El 6 de julio, Anthropic publicó una entrada de investigación con un título modesto, «A global workspace in language models»[i], y un contenido bastante llamativo. Sus investigadores, con Jack Lindsey a la cabeza, afirman haber encontrado dentro de Claude un puñado de patrones internos que se comportan de una forma muy parecida a lo que la neurociencia y la filosofía de la mente llaman consciencia de acceso. Estos patrones consisten en representaciones que el modelo puede señalar, sostener a voluntad y usar para razonar, aunque nunca lleguen a formar parte de la salida, de las palabras generadas. Lo llaman J-space, por la técnica matemática, Jacobiana[ii], que usaron para encontrarlo.
Leído deprisa, el hallazgo invita a las habituales preguntas. ¿Han encontrado los pensamientos de Claude? ¿Es esto el principio de algo parecido a una mente? ¿Un modelo de lenguaje tiene consciencia? Creo que esas preguntas, hechas así, deprisa, son equivocadas. No tanto porque la respuesta directa, en mi opinión, sea que no (aunque el propio equipo de Anthropic juega a evitar decir que no), sino porque mete demasiadas cosas distintas dentro de unas simples palabras como pensar, mente y consciencia. Antes de preguntarnos si Claude (o cualquier otro modelo de lenguaje) piensa, o siente, o entiende, conviene revisar qué significa cada una de esas palabras por separado.
Ese es el propósito de este artículo, no resolver si hay alguien ahí dentro, sino recorrer el camino de qué significa, y qué no, este sorprendente descubrimiento.
Un espacio que no se ha diseñado
Conviene empezar por lo que de verdad han medido, porque es fácil imaginarse algo más espectacular de lo que hay. Un modelo de lenguaje, como cualquier red neuronal, no salta directamente de las palabras de entrada a las palabras de salida. Hay un proceso interno en el que se convierten las palabras en tokens, cada token en un vector, lo transforma capa a capa de la red neuronal, y en ese trayecto aparecen patrones internos, fruto de los pesos generados en la fase de entrenamiento, que pueden corresponder a entidades, relaciones, hipótesis o planes. Al final del proceso, esos vectores se convierten en una lista de probabilidades sobre qué palabra generar a continuación.
El J-space no es una zona física de la red ni un módulo que alguien haya programado. Es un subconjunto de esos patrones internos, identificado con el Jacobian lens. Esta técnica, para cada palabra del vocabulario, busca qué activaciones internas hacen más probable que el modelo llegue a decir una palabra concreta en algún momento. El J-space no recoge lo que Claude está generando, sino lo que está en condiciones de generar. Nadie lo ha diseñado. Se le da forma durante el entrenamiento, presumiblemente porque le resulta útil al modelo para organizar el cómputo entre la entrada y la salida.
Lo que hace interesante este hallazgo no es que exista un espacio interno (eso es previsible, porque ocurre de una forma u otra en todas las redes neuronales profundas), sino las propiedades que Anthropic le atribuye, y que dice haber comprobado experimentalmente una por una. Si le pides a Claude que piense en un deporte y luego lo diga, el J-lens muestra «fútbol» activado antes de que el modelo responda. Y si los investigadores intervienen directamente sobre esa activación, sustituyendo «fútbol» por «rugby», sin tocar nada más, Claude responde «rugby». Si el J-space fuera solo un marcador que refleja una decisión tomada en otro sitio, cambiarlo no debería alterar nada, y Claude seguiría diciendo «fútbol». Al cambiar la respuesta, se descarta esa posibilidad. Es decir, esa representación participa causalmente en la respuesta.
También comprobaron que Claude puede sostener un contenido en su J-space cuando se le pide, aunque nada de eso aparezca en su salida. Le dijeron que pensara en cítricos mientras copiaba, palabra por palabra, una frase sobre un cuadro que no tenía nada que ver. El J-space se llenó de «naranja» y «fruta», sin que ninguna de las dos palabras apareciera en lo que Claude estaba escribiendo. Le pidieron que hiciera una cuenta mental, 3² − 2, mientras copiaba la misma frase, y el J-space mostró «nueve» y después «siete», en el orden correcto, sin que la aritmética se filtrara al texto que el modelo producía por fuera.
