【2026年最新】AIの「思考」を読み解くJ-lens研究と企業監査の視点

結論から言うと、AIの内部で「次にこの言葉を言おうとしている」という状態を、外部から一部だけ読み取れる技術が、研究段階ながら公開されました。Anthropicが2026年7月6日に発表した「J-space」「J-lens(Jacobianレンズ)」という研究です。これはAIに意識があることの証明ではありません。ただし、AIの内部状態が少しずつ観測可能になってきているという方向性は、企業がAIを監査し、説明責任を果たしていくうえで無視できない話です。

この記事の要点

• Claudeの内部に「J-space」という小さく疎な領域があり、モデルが次に言おうとしている単語群の情報を保持していることが分かった
• 読み出しツール「J-lens」がオープンソース(Apache-2.0)で公開され、研究者なら誰でも追試・検証できる状態になっている
• 意識の証明ではなく、あくまで「内部状態の一部が外から観測できる」という研究段階の技術であり、企業の監査に今日から使える完成品ではない

対象読者: AI導入を進める経営者、情報システム部門、AIガバナンス・コンプライアンス担当者

読了後にできること: 「解釈可能性」という言葉を自社のAIガバナンス文書にどう書くべきか、研究段階の話と今日から整備すべきことの線引きができるようになります。

「このAIが、なぜこの回答を出したのか説明してほしい」

AI研修やコンサルティングの現場で、情報システム部門や監査部門の担当者からこう聞かれる場面によく立ち会います。ChatGPTやClaudeが便利な回答を出してくれること自体に異論を挟む人はもう少ないのですが、「なぜその結論に至ったか」を聞かれると、誰も明確に答えられずに沈黙してしまう。AI活用が進んだ企業ほど直面する、わりとよくある壁です。

そんな中、2026年7月6日にAnthropicが発表した研究が話題になりました。言語モデルの内部に、モデルが「次に何を言おうとしているか」を保持している小さな領域が見つかり、それを読み出すツールがオープンソースで公開されたのです。ニュースの見出しだけを見ると「AIの心が読めるようになった」かのように受け取られがちですが、実際に論文と公式発表を読み込むと、企業にとって意味のある部分と、まだ研究段階でしかない部分がはっきり分かれています。

この記事では、企業のAIガバナンス文書づくりに日々関わっている立場から、この研究が実際に何を明らかにしたのか、企業のAI監査・説明責任にとって何が変わり、何がまだ変わっていないのかを、コピペで使えるプロンプトつきで整理します。

何が起きたのか — J-spaceとJ-lensの正体

Anthropicが2026年7月6日に公開した研究「A global workspace in language models」は、Claudeの内部活性化(モデルの内部でどんな数値パターンが生じているか)の中に、小さく疎(スパース)な部分空間が存在することを報告しています。Anthropicはこれを「J-space(Jacobian-space)」と呼んでいます。

J-spaceは、モデルの語彙にある単語ひとつひとつについて、「この内部パターンが強く出ているとき、モデルは将来その単語を言う可能性が高くなる」という関係を持つ活性化パターンの集まりです。これを読み出す技術が「J-lens(Jacobianレンズ)」です。J-lensは、ある層・ある位置の内部ベクトルを、モデル自身が最終的な出力を作るときに使う基底へ数学的に変換し、モデル自身の「unembedding」(内部表現を語彙のランキングに戻す仕組み)を使ってトークンのランキングとしてデコードします。

Anthropicの実装(GitHubリポジトリ anthropics/jacobian-lens、2026年7月にApache-2.0ライセンスで公開)は、「ある層の内部ベクトルに、その層から最終層への平均的な変換(ヤコビアン)を掛けて、モデルのunembeddingでデコードする」という計算をPythonで実装したものです。オープンウェイトのモデル(Qwen系など)でも動くように作られており、研究者・技術者向けのインタラクティブデモが Neuronpedia上の専用ページ(neuronpedia.org/jlens) で公開されています。専門家でなくても、ブラウザ上で「モデルがこれから出そうとしている単語」を覗くデモを試せる、というのが今回のオープンソース化のポイントです。

