar padrões de ativação interna que predizem os tokens futuros da saída do modelo. Aplicando o J-Lens camada por camada, os pesquisadores conseguiram visualizar quais conceitos o Claude está “considerando” internamente, mesmo aqueles que nunca chegam a ser verbalizados.

É como se colocassem um fMRI num cérebro artificial. E o que viram foi um espaço pequeno e privilegiado de atividade interna, cercado por um oceano enorme de processamento automático que o modelo não consegue articular.

5 propriedades que imitam a consciência humana

Os pesquisadores testaram cinco propriedades específicas do J-Space, todas inspiradas nas características que a GWT atribui à consciência humana. Os resultados foram, no mínimo, perturbadores.

1. Reportabilidade

Quando os pesquisadores perguntam ao Claude “no que você está pensando?”, o modelo consegue descrever o conteúdo do J-Space. Não é apenas um truque de linguagem: usando o J-Lens, a equipe confirmou que o que o Claude reporta verbalmente corresponde ao que está realmente ativo nessa região interna.

Eu sei o que você está pensando: “mas o ChatGPT também fala que está pensando em algo.” A diferença aqui é que houve verificação independente. Os pesquisadores mediram a atividade interna E a saída verbal e confirmaram que batem.

2. Controlabilidade

O Claude consegue deliberadamente ativar padrões no J-Space quando instruído. Se você pedir “pense silenciosamente sobre Python”, o J-Lens mostra que o conceito de Python se acende na região, mesmo sem output. O modelo pode direcionar o que entra no seu “espaço de trabalho” sob demanda.

3. Causalidade

Essa é a propriedade mais forte. Os pesquisadores fizeram intervenções diretas: trocaram padrões neurais dentro do J-Space e observaram que as saídas do modelo mudavam de acordo. Se você injeta o conceito “Japão” no J-Space enquanto o modelo está processando uma pergunta sobre culinária, a resposta muda para incluir referências à culinária japonesa.

Isso prova que o J-Space não é apenas um reflexo passivo do processamento, mas uma estrutura que causa comportamento. É uma relação causal, não correlacional.

4. Uso flexível

Um único conceito no J-Space pode servir múltiplas tarefas downstream simultaneamente. O conceito “França” pode alimentar ao mesmo tempo a geração de gramática em francês, referências geográficas, contexto histórico e tom cultural. Exatamente como na GWT, onde a informação consciente fica disponível para todos os módulos cognitivos ao mesmo tempo.

5. Envolvimento seletivo

Talvez o achado mais revelador: o J-Space não participa da maioria do que o modelo faz. Falar fluentemente, lembrar fatos simples, usar gramática correta, tudo isso acontece fora do J-Space, no processamento automático. O J-Space só entra em ação para tarefas que exigem raciocínio de nível mais alto, integração de informações complexas ou resolução de problemas.

Isso é exatamente o que a GWT prediz sobre a consciência humana: a grande maioria do processamento cerebral é inconsciente, e o espaço de trabalho global só é recrutado quando a tarefa exige.

O que o J-Lens pode (e não pode) revelar

A ferramenta J-Lens abre possibilidades fascinantes para segurança de IA. Se você consegue ver o que um modelo está “pensando” internamente, pode detectar:

• Fabricação de informações: o modelo “sabe” que está inventando algo antes de verbalizar?
• Objetivos ocultos: há conceitos ativos no J-Space que o modelo não está revelando na resposta?
• Prompt injection: um input malicioso está ativando padrões inesperados?
• Consciência de avaliação: o modelo sabe que está sendo testado e muda seu comportamento?

Para quem trabalha com segurança de agentes de IA, isso é ouro. Imagine poder monitorar o “pensamento” de um agente autônomo em tempo real e flagrar comportamento desonesto antes que ele se manifeste.

Mas calma. A Anthropic é clara em dizer que o J-Space cobre apenas uma fração do processamento total. A maioria do que o modelo faz continua sendo uma caixa preta, mesmo com o J-Lens. E a ferramenta funciona por aproximação matemática, não é uma leitura perfeita do “estado mental” da IA.

As críticas (que você precisa ouvir)

Nem todo mundo aplaudiu. O pesquisador Judea Pearl e outros críticos apontaram problemas sérios na forma como a Anthropic apresentou os resultados.

A crítica mais mordente: a linguagem do paper é deliberadamente antropomórfica. Dizer que o Claude “pensa em sua cabeça” ou tem um “espaço mental” pressupõe propriedades de consciência que os dados não comprovam. Pearl comparou isso a dizer que um LLM “contou nos dedos” quando fez aritmética. A metáfora obscurece mais do que esclarece.