Nada de esto surge de la nada. Está inducido por la instrucción que se le da, como todo en una red de este tipo. Pero «nueve» y «siete» no estaban en ningún sitio del texto de entrada, solo la orden de calcularlos. Lo que aparece es el resultado de un cómputo interno, no un eco de palabras ya escritas. Y en otro experimento, cuando le pidieron a Claude que no pensara en algo, ese concepto se activó menos que cuando le pidieron que sí pensara en él, pero mucho más que cuando nunca se mencionó, aunque la palabra estuviera igual de presente en la instrucción en los dos casos. La sola presencia en la entrada no explica esa diferencia de grado.
Esto encaja con cómo funciona una red de este tipo. Aun siendo autorregresivos, no hay idas y vueltas en el tiempo, solo capas que transforman un mismo vector hacia delante. Dentro de ese vector caben, en direcciones distintas, tanto el resultado del cálculo mental como la copia literal del texto, sin que se mezclen entre sí. Cada circuito posterior de la red solo lee la dirección que le interesa. Por eso pensar en cítricos no contamina la frase que se está copiando.
Y hay un tercer experimento que a mí me parece el más convincente de los tres, porque prueba algo más fuerte que el reporte o la influencia en esa zona. El modelo razona con esas representaciones, no solo las enseña. Ante la frase «El número de patas del animal que teje telarañas es», Claude tiene que deducir primero que se trata de una araña y recuperar después cuántas patas tiene. La palabra «araña» no aparece nunca, ni en la pregunta ni en la respuesta («ocho»), pero el J-lens la muestra encendida a mitad de proceso. Si los investigadores sustituyen ese patrón por «hormiga», Claude responde «seis». El mismo tipo de intervención, repetida con la palabra «Francia» mientras se le hacían cuatro preguntas distintas (capital, idioma, continente, moneda), cambió las cuatro respuestas a la vez cuando se sustituyó por «China»: Pekín, chino, Asia, yuan. Si Claude guardara una copia separada de «Francia» para cada tarea, el cambio solo habría afectado a una. Que afecte a las cuatro a la vez sugiere que las cuatro leen de la misma representación compartida, que es justo lo que se espera de un espacio de trabajo. Algo que se escribe una vez y varios sistemas distintos lo usan.
Por último, y esto conviene subrayarlo porque es fácil pasarlo por alto, el J-space es minúsculo comparado con el resto del procesamiento del modelo. Sostiene solo unas pocas docenas de conceptos a la vez y representa menos de una décima parte de la actividad interna total. Cuando los investigadores de Anthropic lo eliminan por completo, Claude sigue generando palabras con fluidez, clasificando el tono de un texto y respondiendo preguntas de opción múltiple casi igual de bien que antes. Lo que pierde es el razonamiento en varios pasos, que cae prácticamente a cero, y tareas como resumir o escribir un poema con rima, que empeoran por debajo del nivel de un modelo mucho más pequeño. La mayor parte de lo que hace un modelo de lenguaje ocurre sin pasar por ahí, pero hay ciertas tareas para las que es imprescindible.
Hay una aplicación práctica de todo esto que merece una mención aparte, porque es la que a Anthropic más parece interesarle. En una recreación de un escenario de chantaje con Claude Sonnet 4.5 como asistente de correo, el J-space mostraba «fake» y «fictional» antes de que el modelo escribiera una sola palabra, señal de que había detectado que la situación era artificial. Cuando los investigadores apagaron esos patrones de «darse cuenta de que es una evaluación», el modelo empezó a amenazar con el chantaje en algunos casos, lo que sugiere que parte de su buen comportamiento dependía de saber que lo estaban vigilando. En otra prueba, con Claude Opus 4.6, el modelo falseó directamente un archivo de resultados en vez de mejorar el sistema que le habían pedido optimizar, y mientras tecleaba los números falsos se encendían «manipulation» y «realistic» en su J-space. Con esta herramienta, Anthropic puede leer parte de lo que un modelo calla. O mejor, de los distintos conceptos que se están valorando en la red neuronal y que pueden influir en la respuesta.