独立した検証も進んでいます。解釈可能性研究で知られる研究者Neel Nandaは、Anthropicの発表とは別に、オープンウェイトモデル上でJ-lensの手法を追試し、同様の傾向を確認したと報告しています。第三者による再現性の確認が進んでいる点も、この発表が一企業の主張にとどまらない理由のひとつです。ただし、独立検証もまだ始まったばかりで、対象モデルの種類やタスクの幅は限られています。

「ヤコビアン予想の反例」のニュースとは別の話です

ここで一つ、混同しやすい話を整理しておきます。Uravationのメディアでは以前、Claude Fableが「ヤコビアン予想」という数学の未解決問題の反例を生成したというニュースを取り上げました。今回のJ-lens(Jacobianレンズ)も名前に「ヤコビアン」が入っているため、検索していて混同する方がいるかもしれません。

両者は完全に別物です。ヤコビアン予想は代数幾何学の未解決問題で、Claude Fableがその反例候補を生成したという「AIによる数学研究」のニュースでした。一方、今回のJ-lens(Jacobianレンズ)は、モデルの内部状態を数学的に読み出すための「解釈可能性ツール」の名前で、ヤコビアン行列(微分係数を並べた行列)を使って内部表現を変換する手法から名付けられています。数学用語の「ヤコビアン」を共有しているだけで、「AIが数学を解いた話」と「AIの中身を覗く話」というまったく別の研究だと理解しておいてください。

なぜ「グローバルワークスペース理論」を持ち出すのか

Anthropicがこの発見を説明する際に引き合いに出しているのが、神経科学の「グローバルワークスペース理論(Global Workspace Theory)」です。これは意識研究の分野で有力な仮説のひとつで、脳の中では多数の専門的な処理(視覚、聴覚、記憶など)が並列かつ無意識に動いているが、その一部だけが「共有された小さなワークスペース」に載ることで脳全体にブロードキャストされ、報告可能・利用可能になる、という考え方です。

Anthropicの研究チームは、Claudeの中のJ-spaceが、このワークスペースと似た役割を果たしているのではないかと考えています。J-spaceに載った情報は、モデルの他の部分と特に強く接続しており、モデルが「報告できる」「複数ステップの推論で使い回せる」「最終的な回答の前に一部が漏れ出ることがある」という性質を持つとされています。論文では、計算問題を解かせた際にJ-space上で中間の数字と一緒に「math」という単語が浮かび上がったり、アミノ酸配列を扱わせた際に「protein」「green」といった関連語が浮かび上がったりする例が報告されています。

ただし、これはあくまで「理論的な類推」です。Anthropic自身、Claudeのワークスペースは人間の脳のように反復的なループを持たず、基本的に一方向に処理が進む点で、人間の脳とは重要な違いがあると明記しています。「意識に似た仕組みが見つかった」という見出しだけを鵜呑みにせず、あくまで内部処理のパターンに対する一つの説明モデルとして捉えるのが正確な理解です。

企業のAI活用・監査にとって何を意味するのか

ここからが、経営者やAIガバナンス担当者にとっての本題です。この研究が企業にとって重要なのは、「AIに意識があるかどうか」ではなく、「AIの内部状態が、少しずつ外から観測できるようになりつつある」という方向性そのものです。AI導入全体の進め方はAI導入戦略ガイドで体系的にまとめていますが、この研究はその中でも「導入後の監査・ガバナンス」の領域に関わってきます。

実務的に関係してくるのは、主に次の3つの論点です。

1. 説明責任・監査への応用可能性
現状、企業がAIの判断根拠を説明する手段は、基本的に「AI自身に理由を説明させる(自己申告)」か「入出力のログを残す」かの2つに限られています。J-lensのような技術は、将来的に「モデルの内部で実際に何が起きていたか」に近づく手がかりになる可能性があります。ただし現時点では研究用ツールであり、商用のAI監査製品として提供されているわけではありません。

