智能時代的職業演進趨勢:人機協作與人才培養

王 博

(天津市教育科學研究院,天津 300191)

近年來人工智能的快速發展已使許多職業的工作方式發生了顯著改變,而以ChatGPT為代表的AI(人工智能)大語言模型的出現,更讓一些人產生了即將失業的擔憂。誠然,正在走向AGI(通用人工智能)的新型智能技術作為一項可以對人類當前生產力和生產關系產生重要影響的關鍵技術,必然會推動未來職業的一系列深度變革,并會影響到多數人的就業和生活。那么,智能時代職業演進的趨勢如何?人類勞動者是會被人工智能替代,還是會衍生出特定形態的人機協作關系?與智能時代新型工作方式相適應的人才培養需要哪些方向變革?本文將對這些問題展開分析。

一、 智能時代職業存在的演進趨勢

對于人工智能的職業影響,在ChatGPT出現前,經濟學、社會學、工程學等多領域學者從不同視角開展了研究,從宏觀特征和數據統計層面揭示了其中的影響機制與演進方向。在ChatGPT等AI大語言模型出現后,人工智能對職業變遷的推動力進一步增強,其研發者OpenAI團隊也于2023年3月刊發了論文GPTsAreGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels,對其職業影響做了初步研究。

(一) 人工智能對職業的現實影響

1. 就業替代與創造效應并存

人工智能最直接的職業影響表現為“機器代人”,如通過智能制造技術的引入,江蘇某紡織企業生產規模擴大了5倍,員工數由8 000人減至1 500人,勞動生產率大幅提升。(1)崔艷: 《人工智能對制造業就業的影響及應對研究: 來自微觀企業和勞動者調查數據》,《當代經濟管理》2022年第44卷第3期,第59—66頁。不僅體力勞動,許多腦力勞動也會被人工智能替代。OpenAI研究認為,美國當前約80%的工作會受到GPTs的影響,有19%的崗位中至少50%的工作任務可能被人工智能替代,且那些高收入、高專業型崗位受到的影響更大。(2)Tyna Eloundou, Sam Manning, Pamela Mishkin, et al., “GPTs Are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models,” March 17, 2023, https://openai.com/research/gpts-are-gpts, March 20, 2023.

這種“機器代人”的現象被稱為人工智能的替代效應,指人工智能在傳統職位上替代人類獨立完成工作任務的情景。通常替代效應會發生在重復性強、情感交互性弱的崗位上,且需要在技術投入成本上比人類勞動力更具經濟比較優勢。(3)孟浩、張美莎: 《人工智能如何影響勞動力就業需求?——來自中國企業層面的經驗證據》,《西安交通大學學報(社會科學版)》2021年第41卷第5期,第65—73頁?？深A見,由于人工智能獨有的技術特性,其替代效應會強于以往任何形式的技術進步,未來會有越來越多的職業被替代。(4)曹靜、周亞林: 《人工智能對經濟的影響研究進展》,《經濟學動態》2018年第1期,第103—115頁。

人工智能在發揮替代效應的同時也會在勞動力市場創造出一系列新崗位,從而表現出創造效應,或曰補償效應。一般,創造效應的產生為三因素所致: 一是人工智能降低了企業成本,擴大了生產規模,進而提升了非自動化任務中的勞動力需求;二是人工智能在改造原有工作流程的同時創造了新型工作任務,進而衍生出新的職位;三是人工智能在降低企業成本的同時使相關商品和服務的價格下降,變相提升了消費者的購買力,促使消費者對其他行業產品和服務的消費增加而擴大了用人規模。(5)孟浩、張美莎: 《人工智能如何影響勞動力就業需求?——來自中國企業層面的經驗證據》,《西安交通大學學報(社會科學版)》2021年第41卷第5期,第65—73頁。

2. 勞動力需求結構分化

國內外許多學者認為智能時代勞動力需求結構將呈現明顯分化之勢,即勞動力市場對高、低技能水平者需求量在增加,而中技能勞動力需求反而減少。(6)Daron Acemoglu, Pascual Restrepo, “Robots and Jobs: Evidence from US Labor Markets,” Journal of Political Economy, vol.128, no.6(2020), pp.2188-2244.如彭瑩瑩和汪昕宇在針對制造業的調查中發現,人工智能增加了研發人員和運維人員需求,減少了一線生產人員需求,且崗位收入差距也在拉大。(7)彭瑩瑩、汪昕宇: 《人工智能技術對制造業就業的影響效應分析——基于中國廣東省制造企業用工總量與結構的調查》,《北京工業大學學報(社會科學版)》2020年第20卷第5期,第68—76頁?？赘呶牡韧ㄟ^對地區—行業機器人應用數據研究發現,智能技術會導致“技術性失業”,短期降低了低勞動保護地區低學歷人群的就業水平,但中長期卻促進了該行業的就業水平,并通過外溢效應擴大了其他勞動力替代性較高行業的就業規模。(8)孔高文、劉莎莎、孔東民: 《機器人與就業——基于行業與地區異質性的探索性分析》,《中國工業經濟》2020年第8期,第80—98頁。

造成勞動力需求結構分化的原因在于智能化發展對異質性勞動力產生的非對稱需求(9)王麗媛: 《智能化發展、勞動力供給技能結構與技能溢價》,《山西財經大學學報》2021年第43卷第5期,第45—60頁。。那些不但擁有專業技術水平,且主要從事非常規、復雜型工作任務的勞動者因具備較強的判斷、分析、解決問題等高水平技能暫時不易被人工智能替代,而另一些盡管也具備一定專業技能,但主要從事程序化、常規型工作任務的中等技能勞動者則會被人工智能替代。(10)陳楠、劉湘麗、樊圍國等: 《人工智能影響就業的多重效應與影響機制: 綜述與展望》,《中國人力資源開發》2021年第38卷第11期,第125—139頁。造成這種現象的原因是當前人工智能擅長的程序化操作執行和數據分析任務正好與中技能勞動者的優勢相近。

對于低技能水平要求的普通崗位,人工智能并沒有完全將之替代反而表現為勞動力需求規模擴大。這是因為人工智能對勞動力的替代效應源自工資率高于勞動力成本時企業選擇引入智能技術以節省成本的經濟動力,如果低技能崗位工資率在成本上較智能技術更有優勢時,企業就不會再積極推動智能化改造了。(11)陳楠、劉湘麗、樊圍國等: 《人工智能影響就業的多重效應與影響機制: 綜述與展望》,《中國人力資源開發》2021年第38卷第11期,第125—139頁。而中等技能勞動者被替代也是因相應崗位工資較高,引入智能技術在提高效率和節省人工的共同影響下具備成本優勢所造成。此外,有學者認為技術進步可能會通過增加社會收入而間接增加對體力勞動的需求,中等技能崗位減少會迫使勞動力轉向低技能崗位也是其原因所在。(12)王穎、石鄭: 《技術進步與就業: 特征事實、作用機制與研究展望》,《上海經濟研究》2021年第6期,第39—48頁。

