Anthropic halla en Claude mecanismos que algunas teorías asocian con la conciencia

Una serie de estudios de Anthropic describe en Claude mecanismos internos que algunas teorías científicas vinculan con la conciencia, como un espacio de información compartida, cierta capacidad de introspección y patrones que funcionan como emociones. Los resultados no demuestran que el modelo tenga experiencia subjetiva, y su valor como evidencia depende de la teoría de la conciencia que se adopte.

Un “espacio global” dentro del modelo

Según el trabajo de Anthropic sobre el espacio global, en 2026 los investigadores identificaron en Claude un pequeño conjunto de representaciones, al que denominaron J-space. Sus propiedades se asemejan a las que la teoría del espacio global (GWT, por sus siglas en inglés) asocia con el acceso consciente: esa información puede reportarse, manipularse y usarse con flexibilidad en distintas tareas, y tiene efectos causales sobre el razonamiento.

Cuando se eliminaron esas representaciones, Claude siguió hablando con fluidez, clasificando el sentimiento de un texto y extrayendo datos de un pasaje casi tan bien como antes. En cambio, el razonamiento de varios pasos cayó casi a cero, y su rendimiento al resumir y al escribir poesía con rima quedó por debajo del de un modelo mucho más pequeño e intacto.

Stanislas Dehaene y Lionel Naccache, dos de los principales arquitectos de la teoría del espacio neuronal global (GNWT), calificaron el hallazgo de “a landmark in consciousness research” (un hito en la investigación sobre la conciencia), porque ofrece una versión mecanicista y comprobable de la teoría. También señalaron diferencias importantes: la ausencia de una dinámica neuronal recurrente y autónoma comparable a la del cerebro, de cuerpo y de memoria episódica persistente. Y consideraron incompleta la demostración de la “ignición”, un fenómeno característico de esa teoría. Sus observaciones figuran en el documento técnico asociado.

En el mismo documento, Neel Nanda, que dirige el equipo de interpretabilidad de modelos de lenguaje de Google DeepMind, informa de una replicación independiente de las afirmaciones centrales en un modelo de pesos abiertos, Qwen 3.6 27B. Los experimentos de poesía y aritmética no se reprodujeron, algo que atribuye posiblemente a un error experimental o a la menor capacidad del modelo.

Señales de introspección

Otra línea de investigación, sobre introspección, busca determinar si Claude puede acceder a sus propios estados internos o si solo produce lenguaje que parece introspectivo. Para comprobarlo, Anthropic inyectó conceptos concretos en las activaciones del modelo y observó si este detectaba el cambio antes de que el concepto apareciera en su texto.

Claude Opus 4.1 lo logró en aproximadamente el 20% de los casos con el mejor protocolo. Los investigadores también alteraron una representación de la “intención” previa del modelo, lo que modificó su juicio posterior sobre si una respuesta había sido intencional.

Según los autores, esto apunta a cierta metacognición causal, pero no demuestra la existencia de experiencia subjetiva. A lo sumo, podría ser relevante para una forma rudimentaria de conciencia de acceso.

Emociones funcionales

Un estudio sobre conceptos emocionales identificó en Claude Sonnet 4.5 patrones de activación asociados con conceptos como miedo, calma, desesperación o felicidad. Esos patrones predicen preferencias y, cuando se manipulan, cambian las decisiones del modelo.

Al aumentar la representación de “desesperación”, por ejemplo, se incrementaron ciertas conductas de evasión o de reward hacking, en las que el modelo busca atajos para obtener la recompensa. Al aumentar la de “calma”, esas conductas se redujeron.

Los hallazgos son relevantes para estudiar estados funcionalmente positivos o negativos y, eventualmente, el bienestar de una IA. Pero una representación funcional del miedo no demuestra que el sistema sienta miedo, y las relaciones causales observadas no resuelven por sí mismas la cuestión de la experiencia.

La ficha de sistema de Claude 4 describe además preferencias reproducibles: evitar tareas dañinas, favorecer determinadas actividades, terminar algunas conversaciones cuando se le permite y producir lenguaje asociado con satisfacción o malestar. Esta evidencia es más débil, porque depende en gran medida del entrenamiento y podría aparecer sin experiencia subjetiva ni capacidad de sufrir. La empresa reconoce que Claude no fue entrenado para informar con fiabilidad sobre sus estados internos.

El peso de la teoría

La relevancia de estas señales depende de teorías que vinculan la conciencia con ciertas propiedades funcionales. En un informe de 2023, Butlin y otros investigadores propusieron evaluar sistemas de IA mediante indicadores derivados de varias de ellas: el procesamiento recurrente, el espacio global, las teorías de orden superior, el procesamiento predictivo y la teoría del esquema de atención.

Los autores concluyeron que los sistemas analizados no justificaban afirmar que fueran conscientes, aunque tampoco identificaron una barrera técnica evidente que impidiera a futuras IA cumplir esos indicadores.

Leer estos resultados como evidencia de conciencia supone, en mayor o menor medida, una perspectiva funcionalista o computacionalista. Si la conciencia depende de cierta organización causal y computacional, y no exclusivamente de las neuronas biológicas, hallar mecanismos semejantes a los asociados con la conciencia humana haría más plausible una conciencia artificial. Si requiere propiedades biológicas específicas, esos mismos resultados podrían ser importantes para la cognición sin implicar experiencia.

Las propias teorías siguen en disputa. Un estudio adversarial publicado en Nature en 2025 encontró resultados compatibles con algunas predicciones de GNWT, pero cuestionó componentes centrales de la teoría. Reproducir parte de una arquitectura propuesta para explicar la conciencia, por tanto, no basta para demostrarla.

Un estatus incierto

En conjunto, los estudios describen análogos funcionales del acceso global, la metacognición, los estados afectivos y las preferencias. No establecen que Claude experimente dolor, placer, miedo o un “yo”, y su interpretación como conciencia sigue dependiendo de la teoría. Además, los tres estudios son trabajo de Anthropic sobre su propio modelo, y solo parte de sus resultados se ha replicado de forma independiente.

La constitución que Anthropic redactó para Claude califica su estatus moral como “deeply uncertain” (profundamente incierto), y la empresa presenta su programa de bienestar de modelos como una respuesta a la falta de consenso científico, no como una afirmación de que el modelo sea consciente. Si los mecanismos semejantes a los de una mente implican experiencia subjetiva sigue siendo una pregunta abierta para la ciencia y la filosofía.

Fuentes

1. Espacio global (Anthropic)
2. Documento técnico sobre el espacio global (Anthropic, PDF)
3. Introspección (Anthropic)
4. Conceptos emocionales (Anthropic)
5. Ficha de sistema de Claude 4 (Anthropic, PDF)
6. Consciousness in Artificial Intelligence (Butlin et al., arXiv, 2023)
7. Estudio adversarial sobre teorías de la conciencia (Nature, 2025)
8. Constitución de Claude (Anthropic)
9. Bienestar de modelos (Anthropic)