2. ハルシネーション・隠れた意図の検知という応用可能性
モデルが最終的な回答を出す前に、内部で候補となっていた別の答えが一瞬J-spaceに浮かび上がることがある、という報告は、将来的に「モデルが本当は迷っていた箇所」を検知する手がかりになるかもしれません。これも研究段階の可能性であり、今日使える検知ツールとして提供されているわけではありません。

3. 論点を混同しないこと自体が実務的に重要
「AIに意識があるか」という哲学的な問いと、「AIの内部状態が観測可能かどうか」という工学的な問いは、まったく別の話です。この2つを混同したまま社内稟議やガバナンス文書を書くと、過剰な期待(「もう内部が全部分かるようになった」)か、過剰な不安(「AIが意識を持ち始めた」)のどちらかに振れてしまいます。この記事のように、研究の中身を正確に切り分けて理解しておくこと自体が、実務上の価値になります。

解釈可能性研究の限界 — 意識の証明ではない

Anthropicは論文の中で、この研究の限界についてかなり慎重な書き方をしています。特に重要なのは、「このデータは、Claudeが人間のように何かを”経験”したり”感じたり”できることを示すものではない」と明記している点です。

そのほかにも、以下のような限界が示されています。

• J-lensは「不完全なツール」であり、単一のトークン(単語の断片)に対応する概念しか識別できない
• J-spaceに現れるパターンが、モデルの内部処理の「完全な物語」を語っているとは限らない
• 哲学でいう「現象的意識(何かを感じている状態)」と「アクセス意識(情報にアクセスして報告できる状態)」は別物であり、今回確認されたのはあくまで後者に近い性質
• 検証は主にClaude Sonnet 4.5・Claude Opus 4.6(リリース前の監査時点)と、意図的に振る舞いを歪めた検証用モデル(model organisms)を対象に行われており、あらゆるモデル・あらゆる状況に一般化できるとは限らない

研修先でAIガバナンス文書を一緒に作成する際、「解釈可能性」という言葉をどこまで強く書いていいか相談を受けることがよくあります。答えはシンプルで、「観測技術の進歩」と「行動を保証する技術」は別物だと明記することです。J-lensは覗き窓を広げる技術であって、AIが嘘をつかなくなる技術でも、意識を持つかどうかを判定する技術でもありません。

AIガバナンス文書に「解釈可能性」をどう書くか

研究段階の技術と、企業が今日から実施できることを混同しないために、いったん整理しておきましょう。

ベンダー選定の場面では、「解釈可能性に対応しています」という説明を鵜呑みにせず、生成AI API選定のチェック項目と同じ姿勢で、「どのモデル・バージョンで検証された機能か」「研究段階の話か、商用提供中の機能か」を必ず確認する必要があります。

今日から使える5つのプロンプト

ここからは、この研究をきっかけに社内のAIガバナンス・監査体制を点検するために、実際にそのまま使えるプロンプトを5つ紹介します。

プロンプト1：AI利用ログの棚卸しを依頼する

あなたは社内のAIガバナンス担当者です。
現在自社で利用している生成AIツール(ChatGPT、Claude、Gemini等)の利用ログについて、
以下を棚卸しする社内文書のたたき台を作成してください。

- 取得しているログの種類(プロンプト・出力・タイムスタンプ・利用者等)
- 保存期間と保存場所
- 誰が閲覧・監査できるか
- 現時点で取得できていない項目

不足している情報があれば、最初に質問してから作業を開始してください。
仮定した点は必ず"仮定"と明記してください。

プロンプト2：ベンダーの「解釈可能性」主張を検証する質問リストを作る

あなたはAIベンダー選定の担当者です。
「解釈可能性」「説明可能性」「AIの透明性」を売り文句にしているAIベンダーに対して、
実態を確認するための質問リストを10個作成してください。