3. 就業收入極化加劇

人工智能所造成的勞動力需求結構分化提高了技能溢價(13)王麗媛: 《智能化發展、勞動力供給技能結構與技能溢價》,《山西財經大學學報》2021年第43卷第5期,第45—60頁。,加劇了高技能型勞動者和非技能型勞動者間的收入差距,并縮小了中技能型崗位的規模,從而使收入不平等引發的就業極化現象越發明顯。就業收入極化現象反映了技術賦權對不同技能勞動者的不平等,智能技術使適應其環境的高技能勞動者受益更多,也使得其他人群的收入降低,改變了社會財富分配格局。

根據資本有機構成理論,如果將人工智能視為技術屬性的不變資本,由于其同時具有生產資料和勞動力的雙重價值,所以作為可變資本的勞動力在資本有機構成中的占比將進一步降低。此時,人工智能技術開發者團體作為技術所有方,將參與不變資本部分的收益分成;而智能技術應用同樣需要了解其技術特性的高技能勞動者參與其中,他們與人工智能合作的成果也將占據勞動力所創造價值的大部分,因此也會獲得較高收益分成。當前部分高新技術領域從業者的高收入即為該因素所致。這就使得兩類人群在所創造的勞動價值和獲得的職業收益上均體現出了顯著的極化效應。

就業收入極化是人工智能參與社會生產后不可避免的一種趨勢。假如未來出現更高水平的人工智能,其在各項能力和各種環境下均比人類勞動者具備明顯的能力和成本優勢,那么完全依靠市場調節它就有可能在所有職業崗位上替代人類,而該技術的發明人或擁有者也將獲得技術和勞動力維度的所有財富,實現完全的收入極化,這顯然不是我們期望的未來。所以,合理的勞動保護和收入調節政策在智能時代將更為重要。

(二) 人工智能推動下的職業變遷趨勢

1. 工作任務持續性變革重組

人工智能作為一種具有廣泛影響力的技術將會改變眾多職業的工作內容,并使許多傳統職業在維持其名稱和功能穩定的同時發生了顯著的內涵變化。如智能制造和機器人技術會顯著改變生產工人的工作內容,將從直接操控機械設備轉向由人—機(機器人、加工設備、計算機)間的交互協作來完成加工任務的新模式。(14)黃思翰、王柏村、張美迪等: 《面向人本智造的新一代操作工: 參考架構、使能技術與典型場景》,《機械工程學報》2022年第58卷第18期,第251—264頁。這種轉變使得企業中的一些生產工人從傳統技能操作型職位變成了需要細致了解相關智能技術和工程技術原理,良好掌握統籌規劃和分析決策能力才能勝任的復合型專業技術職位。

人工智能從根本上重塑了生產模式,改變了工作性質。多數可復制的、程序化的、常規型的工作將會被智能機器代勞,而另一些直接為人提供服務的,需要與他人進行溝通協調的,包含豐富人機協同配合的非常規型任務將成為多數職業的主要工作內容。(15)崔艷: 《淺析人工智能發展背景下勞動關系的變化》,《中國人力資源社會保障》2021年第10期,第52—53頁。如前述生產工人的例子,原本是核心工作內容的設備操作和裝配加工,在引入智能生產后已被機器人替代,成為了工作中相對邊緣的任務。

在技術層面人工智能將推動眾多職業工作任務的大范圍重構,但技術的成熟與普及都需要一定的過程,并在推廣中會受到經濟成本度量的影響,所以人工智能影響下各職業的工作任務重組將會處于一個持續漸進、躍遷提升的過程中。在空間上,同一職業因不同單位智能技術普及度的差異在工作內容上會差別顯著;在時間上,隨著人工智能自身的技術進步與學習提升,其所能勝任的任務范圍也會持續變化,從而使得相應職位的人機任務分配和人類工作內容不斷變化。盡管這一過程需要較長時間,但在技術趨勢的推動下,人工智能因效率、成本和穩定性的優勢,在其所擅長的工作任務上必將廣泛地替代人類勞動。

2. 人機智能協作下的匹配共生

人工智能技術作為一類人造物其存在的根本在于服務人類而非替代人類。鑒于當前人工智能和人類勞動者在能力結構和成本特征上均具有各自的優勢和劣勢,彼此無法完全替代對方的現實,職業領域的人機智能協作將成為必然趨勢。除了生產環節彼此間的互補性,人類的消費者屬性也決定了人機協作匹配共生的必然性。任何一項職業要為他人和社會創造相應的價值,而職業成果的享用主體也必須是一系列具體的人。沒有人的消費,生產也將不復存在,而對多數人來講沒有職業收益,消費也就無從談起。保持生產與消費的結構均衡是人類社會穩定的基石,智能技術理應成為均衡的維護者而非破壞者。

為此,有學者指出人工智能的發展應走向人機協同偏向型技術進步的模式,關注機器與人共同價值的開發,避免彼此間的對立。(16)Peter Evans-Greenwood, Harvey Lewis, James Guszcza, “Reconstructing Work: Automation, Artificial Intelligence, and the Essential Role of Humans,” Deloitte Review, no.21 (July 2017), pp.127-145.良好的人機協作要兼顧人類和人工智能各自的能力優勢和成本特征,既要考慮生產效率也要側重對人的主體利益關懷?；谶@一理念,以“任務-技能”間匹配分析為框架去判斷人工智能實質性替代就業的潛力(17)Jeremy Lise,Fabien Postel-Vinay, “Multidimensional Skills, Sorting, and Human Capital Accumulation,” American Economic Review, vol.110, no.8(August 2020), pp.2328-2376.,進而去引領勞動者技能結構的發展方向和人工智能的技術進步方向,將成為推動人機協同匹配共生的合理方式。

在AI大語言模型出現前,許多基于勞動力市場的調查研究發現,人工智能的就業替代效應呈現出減少了制造業常規性勞動崗位需求,但增加了服務業非常規性勞動力需求(18)孟浩、張美莎: 《人工智能如何影響勞動力就業需求?——來自中國企業層面的經驗證據》,《西安交通大學學報(社會科學版)》2021年第41卷第5期,第65—73頁。的態勢,從事研發、公關、咨詢等工作被替代的風險較低,從事常規工作中年男性較女性更易受到沖擊等特征(19)王穎、石鄭: 《技術進步與就業: 特征事實、作用機制與研究展望》,《上海經濟研究》2021年第6期,第39—48頁。。這源于在AI 1.0時代人工智能缺少常識積累,主要擅長常規型、程序化任務,且在人際型、服務型、創新型任務上明顯弱于具備思維和情感優勢的人類特征。在面向AGI的AI 2.0時代,人工智能的能力得到了顯著進步,如GPT4已展現出了在語言、常識、人際交流等通識任務上非常接近人類水平的性能,且具備了完成跨越數學、編程、視覺設計、醫學、法律、心理等專業領域復雜任務的能力。盡管如此,微軟研究院也發現GPT4仍存在著會產生非事實性謬誤(hallucination),缺少長時記憶(long-term memory),無法持續性學習(continual learning),難以進行規劃和概念式思考(planning and conceptual leaps),不適于個性化模型開發(Personalization)等不足。(20)Sebastien Bubeck,Varun Chandrasekaran,Ronen Eldan, et al., “Sparks of Artificial General Intelligence: Early Experiments with GPT-4,” April 13, 2023, https://arxiv.org/pdf/2303.12712.pdf,October 12, 2023.因此,結合人類和人工智能各自優勢的人機智能協作,將是未來很長一段時間內職業存在的必然狀態。

