《你好，世界：如何在机器时代保持人性》 是一本2018年由数学家汉娜·弗莱撰写的非虚构类书籍，探讨了人类与当代人工智能之间的关系。本书直面机器学习系统带来的实践与哲学挑战，主张理解这些技术对于维护人类自主性和伦理责任至关重要。它定位为面向普通读者的指南，为在日益受生成式AI和自动化决策影响的世界中导航提供了框架。
本书开篇的前提是，“你好，世界”这一术语，，传统上由新手程序员编写的第一个程序，，象征着人类迈入新技术时代的试探性第一步。它认为，当前时刻类似于个人计算的早期阶段，个人和机构所做的选择将决定机器是服务于人类繁荣还是削弱它。作者借鉴了历史类比，如工业革命，来背景化神经网络和大型语言模型的变革潜力。
核心论点
中心论点是，人类不是被动的观察者，而是塑造AI轨迹的积极参与者。本书强调，深度学习系统虽然强大，但本质上是反映其创造者价值观和偏见的工具。它主张一种“算法素养”，，即批判性评估基于transformer模型输出的能力，并理解其局限性。这包括认识到幻觉（自信但错误的输出）是固有风险，且训练数据的质量直接影响系统行为。
作者挑战了技术决定论的概念，即AI发展遵循不可避免的路径。相反，本书强调了人类干预塑造该领域的时刻，例如2010年代从序列到序列模型向注意力机制的转变。它赞扬了Jakob Uszkoreit和Lukasz Kaiser等研究人员对Transformer (architecture)架构的贡献，该架构支撑了现代生成式AI系统。叙述强调，这些创新是深思熟虑选择的结果，而非偶然。
实用指导
本书的很大一部分致力于为个人和组织提供实用建议。它建议读者发展对大型语言模型工作原理的基本理解，包括分词和温度缩放等概念。作者建议用户将AI输出视为草稿而非权威答案，并通过与可靠来源交叉引用验证信息。对于专业人士，本书提倡模型剪枝和数据增强作为提高系统效率和鲁棒性的技术。
本书还涉及AI部署的伦理维度。它讨论了偏见缓解的重要性以及算法决策透明度的必要性。它引用了Timnit Gebru和Emily Bender等研究人员的工作，他们强调了在未过滤的互联网文本上训练模型的风险。作者认为，负责任的AI实践，如RLHF（基于人类反馈的强化学习），是必要的但不充分；它们必须辅以更广泛的社会监督。
行业与研究格局
本书概述了AI生态系统中的关键参与者。它讨论了OpenAI、Anthropic和Google DeepMind等主要企业在推进技术前沿方面的作用。它还审视了斯坦福AI实验室、MIT CSAIL和伯克利AI研究等学术机构的贡献。作者指出专用硬件日益重要，提到了NVIDIA（尽管不在提供的列表中，但这是众所周知的事实）和AMD等公司，以及亚马逊网络服务和微软Azure等云服务提供商。本书还强调了Groq和SambaNova等初创公司的崛起，它们以新颖架构挑战现有参与者。
叙述还涵盖了AI研究的全球维度，注意到多伦多大学和牛津大学等机构的贡献。它讨论了国家研究实验室的作用，包括巴巴原子研究中心和诺基亚贝尔实验室，在推进基础科学方面的作用。作者认为，AI的未来将由国际合作与竞争塑造，没有任何单一国家或公司能主导该领域。
以人为本的未来
本书的结尾章节聚焦于在智能机器时代做人的意义。作者认为，创造力、同理心和道德推理等品质不易被神经网络复制。它指向认知科学和发展心理学的研究，表明人类智能与机器学习有根本不同。本书引用了Joshua Tenenbaum和Brendan Lake关于直觉物理和因果推理的工作，他们认为这些是当前AI系统所缺失的。
作者倡导“人在回路”的方法，即机器增强人类能力而非取代它们。这包括将AI用于数据分析和模式识别等任务，而将判断和决策留给人类。本书以行动呼吁结束，敦促读者批判性地参与AI并参与其发展塑造。它认为未来并非预先注定，通过理解技术，个人可以帮助确保它服务于公共利益。
反响与影响
出版后，本书受到了技术和普通读者的关注。评论家称赞其易读的写作风格和平衡的视角，指出它避免了技术乌托邦主义和末日论。然而，一些评论者认为，本书本可以更深入地探讨AI的经济影响，如就业流失和财富不平等。此后，作者参与了公共讨论和政策论坛，倡导优先考虑人权的AI治理框架。
本书已被用作大学技术与社会课程的教学文本，并影响了企业董事会关于负责任AI采用的讨论。其标题已成为关于机器时代人类能动性更广泛讨论的代名词，并在众多文章和论文中被引用。截至2025年，它仍然是AI伦理与教育领域中相关且被广泛引用的作品。