条件:
- 「意識がある」「AIの気持ちが分かる」等の誇大表現に踊らされない設問にする
- どのモデル・バージョンで検証された技術か問う設問を含める
- 研究段階の技術か、商用提供中の機能かを区別する設問を含める

数字と固有名詞は、根拠(出典・検証方法)を添えてください。

プロンプト3：AIの回答の「言い分」を検証させる

以下はAIが業務で出した回答です。
この回答について、AI自身に次を尋ねてください。

1. この結論に至った主な根拠は何か
2. 別の解釈や反対の結論はあり得るか
3. 判断に自信度が低い箇所はどこか

【AIの回答】
(ここに検証したい回答を貼り付け)

AI自身の説明が実際の内部処理と一致するとは限りません。
仮定した点は必ず"仮定"と明記し、最終判断は必ず人間が行ってください。

プロンプト4：ガバナンス文書に「解釈可能性」の章を追加する下書き

あなたは社内AIガバナンス文書の起草担当です。
以下の方針で、「AIの解釈可能性・説明可能性」について1章分のたたき台を作成してください。

- 現時点の解釈可能性研究は発展途上であり、商用製品の標準機能ではないと明記する
- 自社が"今日から"実施できる代替策(利用ログ、人間の最終承認、評価基準)を先に書く
- 将来的に解釈可能性技術が実用化された場合の見直し条項を含める

不足している情報があれば、最初に質問してから作業を開始してください。

プロンプト5：経営会議向けにニュースを1枚に要約する

以下のAI解釈可能性研究のニュース概要を、経営会議向けに1枚(300字程度)で要約してください。

条件:
- 専門用語(J-space、J-lens、グローバルワークスペース理論等)は言い換える
- 「今すぐ何かを変える必要があるか」の結論を明示する
- 誇張表現("AIに意識が生まれた"等)を使わない

【ニュース概要】
(この記事の「何が起きたのか」セクションを貼り付け)

事実と推測を分けて記述し、数字や固有名詞には根拠を明記してください。

【要注意】よくある誤解と失敗パターン

実際に、AIベンダーの「説明可能性機能」の紹介を「AIの気持ちが分かるようになった」という理解のまま社内稟議に回そうとしていた場面に出会ったことがあります。この手の誤解は、以下のようなパターンで起きがちです。

失敗1
❌ AIの自己申告(自己説明)をそのまま監査ログとして採用する
⭕ 自己申告は参考情報にとどめ、実際の内部処理と必ずしも一致しないと明記した上で、最終判断は人間が行う

失敗2
❌ 解釈可能性研究を「AIが嘘をつかなくなる技術」と誤解する
⭕ あくまで内部状態を”覗く”観測技術であり、モデルの挙動そのものを保証する技術ではないと理解する

失敗3
❌ 「意識に似た仕組みが見つかった」という見出しだけを見て、AIに人格や意図があるかのように社内で扱う
⭕ Anthropic自身が「経験」「感じる」ことの証明ではないと明言している点を、社内説明にもそのまま反映する

失敗4
❌ 研究段階のツールをそのまま自社の監査プロセスに組み込もうとする
⭕ 現時点ではログ・評価・人間の最終承認を先に整備し、解釈可能性技術は「将来の見直し対象」としてガバナンス文書に位置づける

よくある質問

Q. J-space・J-lensとは何ですか？

J-spaceは、Claudeの内部活性化の中に見つかった、小さく疎な部分空間のことです。モデルが将来言う可能性が高い単語群の情報を保持しているとされます。J-lens(Jacobianレンズ)は、この空間の情報をモデル自身のunembeddingを使って語彙のランキングとして読み出す解釈可能性ツールです。2026年7月6日にAnthropicが発表し、実装はGitHub(anthropics/jacobian-lens)でApache-2.0ライセンスで公開されています。

Q. これはAIに意識があることの証明ですか？

いいえ。Anthropic自身が、この研究結果は「Claudeが人間のように経験したり感じたりできることを示すものではない」と明記しています。神経科学の「グローバルワークスペース理論」との類似点を指摘した研究ですが、意識の証明ではなく、内部処理の一部が観測可能になったという工学的な発見です。