3. 勞動者職業能力結構適應性調整

由于人工智能的發展和普及,社會勞動力需求結構和各職業工作任務會相應變化,勞動者的職業能力結構自然也要進行適應性調整。未來,人類職業競爭力的關鍵在于其能否與人工智能有效配合完成工作。對此,有學者認為勞動者非認知能力相對認知能力的增強,更能提高人機協調與互補程度。所以,要培養勞動者適應人工智能的新型技能體系,建立基于人機異構技能的多重技能維度(21)Jeremy Lise,Fabien Postel-Vinay, “Multidimensional Skills, Sorting, and Human Capital Accumulation,” American Economic Review, vol.110, no.8(August 2020), pp.2328-2376.,其中的關鍵則是基于智力和解釋工作場所情感的技能(22)胡晟明、王林輝、趙賀: 《人工智能應用、人機協作與勞動生產率》,《中國人口科學》2021年第5期,第48—62頁。。

AI 2.0時代的人工智能將會是以大語言模型為基礎,可以整合多功能軟件、機器人及相關技術工具,具備更強大通用性的智能系統。該智能系統會在信息收集、資料整理、數據分析、技能操作、設計生成、文案寫作、程序編碼及諸多專業咨詢中表現出較人類更明顯的能力和效率優勢。不過,包括GPT4在內的人工智能系統不同于人類智力,它們仍缺少理解人類思想和情感的真實能力,在解決復雜人際情景和社會環境下的創新型問題時亦不及人類。(23)Sebastien Bubeck, Varun Chandrasekaran, Ronen Eldan, et al., “Sparks of Artificial General Intelligence: Early Experiments with GPT-4,” April 13, 2023, https://arxiv.org/pdf/2303.12712.pdf, October 12, 2023.基于人機雙方的能力特征,人類在未來的人機智能協作中將主要承擔起復雜情景下工作任務的識別與解構,面向客戶、領導或同事的工作成果展示與說明,各種人際情景下的交流、協調、管理,及在準確理解他人價值需求基礎上開展服務、創新和決策等工作任務,而其他一些常規的技術操作、業務執行、計算分析、設計生成工作則可交由人工智能完成。

盡管在未來的人機智能系統中會有基于各自優勢的分工,但并不意味著人類僅需要通識技能和非認知能力就可勝任工作,而是呈兩極分化之勢。對于那些在工作中需要與人工智能進行深度合作,引領人工智能有效完成工作任務的高技能型職位,其人才需求層次是明顯上移的(24)徐國慶: 《智能化時代職業教育人才培養模式的根本轉型》,《教育研究》2016年第37卷第3期,第72—78頁。。其需要的是不僅有良好的通識能力,也要熟悉技術理論、操作技能和智能原理的復合型人才。(25)朱俊: 《功能技術分層與職教本科發展: 基于四個行業的考察》,《高等工程教育研究》2022年第1期,第140—145頁。而對另一些僅在人機智能協作中起到支持、配合、補充作用的低技能型崗位而言,其對人才的要求則相對偏低。如網約車平臺的派單司機、外賣平臺的送餐員,這些職業的產生源于人工智能在人際和復雜情景下的能力劣勢和成本上的不經濟,他們只要按要求為顧客提供好基本服務即可,無須了解其他專業技術和智能工作原理。所以說,對智能時代勞動者職業能力需求結構的分析,要針對不同任務類型下人機智能協作機制的差異去分類研究,而不宜一概而論。

二、 不同職業任務類型下的人機智能協作機制

面向智能時代的職業研究如果僅從職業變遷的宏觀趨勢、勞動就業的統計數據或一些直觀感受層面來分析,輕言哪些職業會被人工智能取代,未來又需要什么樣的人才,其實并不準確。由于不同職業在工作任務內容和智能技術應用方式上的差別,以“工作任務與智能技術、人類技能”間匹配適應關系為視角開展人工智能的職業影響和人機智能協作機制研究,已成為當前許多研究者的關注方向。如,OpenAI的成果即是基于對ChatGPT及其延伸應用所具備的能力對各類職業任務的暴露(exposure)或替代程度所進行的評估。因此,本文將采用“任務-技術-技能”間匹配分析的思路,對不同任務情景下人機智能協作機制開展分類研究。

(一) 基于“任務-技術-技能”匹配分析的人工智能職業影響

現代社會任何穩定存在的職業都要以其創造的職業功能為基礎,而職業功能實現則要以一系列具有確定目標的任務為保障。實踐中,各種具體的職業功能引領下所形成的工作任務流程,都是由承擔任務勞動者的職業技能和相應職業場景下的技術條件共同決定的。(26)王博: 《基于“功能-結構”系統分析的智能制造企業職業結構變遷趨勢研究》,《中國職業技術教育》2023年第3期,第51—61頁。由此可認為,工作任務即是職業功能的分解,而技術和技能則共同保證了任務的完成和功能的實現,功能、任務、技術、技能也就成為反映特定職業存在狀態的四項關鍵要素。通常,職業功能會被客觀存在的社會需求左右,而與功能相對應的任務流程設置、技術與技能配置,則可以根據功能實際,人為調整和重組。

人工智能作為一項技術,在各職業場景中的使用通常不會直接改變其功能輸出,但會重構“任務-技術-技能”間的組合結構。這一般有兩類情景: 一是技術推動下的任務流程重組,和前幾次工業革命類似,新技術的廣泛應用推動了任務的重組并帶來對勞動者技能要求的重新界定。這種情況下開展的“任務-技術-技能”匹配分析一般會遵循從技術到任務,從任務到技能逐步剖析的方式。另一類情景是智能技術并未完全重組原有任務流程下的“技術-技能”相互替代、協同升級或賦能增強。其中“技術-技能替代”所表現的特征是智能技術將替代一部分人類勞動,從而簡化勞動過程,降低對從業者技能的要求,或提出一些新的技能要求;“技術-技能協同升級”則表現為技術升級同時對技能的更高要求,從而構建出一種更高水平的技術和高層次技能間的新型匹配關系,并全面提升任務的功能成果,這時,除了技術與技能協同升級帶來的職業功能成果提升外,還很有可能造成該職業用人需求規模的縮減;“賦能增強”指技術作為一種支持性工具,為技能賦能,增強了勞動的功能成果。第二類情景下“任務-技術-技能”匹配分析的重點在于,根據不同任務與技術的對照適應關系,來剖析技術對技能的替代方式、協同關系或賦能模式。

在真正意義的AGI,即各項能力均強于人類的人工智能達成之前,各領域應用的人工智能技術都會有其一定任務適應范圍,并將因此形成如前所述的“技能重組”“技術替代”“協同升級”“賦能增強”等多種不同的“任務-技術-技能”間匹配關系。人工智能的職業影響實際上是不同“任務-技術-技能”間匹配關系的外在表現形態,因此通過對各職業場景下其間關系的分析和梳理,自然可以有效揭示職業變遷內在原理與演進規律。如OpenAI的GPTsAreGPTs論文主要是對各職業現實任務層面的“技術替代”關系做的分析。本文也將采用該方法,探究人工智能推動的職業演進趨勢及其對人才培養方向變革的影響。