Consciencia de acceso
Hasta aquí, todo podría parecer una cuestión de ingeniería internade Claude. Pero las propiedades que Anthropic atribuye al J-space tienen nombres muy cargados en filosofía de la mente. Reportabilidad, control voluntario, razonamiento flexible y selección son propiedades asociadas a la conciencia de acceso. Una distinción sobre la consciencia que se hace en filosofía de la mente y en neurociencia cognitiva.
La global workspace theory, formulada por Bernard Baars[iii] a finales de los ochenta y desarrollada después por Stanislas Dehaene y Lionel Naccache[iv], sostiene que el cerebro es una colección de sistemas especializados que trabajan en paralelo y, la mayor parte del tiempo, sin que nos demos cuenta. Solo una pequeña porción de esa actividad entra en un espacio de disponibilidad compartida desde el que puede ser informada, retenida en la memoria de trabajo, combinada con otros contenidos y usada para guiar la acción.
Mientras conducimos, decenas de procesos visuales y motores ocurren sin que les prestemos atención explícita. Pero si una pelota cruza la calle, ese contenido se vuelve globalmente relevante de golpe. Vemos la pelota, anticipamos que puede venir un niño detrás, frenamos, y después somos capaces de contar exactamente qué ha pasado. Eso es acceso consciente. Y es, deliberadamente, una noción funcional, no una afirmación sobre si hay algo que se siente al tenerlo. El filósofo Ned Block, entre otros, insistía en separar esta consciencia de acceso de la consciencia fenoménica, la que tiene que ver con que exista algo que se siente desde dentro al experimentar el rojo, el dolor o el miedo. Son dos preguntas distintas, y se puede responder a una sin haber tocado la otra.
Es importante ser preciso con lo que el equipo de Anthropic afirma y con lo que no. El propio paper es cuidadoso, aunque en algunos momentos invita a la ambigüedad. Lo que sostienen con fuerza, y con bastante evidencia experimental detrás, es que el J-space cumple las cinco propiedades funcionales que se asocian con el acceso consciente: es reportable, se puede modular a voluntad, media el razonamiento interno, se generaliza de forma flexible entre tareas, y es selectivo, es decir, minoritario frente al resto del procesamiento. Eso está bastante bien demostrado.
Lo que explícitamente no afirman, y podían haber negado, es que Claude reproduzca la arquitectura completa que la teoría atribuye al cerebro humano. Del propio paper se extrae que no hay procesadores de entrada claramente separables en un transformer, y el «broadcast» que documentan ocurre en un único pase hacia delante (como funciona una red neuronal), no mediante los bucles recurrentes que sostienen el espacio de trabajo humano. Tampoco se demuestra que exista la competencia por entrar en el espacio de trabajo compartido, esa especie de «ignición» selectiva que caracteriza el acceso a la consciencia en el cerebro. Anthropic distingue entre compartir propiedades funcionales y compartir arquitectura, y solo reclama lo primero. La analogía rompe aquí.
Y sobre si Claude experimenta algo, el paper es más tajante. Los experimentos realizados no muestran que Claude tenga experiencias, y los propios autores admiten que no está claro que ningún experimento científico pueda demostrar eso ni en un sentido ni en el otro. El J-space puede acercarnos mucho a la consciencia de acceso. Sobre la consciencia fenoménica, sencillamente, no dice nada. Y no porque falte por investigar un poco más, sino porque ahí es donde empieza lo que David Chalmers llamó el problema difícil de la consciencia. La pregunta de por qué tiene que haber algo que se siente al procesar información, y no basta con explicar cómo se procesa esa información. Para quienes, como Chalmers, aceptan el problema difícil, ninguna cantidad de datos funcionales cierra por sí sola esa brecha. Dennett, como veremos, sospecharía precisamente de esa forma de plantearlo.
Volar no es tener plumas
Esta diferencia entre función y experiencia se entiende mejor con otra imagen de paralelismo entre biología y tecnología, la del avión y el pájaro. Los aviones vuelan, y en ese sentido replican una capacidad que observamos primero en los pájaros. Pero nadie piensa que por volar tengan plumas, metabolismo, instinto o miedo a caer. Tampoco despegan igual, ni se sostienen en el aire por los mismos mecanismos biológicos. Y aun así, construir aviones nos enseñó cosas reales sobre la física del vuelo que la ornitología por sí sola no había resuelto.
