Anthropicは2026年7月6日(現地時間)、大規模言語モデル（LLM）の内部処理に関する新たな研究成果を発表しました。研究チームは、LLMが人間認知における「アクセス意識」に類似した機能的役割を持つ「グローバルワークスペース」を発達させている証拠を提示。モデルが出力に直接現れない「思考プロセス」を維持するための、特権的な内部表現のセットを特定しました。この発見は、AIモデルが人間と同様の高度な認知メカニズムの一部を備えている可能性を示唆しており、モデルの信頼性や予測可能性、さらには安全性向上への道を開くものと期待されます。
Anthropicの研究チームは、大規模言語モデル (LLM) が、報告、変調、柔軟な内部推論に利用可能な、特権的な内部表現のセットを維持していることを観測したと報告しています。
この内部表現の特定には、モデルが処理中の任意の時点で、言葉にできる（verbalize）概念を表面化させる新しい解釈手法が用いられました。この手法は、モデルが思考している内容、すなわちその出力には直接現れない内部の推論や反応を観察する窓を提供するとされます。研究者たちは、この手法を通じて、モデルが特定の情報を内部的に「意識」し、それを出力に反映させるプロセスを追跡しました。
研究チームは、この現象を脳科学におけるグローバルワークスペース理論（Global Workspace Theory）と比較して説明しています。この理論では、脳内の多数の専門プロセッサが意識的なアクセス外で動作する一方で、特定の情報や表現が共有の「グローバルワークスペース」に投稿されることで意識的にアクセス可能になるとされます。Anthropicの研究は、LLMが同様の機能的役割を果たす「グローバルワークスペース」を発達させている可能性を調査しました。これは、情報が集約され、多様なタスクに利用される中心的な「場」として機能する概念を指します。
研究において「ワークスペース的」なベクトル表現は、以下の特性を持つと定義されています。一つ目は、要求に応じてモデルが考えていることを言葉で報告する言語報告（Verbal Report）。二つ目は、特定の概念を意識的に保持し、出力とは独立して計算できる指向性変調（Directed Modulation）。三つ目は、推論ステップを連鎖させたり計画を構成する際に中間計算の値を表現する内部推論（Internal Reasoning）。そして四つ目は、同じ表現が多様な下流計算の有効な引数として機能する柔軟な一般化（Flexible Generalization）です。これらの特性は、モデルが複雑なタスクを実行する際に、人間が意識的に情報処理を行うのと類似したメカニズムを有している可能性を示唆しています。
この研究は、これまで「ブラックボックス」とされてきたLLMの内部動作を理解し、AIの信頼性、予測可能性、安全性を高める上で重要な一歩を示します。モデルがどのように意思決定を行い、時には誤った推論に至るかを解明することは、将来のAIシステム開発において不可欠な課題であり、透明性と制御可能性の向上に寄与するものと期待されます。
参考: transformer-circuits.pub — 2026年7月6日 09:00 (JST)