職業研究從其關注點上可被區分為宏觀、中觀和微觀等不同方向,如前述文獻中關于人工智能職業影響的特征概括及檢驗即為宏觀職業研究,GPTsAreGPTs中對具體職業任務“技術-技能替代”程度的評估可視為微觀研究,而本文采用對各典型職業任務類型下“技術-技能”關系分析的方法,來對人機智能協作機制開展分類研究,則應屬于中觀職業研究。具體來講,借鑒工作分析研究的成果,本文將社會主要職位所包含的工作任務概括為感知、操作、分析、設計、交流、反思、探索、決策八類典型任務;然后從典型任務的工作過程特征入手,來研究各類代表性智能技術的任務適應性及演進趨勢;之后再對各典型任務情景下的“任務-技術-技能”間匹配關系進行總結分析,進而概括相應的人機智能協作機制特征。

(二) 以“技術替代”和“技能重組”為特征的人機協作

一般來講,各類職位中的工作任務包含前述八類典型任務中的一種或幾種。鑒于當前人工智能技術發展趨勢,對于單純的感知型和操作型任務而言,人工智能將隨其技術的成熟和成本的降低,逐步具備獨立完成大多數工作任務的能力,并實現技術對技能的替代和對勞動者的技能重組。

其中感知指對外界事實和信息的感受、采集和認知,如生產工程師需要感知設備運行和產品品質情況,教師需要感知學生的學習反饋情況等。感知實際上包含了感受和認知兩個環節,在感受環節依托各類物理傳感器和聲音、圖像、生化信息的采集設備,機器的優勢由來已久;而對感受信息的有效認知則是近十余年智能技術高速發展的結果,其中深度學習技術起到了關鍵作用。深度學習是通過構建多隱層機器學習模型和海量訓練數據來學習更有用的特征,從而最終提升機器的分類或預測準確性的技術。(27)余凱、賈磊、陳雨強等: 《深度學習的昨天、今天和明天》,《計算機研究與發展》2013年第50卷第9期,第1799—1804頁。深度學習技術提升了對大數據的挖掘和使用能力,使機器具有了獲得語音識別、圖像識別、自然語言處理等多種感知能力的可能性。這樣,對于以感知型任務為主要內容的職業,如從事產品外觀檢驗的質檢員,人工智能的自動化圖像識別將更高效、精準地替代其完成工作;對于另一些在工作中包含感知型任務的職業,人工智能也能獨立承擔起其中的感知類工作,如集成應用無人機、計算機視覺等技術獨立完成對建筑的裂縫檢測、裂紋識別、位移測量和健康監測等工作(28)鮑躍全、李惠: 《人工智能時代的土木工程》,《土木工程學報》2019年第52卷第5期,第1—11頁。。在大語言模型出現后,人工智能對語言和文字的感知能力又獲得了一次躍升,并將具備替代人力承擔基礎輔助閱讀和文獻整理的能力。(29)王樹義、張慶薇: 《ChatGPT給科研工作者帶來的機遇與挑戰》,《圖書館論壇》2023年第43卷第3期,第109—118頁。

操作指按照已知規則,針對確定目標所開展的行動,如生產工人所做的產品裝配行為,財務人員開展的報表統計制作等,其具有從已知到已知的任務特征(30)鮑勇劍、涂威威、黃纓寧: 《高維智慧企業的認知協同策略》,《清華管理評論》2021年第Z2期,第112—123頁。。機器的自主操作能力在自動化時代依托計算機程序控制即已實現。智能時代,具備感知、認知和執行功能的新型機器人會具備與人類進行順暢交流,更好地理解人類需求的能力。(31)任宗強、陳淑嫻: 《人機協同創新: 面向智能制造的創新新范式》,《清華管理評論》2021年第11期,第24—31頁。智能機器將自身在精準、力量、重復能力、高速計算、持久作業時間、環境耐受力上的優勢與人類勞動結合在一起,將可實現在各項任務操作執行層面更高效的人機共融(32)王志軍、劉璐、李占賢: 《共融機器人綜述及展望》,《制造技術與機床》2020年第6期,第30—38頁。。在工業領域,協作機器人可以在確定的協作工作空間內與人相互感知,共同完成精細、復雜的裝配操作任務。此時,人類勞動者主要承擔工作流程規劃,機器人牽引示教及一些復雜的決策性任務,具有模仿和自主學習能力的機器人完成重復性操作任務。(33)吳丹、趙安安、陳懇等: 《協作機器人及其在航空制造中的應用綜述》,《航空制造技術》2019年第62卷第10期,第24—34頁。在金融領域,RPA(流程機器人)可替代人類完成眾多標準化程度高、規則明確、操作頻率高的業務性工作,如對賬單發送、賬戶開戶、軟件測試、系統清算等。(34)何波、劉緒峰、田延杰: 《RPA開啟智能人機協作新時代》,《金融電子化》2021年第9期,第59—60頁。在傳媒領域,AIGC(人工智能內容生成技術)將使集圖、文、聲、像多模態信息于一體的高速內容生成成為常態,這讓媒體實現了新聞生產自動化,智能分發精準化,內容形態多樣化(35)何慧媛: 《搶占智能變革先機 驅動深度融合發展——新華社智能化編輯部的融合探索》,《新聞戰線》2021年第22期,第19—22頁。,也簡化了傳統采訪、寫作、編輯、制作、發布等操作型任務,讓媒體人更有精力去思考深層次的內容設計。

如前文所述,對于許多感知、操作類任務,人工智能從技術原理上已具備了獨當一面的能力,且表現出了比人類更大的優勢。當然,在許多具體的職業情景中人工智能的技術成熟度還有待加強,成本優勢還不明顯。但不像人有生老病死,人工智能的能力積累是持續性的,所以在不遠的將來,只要是在人工智能具備能力比較優勢的領域,它都會通過自身的迭代優化獲得強于人類的勝任力和成本優勢。這樣,在未來人機智能協作中,單純承擔感知、操作類任務的職位會越來越少,如逐步為人工智能所替代的中技能水平職業,其工作內容就多為有一定技術含量的操作類任務;其他職業中的感知、操作類工作任務也會大部分交由人工智能來承擔。在人工智能完成了對某領域感知、操作類任務的技術替代后,相應職業在維持基本功能穩定的同時,將會迎來一次歷史性的任務重塑與技能重組,其中許多勞動者會遇到因不滿足新技能而被替代的窘境,而該領域的人機智能協作方式則將進入更高層次。

(三) 以“技術-技能協同升級”為特征的人機“類團體”協作

分析和設計類工作既需要人類價值判斷,也需要大量的數據支持、邏輯推演、數學運算和重組生成。這樣,人和人工智能均會表現出一定的優勢和不足,兩者發揮各自特點協同配合開展工作也就成為了最優選擇。