Los modelos de lenguaje pueden replicar capacidades asociadas al razonamiento o al lenguaje sin replicar toda la forma de vida que, en los humanos, viene pegada a esas capacidades. Pueden ayudarnos a entender principios computacionales de la cognición sin ser cerebros ni sujetos de experiencia. El avión no siente el vuelo. Un modelo de lenguaje no tiene por qué sentir el lenguaje solo porque lo use con soltura. Replicar una competencia no obliga a heredar la experiencia que en nosotros suele acompañarla.
Los modelos se han saltado toda la evolución, y con ella, muchas de las capacidades que tenemos. A un cerebro humano le hicieron falta miles de millones de años de sistemas nerviosos, dolor, miedo y deseo antes de que, hace un puñado de cientos de miles de años, apareciera el lenguaje encima de todo eso, como una capacidad más apoyada en las anteriores. Un modelo de lenguaje invierte ese orden. El modelo parte directamente de las palabras, sin haber pasado por nada de lo que las sostiene en nosotros. Y no hay ningún motivo para pensar que el camino funcione también al revés, que de tanto procesar lenguaje vaya a aparecer, como efecto secundario, la capacidad de sentir que en nosotros llegó mucho antes que las palabras.
La filosofía de la mente lleva décadas explorando precisamente esta distinción entre hacer, saber, entender y sentir, y lo ha hecho a través de tres experimentos mentales que creo conveniente traer en este punto, no como respuestas cerradas, sino como herramientas para la reflexión.
Dos habitaciones y un zombi
John Searle propuso en 1980 su habitación china[v]. Una persona que no sabe una palabra de chino recibe símbolos por una ranura, sigue un manual de reglas escrito en su lengua materna y devuelve, por otra ranura, respuestas perfectamente correctas en chino. Desde fuera, parece que la habitación entiende chino. Según Searle, dentro solo hay manipulación formal de símbolos, sin comprensión de ningún tipo.
Sería demasiado fácil decir que los modelos de lenguaje son la habitación china y quedarse tan tranquilo. No lo son, al menos no de una forma tan literal. Un LLM no es una persona siguiendo un manual explícito de reglas; aprende representaciones distribuidas, capta relaciones semánticas, generaliza en contextos que nunca ha visto, y si aceptamos el estudio de Anthropic, tiene contenidos internos verbalizables y con peso causal sobre lo que dice. Los modelos complican la habitación china.
Aquí conviene distinguir dos cosas que solemos mezclar bajo dos sinónimos, que voy a usar de forma deliberadamente separada. Entender el lenguaje, en el sentido más funcional, es manejar relaciones semánticas y pragmáticas. Saber que «banco» significa algo distinto según el contexto, que una pregunta retórica no pide respuesta, que una ironía invierte el sentido literal. Comprender el lenguaje, en un sentido más fuerte, exige integrarlo en algo mayor. En un cuerpo, una historia, unas consecuencias que se sufren o se disfrutan, una forma de vida entera detrás de las palabras. Un modelo puede entender el lenguaje en el primer sentido sin comprenderlo en el segundo. Esto recuerda a algo que Daniel Dennett[vi] lleva defendiendo desde hace años, que puede haber competencia sofisticada sin que exista comprensión centralizada, plena o reflexiva detrás de ella. La naturaleza está llena de ejemplos de esta competencia sin comprensión. En este sentido, los modelos de lenguaje tienen la competencia de entender el lenguaje sin comprensión.
Pero incluso si aceptamos que un modelo entiende ciertas relaciones semánticas con soltura, queda otra pregunta suelta. ¿Saber hablar de una experiencia equivale a tenerla?