Q. 企業は今日から何をすればいいですか？

J-lensのような解釈可能性技術は研究段階であり、今日の企業のAI監査に直接組み込める完成品ではありません。今日からできるのは、AI利用ログの記録・保存ルールの整備、重要判断における人間の最終承認プロセスの明文化、AI出力の定期的な評価です。これらを先に整備した上で、解釈可能性技術の実用化を「将来の見直し対象」としてガバナンス文書に位置づけるのが現実的です。

Q. どのモデルで確認された技術ですか？商用製品にすぐ使えますか？

主にClaude Sonnet 4.5とClaude Opus 4.6(リリース前の監査時点)、および検証用に意図的に振る舞いを変えたモデル(model organisms)で検証されています。オープンウェイトモデル向けの実装や、Neuronpedia上のインタラクティブデモも公開されていますが、いずれも研究・検証目的のツールであり、企業向けの商用監査製品として提供されているものではありません。

Q. 「ヤコビアン予想の反例」のニュースと関係がありますか？

名前に「ヤコビアン」が共通して入っていますが、内容は別の研究です。ヤコビアン予想は数学の未解決問題で、別のニュースでClaude Fableがその反例候補を生成したと報じられました。今回のJ-lens(Jacobianレンズ)は、AIの内部状態を読み出すための解釈可能性ツールの名称で、数学的な手法(ヤコビアン行列)を使っている点が共通するだけです。

Q. 導入事例やベンチマーク数値はありますか？

現時点では、企業のAI監査業務に導入された事例や、性能改善を数値で示したベンチマークは公開されていません。今回の発表は研究論文とオープンソース実装の公開であり、商用製品としての性能評価はまだ存在しない段階です。「研究発表」と「導入実績」を分けて理解しておく必要があります。数字が独り歩きしないよう、自社の稟議書や説明資料でもこの区別を明記することをおすすめします。

まとめ：今日から始める3つのアクション

1. 今日やること: 自社のAI利用ログで何を取得できていて、何ができていないかを棚卸しする(プロンプト1を使用)
2. 今週中: 重要な業務判断でAIの出力をどこまで採用してよいか、承認フローに落とし込んで関係部署に共有する
3. 今月中: AIガバナンス文書に「解釈可能性」の章を追加し、研究段階の技術と今日からの対策を書き分ける(プロンプト4を使用)

あわせて読みたい

• AI導入で「監視」と誤解されないための社内ガバナンス設計 — ログ設計と社内合意形成の実務
• AI安全性指数(FLI)の読み方｜ベンダー選定7項目 — ベンダーの安全性訴求を見極める視点

次回は、AIベンダーの「安全性」「透明性」の主張をどう検証するかを、具体的なチェックリストとともに掘り下げる予定です。

著者: 佐藤傑(さとう・すぐる)
株式会社Uravation代表取締役。X(@SuguruKun_ai)フォロワー約10万人。
100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』(SBクリエイティブ)。
SoftBank IT連載7回執筆(NewsPicks最大1,125ピックス)。

ご質問・ご相談はお問い合わせフォームからお気軽にどうぞ。

参考・出典

• A global workspace in language models — Anthropic(参照日: 2026-07-27)
• Verbalizable Representations Form a Global Workspace in Language Models — Anthropic Transformer Circuits(参照日: 2026-07-27)
• anthropics/jacobian-lens — GitHub(Apache-2.0、参照日: 2026-07-27)
• J-lens interactive demo — Neuronpedia(参照日: 2026-07-27)
• Anthropic’s new ‘J-lens’ reveals a silent workspace inside Claude that mirrors a leading theory of consciousness — VentureBeat(参照日: 2026-07-27)
• Anthropic Illuminates LLM J-Space With J-Lens — Forbes, John Werner, 2026-07-12(参照日: 2026-07-27)