分析是從表象到本質對事件原因和規律的解析和把握,如醫生對病人病因的診療,設備技師對裝備異常原因的發掘等。傳統的分析是在人和物理系統之間開展的,人的知識、經驗和邏輯推理能力是關鍵,智能時代的分析則在人和物理系統之間又增加了智能信息系統。人類將自身積累的許多知識和經驗轉移給了智能系統,智能系統本身還具有更強的感知、計算和一定的認知、學習能力,這使得它具備了代替人類完成部分分析類腦力勞動的可能性。(36)周濟、李培根、周艷紅等: 《走向新一代智能制造》,《Engineering》2018年第4卷第1期,第11—20頁。從類型來看,分析工作可劃分為基于數據的計算分析和基于知識的邏輯推理兩類,人工智能依托強大的運算能力和大數據分析、深度學習等新技術,在數據分析上顯然具有人類不可比擬的優勢;基于符號知識的邏輯分析過去是機器理解的弱勢,知識圖譜技術則為機器理解知識提供了可能。知識圖譜是使用有向圖作為媒介來組織與利用大規模不同類型知識、模型、數據的結構化語義網絡知識庫。(37)王昊奮、丁軍、胡芳槐等: 《大規模企業級知識圖譜實踐綜述》,《計算機工程》2020年第46卷第7期,第1—13頁。知識圖譜采用包含實體、概念、屬性、關系等元素的三元組結構來呈現知識間關系,使智能機器具備了理解、應用符號知識,開展知識檢索和知識推理的能力。(38)徐增林、盛泳潘、賀麗榮等: 《知識圖譜技術綜述》,《電子科技大學學報》2016年第45卷第4期,第589—606頁。如基于知識圖譜的故障分析可以拓展故障事件以及故障部件的描述形式,以圖結構的方式更加靈活地表達事件與部件之間的關聯關系,更加精準地定位系統失效部位、原因以及處理方案。(39)張棟豪、劉振宇、郟維強等: 《知識圖譜在智能制造領域的研究現狀及其應用前景綜述》,《機械工程學報》2021年第57卷第5期,第90—112頁?；谥R圖譜的反欺詐分析可以把與借款人相關的消費記錄、行為記錄、關系信息、線上日志信息等整合到反欺詐知識圖譜里,從而進行分析和預測,以挖掘識別如身份造假、團體欺詐、代辦包裝等借貸欺詐案件。(40)肖仰華: 《知識圖譜與認知智能》,《張江科技評論》2019年第4期,第30—33頁。

除了能通過計算分析和知識推理來模擬人類傳統分析行為,人工智能還可以通過建模仿真的手段,依托海量數據和超級計算能力,構建與所關注物理實體時時映射的數字孿生模型來開展分析工作。(41)劉大同、郭凱、王本寬等: 《數字孿生技術綜述與展望》,《儀器儀表學報》2018年第39卷第11期,第1—10頁。數字孿生模型實際是對相應物理實體的歷史性狀態數據和相關知識、經驗的整合與數字表示,利用該模型人工智能可以對物理實體的運行狀態、演進趨勢和各種故障的原因進行高效精準的分析和預測。(42)張冰、李欣、萬欣欣: 《從數字孿生到數字工程建模仿真邁入新時代》,《系統仿真學報》2019年第31卷第3期,第369—376頁。如基于數字孿生的電廠智能管控可以采集汽輪機軸系實時數據、歷史數據以及專家經驗等,在虛擬空間構建了高逼真度的軸系三維可視化虛擬模型,準確預警多種類型事故;基于數字孿生車輛抗毀傷評估能夠實現對車輛的材料性能、結構變化、部件完整性以及功能運行的精確仿真,從而對車輛的抗毀傷狀態進行精準預測與可靠評估。(43)陶飛、劉蔚然、張萌等: 《數字孿生五維模型及十大領域應用》,《計算機集成制造系統》2019年第25卷第1期,第1—18頁。

設計指基于特定的目標、知識和規則從無到有的重組、創生性行為,如服裝設計師的造型設計,工業設計師的產品技術和工藝設計,醫生針對患者病情開展的治療方案設計等。分析和設計通常是思維中緊密相連的兩個環節,分析是對事物的系統拆解與原理探究,設計則是在分析基礎上的重組和構建,所以智能技術在分析型任務中所表現出的優勢和特征,多數也會遷移到設計中來。通常的設計有兩類: 一類是在清晰功能目標導向下對系統結構的重新構型,如產品設計、工業設計;另一類是不為具體目標所束縛的對系統結構變革可能性的探索,如造型設計、創意設計。對于前一類,在技術成熟的產業領域,其設計工作一般也具有顯著的程序化特征,便于人工智能參與其中;后一類通常會涉及藝術審美和文化理念層的價值引領,盡管人工智能無法對其過程進行完全的真實模擬,但其強大的生成能力則可以在多種類結構組合設計上給予人類巨大的支持。

生成式設計是當前人工智能參與設計工作的一種代表形式,其中人工智能主要承擔了幫助設計師捕捉靈感和構思創意的功能。在設計中,設計師根據任務目標首先確定一系列設計方向和約束參數,人工智能通過算法生成大量符合條件的設計初方案供設計師挑選。(44)翟尤、李娟: 《AIGC發展路徑思考: 大模型工具化普及迎來新機遇》,《互聯網天地》2022年第11期,第22—27頁。人機協作的生成式設計實際上是將設計中許多基礎性、重復性的工作委托給了人工智能,它一方面可以減少設計師的工作量,使他們有更多精力投入到深層次的設計構型中;另一方面也在一定程度上降低了設計工作的門檻,使一些不具備相關專業知識積累的人在人工智能幫助下也可以做出自己的設計。(45)翟尤、李娟: 《AIGC發展路徑思考: 大模型工具化普及迎來新機遇》,《互聯網天地》2022年第11期,第22—27頁。知識圖譜和數字孿生等技術在設計類任務上同樣也發揮了重要功能。一方面,人工智能可以利用與設計任務相關的各種數字孿生模型和知識圖譜自動構建設計初方案,并對各種設計方案進行仿真分析;另一方面,基于數字孿生和知識圖譜的產品設計在設計工作完成的同時也會配套構建起相應的孿生模型和知識圖譜(46)李浩、陶飛、王昊琪等: 《基于數字孿生的復雜產品設計制造一體化開發框架與關鍵技術》,《計算機集成制造系統》2019年第25卷第6期,第1320—1336頁。,這也為后續的產品加工、裝配、檢測提供了保證,實現了“設計-制造”的一體化。

如前所述,以大數據感知分析和知識圖譜、數字孿生等技術為支撐,人工智能已經可以承擔起一系列分析工作,并將在一些特性情景下表現出較人類更大的優勢。而以AIGC等技術為手段,人工智能在許多設計工作上也有了出色表現。相信在不遠的未來,隨著更強大的運算能力和更全面、可靠的大語言模型、知識圖譜、數字孿生模型的建立,人工智能的分析和設計能力將更為突出,但鑒于多數職位中的分析、設計類任務均具有非獨立化和交互性特征,也使人工智能很難具有全面取代人類的可能性。這里的非獨立化和交互性是指在分析、設計類任務開展的前后必須有面向外界的問題解構和成果說明環節,如對于各種設計工作來講,開展設計前需要準確挖掘客戶內在需求,與客戶共同確認設計方向;在設計方案完成后也要為客戶進行解讀和說明,謀求客戶的認同。這樣,盡管未來人工智能或許會具備獨立完成基本分析、設計的能力,但在面向人類客戶或合作者的問題解構和成果說明環節,人類更有優勢。此時,人類和人工智能間的協作關系比較類似于當前各種專業團隊中的負責人和下屬工程師,人類主要負責與外界溝通并明確任務目標,制定任務規劃,人工智能依據人類所澄清的任務方向開展具體分析、設計工作,之后人類再基于其自身對任務目標的理解對人工智能的工作成果進行必要的調整,并以任務責任人的身份對外展示、說明,尋求反饋。在人機“類團體”協作中,盡管智能技術能夠替代人類完成許多基本的分析和設計任務,但相應職業對人類勞動者的技能要求也更高,他們要具備對功能成果和人機協作過程總體把控的能力。