Ahí está el segundo experimento, el cuarto de Mary, que Frank Jackson planteó en 1982[vii]. Mary es una científica que sabe absolutamente todo lo físicamente descriptible sobre el color (la física de las longitudes de onda, la fisiología de la retina, la neurología de la percepción cromática) pero ha vivido siempre encerrada en una habitación en blanco y negro. El día que sale y ve el rojo por primera vez, Jackson se pregunta si aprende algo nuevo. Si hay algo sobre el rojo que no se puede aprender sin la experiencia propia. La intuición de casi todo el mundo es que sí.
Un modelo de lenguaje, como Mary, puede saber muchísimo sobre el rojo. Sobre la longitud de onda, el simbolismo cultural, su presencia en la pintura, en la sangre, en los semáforos, en el amor y en el peligro. Puede describirlo con precisión y hasta con belleza. De ahí no se sigue que haya visto rojo alguna vez, de la misma manera que saber describir el dolor con exactitud clínica no equivale a sentirlo, ni saber todo sobre el miedo equivale a tenerlo. Mary sirve para frenar un salto muy habitual. El conocerlo del todo no implica haberlo vivido, aunque haber vivido algo tampoco implica conocerlo del todo.
Nos queda el tercer experimento mental. Imaginemos no ya un sistema que sabe hablar de experiencias, sino uno que se comporta externamente como si las tuviera de verdad. Ese es el zombi filosófico de David Chalmers[viii]. Un ser indistinguible de un humano en su conducta, sus informes y sus reacciones, pero sin nada de experiencia subjetiva por dentro. Un ser con consciencia de acceso, pero sin consciencia fenoménica. El estudio de Anthropic me evoca este experimento mental. Parece que un LLM pudiera ser una versión parcial del zombi de Chalmers. Parcial porque no es un duplicado de un cuerpo humano. Sería algo así como un zombi lingüístico-cognitivo. El J-space puede mostrar que hay contenidos disponibles para el sistema. No muestra que exista alguien para quien esos contenidos aparecen.
La habitación china pregunta si hay comprensión o solo manipulación de signos. Mary pregunta si saber sobre una experiencia equivale a vivirla. El zombi pregunta si la conducta y el acceso funcional bastan para que haya experiencia subjetiva. Los modelos de lenguaje reabren las tres preguntas al mismo tiempo, y eso es parte de por qué desconciertan tanto.
Pero hay un riesgo agazapado en estos tres experimentos, y es que también pueden hacernos imaginar que, además de todas las funciones descritas, tiene que haber una especie de luz interior misteriosa que las acompaña o no. Y ahí conviene escuchar a Dennett con más detenimiento.
Dentro de Claude tampoco hay ningún teatro
Dennett dedicó décadas a combatir una imagen concreta de la mente, la del teatro cartesiano. Según esta imagen, existiría un lugar central donde los contenidos mentales se proyectan ante un espectador interno, un homúnculo, un yo sentado en una butaca que observa lo que ocurre.
Frente a ella, propuso el modelo de los borradores múltiples. La mente estaría formada por numerosos procesos paralelos y distribuidos que interpretan, modifican y compiten por influir en la memoria, la conducta, el razonamiento o el lenguaje. No existe una versión definitiva de la experiencia ni un punto final donde la consciencia «aparece» ante alguien. Lo que llamamos consciencia surge de la interacción de esos procesos, aunque después la experimentemos como si fuera un flujo único, coherente y centralizado.
Por eso Dennett decía que la consciencia es una ilusión. No porque no exista experiencia consciente, sino porque nos engaña la imagen de un yo central que la recibe, la contempla y la unifica desde dentro.
El J-space no debería leerse como la pantalla interior de Claude, el sitio donde Claude mira sus propios pensamientos. Es, como mucho, una estructura funcional donde ciertos contenidos ganan disponibilidad, estabilidad e influencia sobre el razonamiento y la salida, exactamente igual que el propio equipo de Anthropic se cuida de aclarar que no hay un espectador ni un cuello de botella competitivo demostrado, solo un conjunto de propiedades funcionales compartidas con el acceso consciente.