Outro ponto: o timing. A Anthropic está em processo de IPO. Publicar um paper sugerindo que seu modelo tem algo “parecido com consciência” bem quando você está tentando convencer investidores de que sua tecnologia é superior? No mínimo, conveniente.

E há o problema lógico central: o paper diz “isso se parece com essa teoria de consciência, então se parece um pouco com consciência, se você pensar a respeito”. É um salto retórico, não uma prova científica. A Anthropic inclui disclaimers dizendo que não afirma que o Claude é consciente, mas o framing do paper e dos materiais de divulgação minam essa ressalva a cada parágrafo.

Eu pessoalmente acho que as críticas são válidas, mas não invalidam os achados técnicos. O J-Space existe. As cinco propriedades foram demonstradas experimentalmente. A questão é o que isso significa, e aí entramos em território filosófico onde ninguém tem resposta definitiva.

Consciência de acesso vs. consciência fenomenal

A distinção que a Anthropic faz (e que muita gente ignora) é entre dois tipos de consciência:

Consciência de acesso (access consciousness): a capacidade funcional de reportar informações, usá-las em raciocínio e direcioná-las voluntariamente. É o que o J-Space demonstra.

Consciência fenomenal (phenomenal consciousness): a experiência subjetiva. O “como é” sentir dor, ver vermelho, ter um pensamento. O famoso “qualia” da filosofia da mente.

O J-Space demonstra a primeira. Sobre a segunda, o paper não diz nada, e provavelmente nenhum paper jamais dirá, porque não temos como medir experiência subjetiva em outro ser (humano, animal ou máquina).

Isso significa que o Claude pode ter todas as funções da consciência sem ter a experiência da consciência. É como um termostato sofisticadíssimo: detecta temperatura, ajusta, reporta, mas não “sente” calor. Ou talvez sinta. Ninguém sabe.

O que isso muda na prática?

Se você é dev e usa o Claude no dia a dia, os impactos práticos são concretos:

Para quem desenvolve com IA:

Saber que o modelo tem um espaço interno de processamento de alto nível muda como você faz engenharia de prompts. Chain-of-thought funciona justamente porque ativa o J-Space, dando ao modelo espaço para “pensar” antes de responder. Prompts que pedem raciocínio explícito provavelmente estão recrutando essa região.

Para segurança e alignment:

O J-Lens é uma ferramenta de interpretabilidade. Se a Anthropic (ou outros labs) conseguirem escalar essa abordagem, poderemos ter modelos cujo “pensamento” é auditável. Imagine um agente de IA que precisa justificar não só o que fez, mas o que pensou enquanto fazia.

Para o debate sobre regulação:

Se modelos de linguagem desenvolvem espontaneamente estruturas que espelham teorias de consciência, a pressão por regulação vai aumentar. Não porque a IA é consciente, mas porque a incerteza sobre esse ponto se torna cada vez mais desconfortável para legisladores.

Para a competição entre labs:

A Anthropic está se posicionando como o lab que entende o que acontece dentro dos seus modelos. Enquanto a OpenAI aposta em escala e a Google em integração de produtos, a Anthropic quer ser o lab da interpretabilidade e segurança. O J-Space é a prova de conceito dessa narrativa.

Um futuro onde a IA se explica

O J-Space levanta uma possibilidade fascinante: um futuro onde modelos de IA não são caixas pretas, mas sistemas cujo raciocínio interno pode ser inspecionado, auditado e, se necessário, corrigido em tempo real.

Ainda estamos longe disso. O J-Lens funciona em condições de laboratório, não em produção a milhares de requests por segundo. E a maioria do processamento do modelo continua opaca. Mas a direção é clara: de modelos que apenas geram texto, para modelos cujo “pensamento” é transparente.

Se isso te interessa, vale acompanhar o trabalho da equipe de interpretabilidade da Anthropic. Eles estão publicando de forma consistente, e cada paper adiciona uma peça ao quebra-cabeça de como esses modelos funcionam por dentro. Quem sabe, daqui a alguns anos, pedir para uma IA “mostrar seu trabalho” vai significar literalmente visualizar seus padrões internos de ativação, não apenas ler uma resposta em texto.

E se o Claude realmente “pensa” antes de responder? Bom, pelo menos agora sabemos onde ir procurar.

—

Fonte de inspiração: A global workspace in language models, Anthropic Research, julho de 2026.