(四) 以“賦能增強”和“支持輔助”為特征的人機協作

交流、反思、探索、決策類職業任務的有效實施通常需要更高層次的認知思維、文化認同和情感理解能力參與其中。由于當前技術邏輯下的人工智能尚不具備智慧生物的人格主體意識,故在這些能力上較人類智慧還有差距。因此,在這類任務中,人工智能或能做出一些惟妙惟肖的模仿,或作為智能工具給予人類工作諸多幫助,但在智能技術未得到層次性跨越之前,其在人機協作中只能通過增強人類技能來承擔輔助職能。

交流是以人際溝通為手段,以謀求信息傳遞、行為協調、相互理解為目標開展的活動,如銷售業務員面向客戶的產品推介,教師為學生授課,企業間商務談判等。誠然,ChatGPT等聊天機器人已具備了與人類常規交流的能力,但在人際協調和理解認同層面的交流能力顯然還不及人類。在交流類任務上,人工智能也能有不少擔當,如在商業領域,智能客服能幫助大量用戶快速解決相對簡單的咨詢和客訴問題,但面對界限模糊問題或溝通不暢時的人工干預仍不可缺少。以少量的人力對智能客服應答不暢對話進行實時干預,被業界認為是“效率-成本”最優的方法。(47)雷植程、童麗霞、吳俊江等: 《騰訊智能客服人機協同實踐》,《人工智能》2020年第3期,第106—113頁。在教育領域,具備基本交流能力的教育機器人、智能導師、智慧學伴已出現在諸多教學場景中,依托這些技術,真人教師主導、AI教師輔導的虛擬雙師型課堂將成為常態。(48)謝幼如、邱藝、劉亞純: 《人工智能賦能課堂變革的探究》,《中國電化教育》2021年第9期,第72—78頁。在家政服務領域,家政機器人將可承擔起照顧老人、兒童,事件提醒和家庭巡邏等任務。(49)陶永、王田苗、劉輝等: 《智能機器人研究現狀及發展趨勢的思考與建議》,《高技術通訊》2019年第2期,第149—163頁。未來,通過大語言模型的載入,家政機器人將會具備更順暢的人機交流能力,并可能成為老人和孩子的智能伴侶。盡管在交流型任務上人工智能應用場景廣泛,但當前人工智能并不能實現在思想、觀念上與人類的交互理解,它們只是基于對人類的語言和表情信號進行數據分析,并根據已有模型做出高概率適應性的反饋。這種技術模式在應對通常的信息搜索、客服反饋、兒童陪伴、輔助教學或娛樂聊天上可基本勝任,而對于其他深層次交流任務,如商務談判、教學指導、心理咨詢等,人類還應是工作主導者?？傮w來說,人工智能在交流型任務上可以獨立承擔一些常規工作,或為人類提供信息感知、整理、檢索的支持,但其并不具備明顯優于人類的能力優勢,因此在該類任務的人機協作中人工智能僅會起到支持輔助作用。

反思是從科學合理性和價值合理性層面對行為和行為結果的審視與改良,如管理者對某些考核制度可行性和合理性的反思,設計師對產品設計的技術改良空間及能否有效滿足消費者需求的反思等,其是高層次職業行為不可缺少的一部分。職業中的反思通常并不獨立存在,而是與前述感知、操作、分析、設計、交流型任務相融合,是對這些行為成果的再思考,其中尤其會關注對錯誤的修正、缺陷的彌補。反思的對象可以是反思行為者自身的工作,也可以是從第三者視角對他人行為成效的反思,而后一類反思在其任務實施過程中則必然還要包含對外部信息的感知,其中內涵的分析及必要的人際交流和觀點分享。所以,在反思行為的人機智能協作關系上就會存在兩種視角: 一種是將反思與相關的其他任務獨立開來,專門看反思過程中的人機任務分工;另一種是將反思相關的感知、分析等任務視為反思行為的一部分,以整體的視角開展反思行為人機協作研究。顯然對于后一種觀點,人工智能依托其在資料收集等感知能力和數據運算、特征識別等分析能力上的優勢,還是能夠在反思型任務,至少在科學合理性層面,給予人類有效支持和幫助。但價值合理性上的反思則應基于對人類情感、需求、道德和社會文明進程的理解而開展,其在思維上屬于融合了語言、認知和文化層級的高階思維(50)蔡曙山、薛小迪: 《人工智能與人類智能——從認知科學五個層級的理論看人機大戰》,《北京大學學報(哲學社會科學版)》2016年第53卷第4期,第145—154頁。,需要反思者能夠基于對歷史文化和人類情感的綜合理解,從物質存在、社會存在、精神存在的整體性層面進行綜合考量(51)吳飛、段竺辰: 《從獨思到人機協作——知識創新模式進階論》,《浙江學刊》2020年第5期,第94—104頁。。這顯然超出了當前以數據運算見長的人工智能技術可達的范圍。所以,在反思類任務上,人機協作的內容主要集中于人工智能在信息感知和分析上為人類反思提供的支持與賦能。

探索是在缺少完整的先驗知識和行動路徑支持下對新興事物和未來發展的思考、研究與創造,如科學研究、藝術創作等。探索與設計類似,都是以“無知”為起點,但設計一般有清晰的目標和路徑作為工作指引,探索研究則具有各種不可預見的可能性。與反思類似,探索活動同樣會包含感知、操作、分析、設計、反思等多個子模塊,在此基礎上通過人類對認知收獲的創造性建構使探索獲得成果意義。隨著各種智能研究工具的產生,人工智能對人類探索研究行為的推動作用越發明顯,如以大數據分析為基礎的數據密集型科學已經在科研界產生了巨大的影響,幫助人類揭示了許多學科內復雜數據間的相關關系,并形成了科學研究的第四范式(52)鄧仲華、李志芳: 《科學研究范式的演化——大數據時代的科學研究第四范式》,《情報資料工作》2013年第4期,第19—23頁。;基于智能機器間的自組織功能,人工智能可以對物聯網互聯設備間的數據資源進行共享,自主提取數據開展大數據分析研究;在人類傳統的符號知識體系外,人工智能可以利用深度學習等技術依托大數據構建數字模型來表示復雜數據間的默會知識,以幫助人類更準確預測事物演化趨勢(53)任宗強、陳淑嫻: 《人機協同創新: 面向智能制造的創新新范式》,《清華管理評論》2021年第11期,第24—31頁。;運用知識圖譜的知識推理、補全和融合技術,人工智能將可自主構建更為豐富的知識體系,實現自動化知識生產;依托數字孿生模型和知識圖譜,人工智能可以通過數據、模型驅動的方式在諸多領域開展仿真實驗(54)鮑勇劍、涂威威、黃纓寧: 《高維智慧企業的認知協同策略》,《清華管理評論》2021年第Z2期,第112—123頁。,大大提高了科研效率,降低探索成本和風險?？梢?人工智能確實將可以承擔起許多探索創新類工作任務,但當前人工智能所開展的探索發現和知識生產都屬于為數據和計算而生的“計算知識”(55)吳飛、段竺辰: 《從獨思到人機協作——知識創新模式進階論》,《浙江學刊》2020年第5期,第94—104頁。,它起到了對人類已有知識體系補充完善的功能,但在新型抽象概念的構建,對新知識內涵的解釋,如何讓計算知識與人類原有知識和文化體系有機融合上,人工智能尚不能獨立完成。況且,能夠通過計算開展的探索和知識生產僅是人類面對物質世界、精神世界和人類社會進行探索中的一部分內容,多數探索工作還需要繼續依托人類傳統方式來開展,當然在其中引入智能工具仍是重要的。所以,人工智能對探索類任務的價值也在于對人類技能的賦能增強和支持輔助。