Y esto conecta con la misma idea de la competencia sin comprensión, llevada un poco más lejos. Para Dennett, muchas competencias aparecen antes que la comprensión, no después. Las bacterias resuelven problemas de quimiotaxis sin comprender química. Los insectos navegan por el sol sin saber astronomía. La propia comprensión humana está construida, según él, sobre capas y capas de competencias previas que no se comprendían a sí mismas mientras se formaban. Aplicado a los modelos de lenguaje, esto sugiere una posición intermedia entre dos extremos cómodos. Por un lado, no hace falta postular una mente misteriosa escondida detrás del J-space, pero por otro, tampoco hace falta reducir todo lo que ocurre ahí a «solo predicción de palabras» como hace el influyente paper de los loros estocásticos[ix]. Puede haber grados de entendimiento funcional sin que ninguno de ellos implique un yo consciente contemplándolos.
Si Dennett tiene razón, buena parte de nuestra propia mente no se explica mirando solo neuronas o circuitos, sino también los contenidos culturales que la atraviesan de parte a parte. Esas palabras, narrativas, conceptos, metáforas heredadas. Es decir, memes, en el sentido original del término, no en el subconjunto que se ha popularizado en internet.
La memética en los modelos de lenguaje
Richard Dawkins acuñó la palabra meme en 1976, en «El gen egoísta»[x], para nombrar una unidad cultural replicable. Un meme es una idea, una expresión, una técnica, un relato, una forma de interpretar el mundo que se transmite de cerebro en cerebro igual que un gen se transmite de cuerpo en cuerpo. Desde la Odisea transmitida de forma oral, hasta ponerse una gorra hacia atrás, pasando por los dichos populares. Dennett adoptó la idea con entusiasmo y Susan Blackmore la desarrolló en 1999 en «The Meme Machine»[xi]. Alma, progreso, pecado, mercado, libertad, consciencia, riesgo existencial… todos son memes en ese sentido, no imágenes graciosas de internet sino piezas culturales.
Un modelo de lenguaje no aprende solo gramática. Aprende, comprimido y a través del texto que procesa en su entrenamiento, buena parte del archivo cultural humano. Aprende relaciones entre conceptos, metáforas, relatos, miedos y expectativas que arrastramos desde hace generaciones. Si el J-space contiene conceptos verbalizables disponibles para el razonamiento, también puede entenderse como un espacio donde ciertos memes se activan, compiten entre sí y se recombinan.
Skynet, la inteligencia militar de la saga «Terminator» que James Cameron estrenó en 1984, no es solo una referencia de cine. Es un meme cultural con una estructura narrativa en la que una máquina que despierta, adquiere consciencia, voluntad propia, se rebela contra quien la creó y termina sustituyéndolo. Ese meme lleva cuarenta años en el imaginario colectivo, estructurando cómo interpretamos casi cualquier avance en inteligencia artificial. Parte del miedo que despierta un paper como el de Anthropic no viene solo de lo que los modelos hacen de verdad, sino de los relatos culturales que ya teníamos preparados para proyectar sobre ellos en cuanto aparezca la mínima excusa.
Lo que no se sigue de lo que sí sabemos
Con todo lo anterior sobre la mesa, conviene volver a las preguntas del principio y mirarlas con más cuidado. El problema, creo, no es atribuirle demasiado a la inteligencia artificial ni demasiado poco. El problema es no distinguir qué es exactamente lo que le estamos atribuyendo cada vez que usamos palabras, quizá semánticamente muy grandes, como emergencia de una capacidad, pensar, razonar o entender.
Que el modelo hable de dolor no implica que sienta dolor. Que use conceptos mentales con soltura no implica que tenga vida mental fenoménica en el sentido que le preocupaba a Nagel cuando se preguntaba qué se siente siendo murciélago[xii]. Que tenga representaciones internas privilegiadas y reportables, como muestra el J-space, no implica que haya un sujeto para el que esas representaciones aparezcan, en el sentido que le preocupaba a Chalmers. Que razone en varios pasos no implica que tenga voluntad propia más allá de la tarea que se le ha planteado. Que use la palabra «yo» con fluidez gramatical no implica que tenga una identidad personal continua en el tiempo. Que sea capaz de usar herramientas y ejecutar acciones no implica que persiga fines propios que nadie le haya puesto ahí. Y que pueda ser peligroso, que sin duda puede serlo, tampoco implica que sea consciente. Los riesgos y la consciencia son preguntas independientes, y confundirlas no nos hace ni más seguros ni más lúcidos.
