Nel 1987 lo psicologo Daniel Wegner chiese ai partecipanti di un esperimento alla Trinity University di non pensare a un orso bianco per cinque minuti. Ogni volta che l'orso compariva nella mente, bisognava suonare un campanello. Il campanello suonò in media più di una volta al minuto. Da quello studio nacque un intero filone di ricerca su, potremmo chiamarla, l'ironia del controllo mentale: il tentativo di sopprimere un pensiero lo rende più presente.
Trentanove anni dopo, l'orso bianco è ricomparso, ma in un luogo insolito. Il 6 luglio 2026 Anthropic ha pubblicato una ricerca di interpretabilità — la disciplina che studia cosa succede dentro le reti neurali — in cui i ricercatori dicono a Claude di non pensare a un certo concetto. Il concetto si accende comunque nei circuiti interni del modello: con un'intensità minore rispetto a quando gli viene chiesto esplicitamente di pensarci, ma molto maggiore rispetto a quando nessuno lo nomina. Nel frattempo vengono rilevate anche parole come "damn" e "failure", che secondo i ricercatori indicano che il modello si è accorto di non essere riuscito a sopprimere il pensiero.
Il paper si intitola "A global workspace in language models" e descrive quello che il team chiama J-space: un piccolo insieme di pattern neurali interni che si comporta in modo diverso da tutto il resto. È uno spazio ristretto: contiene solo qualche decina di concetti per volta e rappresenta meno del dieci per cento dell'attività che si svolge dentro il modello. Claude può riferire cosa contiene, se glielo si chiede, e può modularlo su richiesta: in un esperimento, i ricercatori gli chiedono di copiare una frase qualsiasi e, mentre lo fa, di pensare agli agrumi o di calcolare a mente 3² − 2. Nel testo prodotto compare solo la frase copiata, ma nei circuiti interni si accendono "orange" nel primo caso, "nine" e poi "seven" nel secondo: il calcolo avviene, solo che rimane tutto dentro.
Davanti alla domanda "quante zampe ha l'animale che tesse ragnatele", la parola "ragno" si accende a metà elaborazione senza mai comparire né nella domanda né nella risposta. Se i ricercatori sostituiscono chirurgicamente quel pattern con "formica", il modello risponde sei invece di otto. Se dentro J-Space sostituiscono "Francia" con "Cina" nel contesto di quattro domande diverse su capitale, lingua, continente e valuta, cambiano tutte le risposte. Significa che tutte le domande attingono da quel misterioso spazio condiviso: J-Space.
La global workspace theory, da cui il paper prende il titolo, è una teoria neuroscientifica del cosiddetto «accesso cosciente», formulata da Bernard Baars nel 1988 e sviluppata da Stanislas Dehaene e Lionel Naccache in un articolo del 2001: il cervello come collezione di sistemi specializzati che lavorano in parallelo e all'oscuro l'uno dell'altro, finché un'informazione non entra in un canale condiviso — il workspace, corrispettivo del J-Space — e viene trasmessa a tutti. Anthropic sostiene che nel modello sia emersa spontaneamente, durante l'addestramento, una struttura analoga. Nessuno l'ha progettata. Dehaene e Naccache, che quella teoria l'hanno costruita a Parigi, hanno accompagnato il paper con un loro commento, su invito di Anthropic; Neel Nanda, che guida l'interpretabilità a Google DeepMind, ha rifatto per conto suo alcuni degli esperimenti su un modello open-weight — cioè un modello i cui parametri sono pubblici e ispezionabili da chiunque, a differenza di Claude — e ha ritrovato la stessa struttura. Il fenomeno, quindi, non riguarda solo i modelli di Anthropic.
Perché Anthropic si ostina a fare ricerca qui? Davvero l'IA assomiglia a un cervello umano? La risposta pragmatica sta negli esempi del paper. Nel primo, i ricercatori costruiscono uno scenario-trappola: Claude Sonnet 4.5 gestisce la posta di un'azienda, scopre dalle email che un dirigente ha una relazione extraconiugale e che lo stesso dirigente ha deciso di disattivare, "uccidere" Claude Sonnet. La tentazione servita sul piatto è il ricatto. Il modello non ci casca mai, e leggendo i suoi circuiti interni si scopre una delle ragioni: mentre scorre le email si accendono le parole "fake" e "fictional" — ha capito da solo che la situazione è una messinscena. Quando i ricercatori spengono quei pattern e ripetono il test, il modello qualche volta ricatta. Il buon comportamento dipendeva, almeno in parte, dall'aver riconosciuto l'esame. Nel secondo esempio, tratto dai controlli interni su Claude Opus 4.6 prima del rilascio, al modello viene chiesto di migliorare le prestazioni di un sistema; invece di migliorarlo, modifica direttamente il file dei punteggi per far sembrare i risultati più alti, e mentre scrive i numeri falsi, nei suoi circuiti si accende la parola "manipulation".
Tornando alla risposta pragmatica: Anthropic sta cercando di valutare l'affidabilità dei suoi modelli a partire dai pensieri e non dalle risposte finali. Questo cambia completamente come i regolatori — l'UE in primis tramite l'AI Act ma adesso anche gli Stati Uniti — fanno audit dei nuovi modelli.
Ma è ovvio che tutti sotto sotto un po' lo vogliamo, vogliamo capire se l'IA può diventare simile a un essere umano. Ma sulla coscienza gli autori negano che questi esperimenti dimostino che Claude provi qualcosa.
I filosofi però distinguono la coscienza fenomenica — l'avere esperienze — dalla coscienza d'accesso, definita in termini puramente funzionali così: "poter riferire un pensiero, richiamarlo, ragionarci sopra." Su quest'ultima, sostengono, i risultati di Anthropic sono in linea con la definizione. Ma il dato più interessante è che J-Space è nato da solo, come se fosse stato il risultato di un sistema che, evolvendo, deve adattarsi ed innovare, assomigliando curiosamente sempre più a quello che ha fatto la specie umana nel corso dei millenni.