決策就是根據環境事實做出判斷和決定以引領后續行為的一類思維事件。在人類社會,決策權的分配是最為重要的權力展現,決策的恰當與否也是影響各類行為走向和成效的關鍵因素。在職業行為中決策型任務無處不在,大到國家、地區、企業的戰略規劃、資源分配、人事任命,小到具體的參數調整、設備操作都需要依據職權分配由相應人員做出決策。決策型任務同樣需要與感知、分析、交流、反思等任務相融合,以之為基礎來開展。人工智能依托其強大的信息感知、系統分析、情景推演、趨勢預測等能力,將能夠對各類決策的科學制定提供巨大幫助。如與人類受認知能力所限在許多決策判斷中只能“抓大放小”相比,人工智能依靠其海量數據收集和快速分析響應能力,將可以在諸多應用領域實現“面面俱到”的細顆粒度決策判斷。(56)鮑勇劍、涂威威、黃纓寧: 《高維智慧企業的認知協同策略》,《清華管理評論》2021年第Z2期,第112—123頁。不過,職業中的許多決策任務不僅需要細致感知和快速響應,還需要在綜合考慮文化、情感、倫理、法律等諸多人本因素基礎上去進行價值衡量,所以,人工智能主導的自動化決策在很長時間內還將僅會應用于成熟決策模型下的操作型任務中,如智能生產中的參數調整、設備操作等。對于大多數會對人類生活產生實際影響的決策型任務,構建基于人機混合增強智能模式的協同決策機制才是方向所在(57)張維、曾大軍、李一軍等: 《混合智能管理系統理論與方法研究》,《管理科學學報》2021年第24卷第8期,第10—17頁。。在人機協同決策中,智能機器將承擔起各類情景下科學決策智能模型構建,決策生態系統交互演化機理分析,決策相關知識的抽取、發現與演繹,決策推演成果的驗證評估等工作。(58)曾大軍、李一軍、唐立新等: 《決策智能理論與方法研究》,《管理科學學報》2021年第24卷第8期,第18—25頁。相應職位的人員在人工智能的幫助下,將繼續擔當起決策責任人的職責。

三、 適應人機智能協作的人才培養方向變革

由前述分析可見,人工智能將逐步實現對多數感知、操作類任務的技術替代和勞動者技能重組;采用“類團體”式人機協作方式全面提升分析、設計類任務的工作成效,并在技術進步的同時對勞動者提出了更高的技能要求;并依托其在信息感知、分析方面的功能優勢,為承擔交流、反思、探索、決策類任務的從業者提供了一系列賦能與支持。由此可見,不同任務類型下智能技術的應用方式和人機分工合作機制存在明顯差異,人類在各自的職業崗位上,要根據其中的人機智能協作機制特征找準自身定位。而為適應人機智能協作的新型工作方式,教育的人才培養方向也必須做出適當的變革和調整。

(一) 重點培養適應人機智能協作的三項關鍵能力

可以預見,AI大語言模型及其驅動的各類智能工具會在不遠的將來幫助人類完成多數常規的感知、操作、分析、設計及基礎交流類工作任務,而人類的職業價值將轉向更高層次的交流、反思、探索、決策及個性化情景下的分析、設計與問題解決中。做好這些不在于具體的知識、技能和高效勞作,這是人工智能的優勢;高階思維能力、人文素養和人機協作能力才是體現人類價值的關鍵。

高階思維指人在解決復雜問題時所發生的深層次認知活動,其思維過程通常包含了質疑反思、生成問題、假設、推理、解決問題等環節,并呈現出認知復雜度高、規范程度低、結構性弱、系統性和跨學科性強等特點。(59)胡小勇、孫碩、楊文杰等: 《人工智能賦能: 學習者高階思維培養何處去》,《中國電化教育》2022年第12期,第84—92頁。在分析、設計類任務中的人機“類團體”協作中,人類的角色即是針對特定問題情境,利用高階思維能力引領人工智能開展各類分析和設計工作;在交流、反思、探索、決策類任務中,人類依托人工智能信息感知和分析能力支持所開展的一系列深層次工作的能力基礎,也是高階思維能力。與之相對,微軟研究認為,GPT4等人工智能在涉及高階思維的規劃和概念式思考(planning and conceptual leaps)等能力上相對不及人類。因此,面向復雜和個性化問題情境下的高階思維能力培養,顯然應成為智能時代人才培養的主要方向之一。

在交流、反思、探索、決策類任務上,之所以人類較人工智能具有不可替代的優勢,在于這些任務執行中對人文素養的必然要求。這里人文素養與前述學者所講的通識技能、非認知能力內涵相似,指在計算知識、數據分析之外的一系列內嵌于人類智慧之中的能力與素養。未來盡管人工智能會承擔許多工作任務,但職業的服務對象是人,職業行為的成果要為他人所認可才能獲得相應收益,所以職業不僅要有工具屬性,還要有人文屬性。職業工具屬性的素質基礎是知識、技能和經驗,這些素養在人機智能協作中盡管也很重要,但人類并不具有比較優勢。職業的人文屬性彰顯了職業行為作為現代社會重要人際關系紐帶的功能。每個現代人都不可避免地要與他人建立起服務與被服務、管理與被管理的關系,而這種關系的載體則多為職業行為中的交流、反思、探索、決策類任務,其素質基礎就是人文素養,如人際溝通、協調與理解能力,基于情感和文化的反思、決策能力等。