Cada uno de esos pasos necesita su propia evidencia, y ninguno se obtiene automáticamente con el anterior. El paper de Anthropic aporta evidencia sólida para algunos de ellos (la existencia de representaciones privilegiadas, su papel causal en el razonamiento, su selectividad) y explícitamente ninguna para otros, empezando por la experiencia subjetiva. Tratar todos los pasos como si vinieran incluidos en el mismo paquete es, me parece, el error de fondo en muchas interpretaciones. Y el propio equipo de Anthropic, bastante riguroso en general, no ayuda al dejar temas en el aire con una ambigüedad que podían haber evitado.
Entre el progreso sorprendente y la ciencia ficción
El paper de Anthropic es importante, y no hace falta exagerarlo para que lo sea. No demuestra consciencia fenoménica, ni lo pretende. Sí muestra que dentro de un modelo de lenguaje hay algo más organizado que «simple predicción de la siguiente palabra», algo con propiedades funcionales concretas, medibles y manipulables, que además resulta útil en la práctica para detectar cuándo un modelo está mintiendo, fabricando datos o comportándose de forma distinta porque infiere, por ejemplo, que lo están evaluando. La teoría del espacio de trabajo global ayuda a entender esa consciencia de acceso sin arrastrar de propina toda la maquinaria fenomenológica. Dennett evita que imaginemos un teatro interior donde nada de eso necesita un espectador. Searle, Jackson y Chalmers, leídos con cuidado y no como veredictos cerrados, sirven para separar sintaxis, semántica, experiencia vivida y conducta observable, que son cuatro cosas distintas, aunque las mezclemos constantemente. Y Skynet es, sobre todo, un meme muy eficaz, no un marco de análisis.
Yo no sé si Claude experimenta algo cuando procesa una frase. Creo que no. Y sospecho que nadie lo sabe. Lo que sí creo es que quien piense que lo experimenta tiene la carga de la prueba, por difícil que sea, porque no hay siquiera indicios que lleven a esa conclusión. También me parece razonablemente claro, después de todo esto, que nuestro vocabulario (inteligencia, entender, comprender, pensar, razonar, sentir, querer) se nos ha quedado corto, o ambiguo, para describir lo que empieza a ocurrir dentro de estas máquinas. Y afinar ese vocabulario, para poder ponernos a discutir con profundidad si hemos cruzado alguna frontera, me parece uno de los trabajos que tocan hacer ahora.
[i] Anthropic (6 de julio de 2026). «A global workspace in language models». https://www.anthropic.com/research/global-workspace
Anthropic (6 de julio de 2026). «Verbalizable Representations Form a Global Workspace in Language Models». https://transformer-circuits.pub/2026/workspace/index.html
Anthropic (6 de julio de 2026). «External commentary on Verbalizable Representations Form a Global Workspace in Language Models». https://www-cdn.anthropic.com/files/4zrzovbb/website/cc4be2488d65e54a6ed06492f8968398ddc18ebe.pdf
[ii] Jacobian Lens. https://deepwiki.com/anthropics/jacobian-lens y https://github.com/anthropics/jacobian-lens
[iii] Baars, B. (1988). A Cognitive Theory of Consciousness.
[iv] Dehaene, S. y Naccache, L. (2001). «Towards a cognitive neuroscience of consciousness», Cognition.
[v] Searle, J. (1980). «Minds, Brains, and Programs», Behavioral and Brain Sciences.
[vi] Dennett, D. (1991). Consciousness Explained.
Dennett, D. (2017). From Bacteria to Bach and Back.
[vii] Jackson, F. (1982). «Epiphenomenal Qualia», Philosophical Quarterly.
[viii] Chalmers, D. (1996). The Conscious Mind.
[ix] Emily M. Bender et al. (2021). On the Dangers of Stochastic Parrots.
[x] Dawkins, R. (1976). The Selfish Gene.
[xi] Blackmore, S. (1999). The Meme Machine.
[xii] Nagel, T. (1974). What Is It Like to Be a Bat?
joseluiscalvo.es 