人機協作能力同樣是適應未來職場的必備能力。由于任務類型不同,人機協作能力具有多樣化的內涵。對感知、操作類任務,由于人工智能將具備獨立工作能力,人類只須根據任務安排智能機器開展工作。此時的人機協作能力主要表現在人類對智能機器的應用能力上。對分析、設計類任務,未來人機間會結合彼此優勢,以“類團體”模式開展合作,此時人機間會有復雜、多回合的信息交互和任務分配。這種模式對人機協作能力要求很高,人類既要全面了解人工智能在任務中的工作原理,也要能夠在準確理解復雜任務目標基礎上結合智能技術特征進行任務解構和業務規劃,以引領人工智能開展工作。對于這類能力,有學者將之稱為計算思維,即以計算機可處理的方式去界定問題、抽象特征、建立模型的能力。(60)陳贊安、李寧宇、尹以晴等: 《從算法到參與構建計算模型: 人機協同視域下計算思維的內涵演進與能力結構》,《遠程教育雜志》2021年第39卷第4期,第34—41頁。對交流、反思、探索、決策類任務,部分情景下人工智能僅為支持輔助工具而存在,只承擔其中信息傳遞、內容提示等工作,此時的人機協作能力也主要表現為對智能工具應用方式的掌握;另一些情景下,人工智能會承載起任務相關的許多感知、分析、設計工作,此時對人機協作能力的要求會更高,其內涵則類似于“類團體”模式下的人機協作能力。

(二) 調整知識和技能培養的方向和內容

知識傳授和技能訓練一直是教育的主要內容,而在未來人機智能協作新情境下,如何看待知識和技能培養的意義,則需要我們重新審視和思考。

在傳統的職業活動中,知識和技能是勞動者開展專業化工作,實現職業功能的關鍵基礎。學習的目的首先就是要掌握必要的知識和技能,知識學習的首要任務就是知識記憶,個人能記住的相關知識量越多、越牢就越好,然后才是對知識的有效理解和運用。技能學習則是對技術操作行為的刻意訓練,個體通過一系列專門設計的訓練來熟練技能,然后再與任務場景相結合形成專業專長。(61)郝寧、吳慶麟: 《職業專長發展中刻意訓練的效用與規律》,《華東師范大學學報(教育科學版)》2009年第27卷第4期,第52—58頁。有了知識和技能的支撐,個人相應職業行為的功能成果也就有了保障。因此,知識和技能培養的教育意義一直都是不必爭議的。

在大語言模型等智能技術出現后,人工智能已經重塑了人類的知識觀,人類已不再是知識唯一的應用和生產主體,人工智能也有了同樣的能力,且在知識記憶、應用乃至生產的速度和成效上更強于人類。在技能操作上,人工智能及其引領的各類軟件和機器人更是在操作的效率、精準度等方面展現出了遠超人類的優勢。這樣,在未來的人機智能協作中,具體的知識、技能與職業功能成果間的關系就將發生改變,人類在將以知識和技能為基礎的感知、操作及常規性的分析、設計、交流類任務讓渡于人工智能后,自身的發展重點也應轉向高階思維、人際交往及深層次的反思、探索和決策等能力提升上。(62)蔡連玉、劉家玲、周躍良: 《人機協同化與學生發展核心素養——基于社會智能三維模型的分析》,《開放教育研究》2021年第27卷第1期,第24—31頁。因此,知識和技能學習不宜再是教育最主要的追求,教育更應該注重培養人區別于機器的獨特智能,(63)顧小清、郝祥軍: 《從人工智能重塑的知識觀看未來教育》,《教育研究》2022年第43卷第9期,第138—149頁。教會學生辨析知識,培養學生基于高階思維參與的知識運用能力,以此來代替簡單的知識傳授、記憶和技能訓練。(64)杜華、顧小清: 《人工智能時代的知識觀審思》,《中國遠程教育》2022年第10期,第1—9頁。

弱化知識和技能培養權重,并不等于可以忽視個人知識體系的建構和基礎技能的養成。必要的知識積累,是人類開展各項認知思維活動的原料基礎,合理的知識結構更是高水平認知思維能力的關鍵前提,當前人工智能所取得的突破性進展也同樣是在大量語料知識支撐下通過預訓練獲得的。因此,知識教學在人才培養中仍不可缺少,只是其重點不應再是數量和記憶,而是幫助學生構建合理的知識體系,并教會他們掌握通過人機協作有效運用知識的能力。在技能培養上,對通用性基礎技能的傳授亦必不可少,但對職業針對性技能進行培養時則應充分考慮其技術替代的可能性及學習投入和工作產出間的成本關系。(65)李捷: 《“雙循環”背景下高等教育發展格局的優化研究》,《高校教育管理》2021年第15卷第5期,第23—35頁。畢竟,如AIGC繪圖功能的快速發展會大量替代人工繪畫技能的情景,未來仍會時常出現。

(三) 對功利主義與人本主義教育價值的再審視與再選擇

在理論界,教育應秉承人本主義還是功利主義價值一直備受爭議;而在現實中功利主義的教育傾向則從未被拋棄,這源于職業的功能存在性。在現代社會中,職業是個體與社會相聯系的關鍵紐帶,也是每個人實現自我價值的重要載體,而其根本則是人要能通過職業勞動,為他人和社會創造功能價值。(66)王博: 《智能時代的職業變遷趨勢與職業教育人才培養機制變革》,《職教論壇》2022年第38卷第7期,第15—22頁。人的能力是實現職業功能的基礎,接受教育是能力發展的前提,因此教育的功利化傾向也就成為了誰也不可否認的必然。

而當進入智能時代后,人工智能將以其強大的功能優勢在諸多職業領域掀起勞動替代之潮。此時,人工智能一旦掌握某項職業技能,便將不知疲倦地高速復制它并加以快速推廣,從而迅速拉大人機之間的勞動成本差距,并使以相應技能為基礎的勞動者成為“技術性失業者”,且很難通過短期培訓再獲得新就業機會。(67)孫偉平: 《人機之間的工作競爭: 挑戰與出路——從風靡全球的ChatGPT談起》,《思想理論研究》2023年第3期,第41—47頁。人工智能的勞動替代將使許多人失去作為職業功能主體的社會工具意義,讓他們成為“無用階層”。(68)于澤元、那明明: 《人工智能時代教育目的的轉向》,《中國電化教育》2022年第1期,第66—72頁。此時,如果社會構建起了合理的財富分配新形態,這些人應還不會陷入生存危機,但生命的社會意義和自我成就感的獲得必將受到巨大挑戰。因此,當以謀求職業發展,創造更大職業功能價值,獲取更高職業收益為表現的這種功利主義傾向的個人追求的可能性被人工智能的技術替代所打破,職業勞動僅能成為部分人的權益后,教育的過功利主義也將失去存在的土壤,而自然轉向以促進人的全面發展,挖掘人的本真價值為方向的人本主義。

可見,未來教育的人本主義價值回歸并非理想主義的幻想,也并非為教育學者的倡議所推動,而更有可能是在人工智能等先進生產力推動下對傳統社會結構創造性重塑的結果(69)顧小清、蔡慧英: 《預見人工智能的未來及其教育影響——以社會性科幻為載體的思想實驗》,《教育研究》2021年第42卷第5期,第137—147頁。。但在當前看來,人工智能的社會影響卻有著很大不確定性,它既有可能作為先進生產力,為人類創造更多社會財富,將人類從繁重的勞作中解放出來去更好地追求、實現自我價值;也可能造成更大的壟斷、貧富差距和失業,并引發新的社會危機。(70)徐璐、朱炳元: 《人工智能的馬克思勞動價值論解讀》,《思想理論研究》2022年第2期,第59—65頁。社會變遷形態的不同走向將決定教育的演化方向,人本主義教育作為一種我們期待的理想化未來,能否在人工智能技術推動下成為現實,也需要以社會制度的進步為基礎。