“技术性失业”背景下，职业教育该如何变革？

本文来自微信公众号：IPP评论 （ID：IPP-REVIEW），作者：吴璧君（华南理工大学公共政策研究院研究助理、政策分析师），原文标题：《吴璧君：人工智能“技术性失业”背景下的职业教育理念》，头图来自：视觉中国

近年来，我国职业教育体制变革问题引发越来越多的讨论。新修订的《职业教育法》颁布并实施后，这一主题更是再次成为关注的焦点。

在当前看来，我国在构建现代职业教育体系的过程中面临着诸多困难。虽然国家层面的政策多次倡导“普职同重”，大力推动职业教育和普通教育相互融通；但职业教育体制机制僵化、教育培训内容落后的现状，使得职业院校仍旧是一个并不受欢迎的升学“保底”选项。北大国发院院长姚洋近日提出的“技术大学”^[1] 引发的广泛讨论，就充分体现出了这一现状：我国当前的职业教育体系（尤其是高中阶段）实际上并不能培养出面向“制造强国”的高端技能人才。

在当前人工智能技术飞速发展引发的“技术性失业”背景下，符合时代要求的职业教育应该是旨在推动重构工作模式的职业教育。也即，职业教育需要提升技能劳动者在工作中自主发展的权力和能力，使其最终成为一个可持续性强的、有价值的知识型劳动者，而不是仅仅作为机器的影子，被困在重复的工作任务中。因此，如何革新当前的职业教育体系，发展创造未来的技能教育，是一个十分值得思考的新课题。

一、人工智能发展与“技术性失业”

近年来，以人工智能技术为核心的新一波技术革命兴起，人工智能对劳动者和劳动力市场的影响逐渐成为受到各个学科领域广泛关注的热门主题。人工智能技术是会带来劳动生产率提升，并且通过创造新的劳动任务，形成总体上来说更多的就业机会，抑或是会取代大量工人，从而最终将劳动力挤出工作领域？

对于上述主题，许多学者都进行过大量且深入的思考。针对人工智能技术“替代力量”（replacing）与“互补力量”（enhancing）孰强孰弱的争论，更是衍生出了“技术替代”、“创新效应”、“人机合作”等等多个理论派别。事实上，从文献的讨论中可以发现，当前许多学者都对技术进步造成的结构性失业抱有不同程度的担忧；倾向“技术替代”观点的学者在当前占有多数。^[2]

例如，阿西莫格鲁和雷斯特雷珀（Acemoglu and Restrepo）^[3]通过研究1990年至2007年间美国 19个行业的数据，就发现工业机器人和人工智能的引进造成了制造业等多个行业的就业率下降，以及以蓝领工人为代表的多个岗位被替代；在这17年间，美国失去的工作岗位在36万个以上。虽然自动化也会通过创造新任务衍生新的就业机会，但这样的补偿效应是十分有限的（也即，仅仅在引进机器人能节省50%以上成本的情况下）。与阿西莫格鲁和雷斯特雷珀相似，牛津大学的Frey和Osborne^[4]也在考察美国数据的基础上提出，在他们所研究的702种岗位类别中，有47%具有较高的被计算机替代的风险。

也有学者持不同观点。例如，Trajtenberg在论文中^[5]就提出，人工智能和高级机器人带来的创造效应在近期可能与其替代效应持平，因为自动化会提升业务量，并创造新类型的岗位，最终吸收大量的劳动者，并对自动化所替代的岗位产生补偿效应。此外，也有许多学者提出，人类劳动者和自动化机器间不一定是竞争关系；人机合作也可能是未来的主要就业形式。宇宙学家Tegmark^[6]更畅想了一个人类劳动者与人工智能“人机合一”的未来：在未来的一种版本中，人类首先会和通用型人工智能合作并相互提升对方的能力；其次，人类会逐渐升级成为改造人（Cyborg），并且可以将自身的智能上传到新的硬件上，人与机器的界限日渐模糊。到那时，也就不存在“机器是否会替代人类”这个问题了。

然而，纵观这些理论讨论可以发现，无论是“技术替代”理论家，还是技术乐观主义者，在一件事情上还是会达成共识：那就是，正如部分学者所说的，“工作替代似乎是一个在十年后才会展开的问题，而不是立即”^[7]。也就是说，即使人工智能颠覆所有人类工作的未来最终有可能发生，但至少在近十年间，人类在特定的某几个工作领域还是更具有相对优势（下文将进一步阐述这些优势）；“技术奇点”并不会马上到来，人类也并不会完全失业。

那么，面对这一技术发展的重要窗口期，人类该如何选择人工智能的技术路线，才能使其通过补偿性的创新，真正服务于人类整体发展，而不是取代人类、统治世界？正如人类学家格雷伯所言，无论探索怎样的新技术路线，都需要实现更加平等的权力和财富分配^[8]；这其中也包括实现劳动者技能的重新分配，也即劳动者（尤其是中间技能劳动者）的“再技能化”。为了实现劳动者的“再技能化”，一方面，可以通过推动具有赋能作用的人工智能发展，将劳动者从重复性的工作任务中解放出来，并安排到更有创造思想的工作岗位上。另一方面，更加重要的是，实现教育体系尤其是职业教育体系的创新性变革，是必不可少的。

要建设一个这样的创新性职业教育体系需要怎样的教育理念和教学法？这一问题在当前的技术性失业环境下尤为重要。一个创新性的职业教育体系需要培养劳动者的思维和想象能力、框架识别能力以及复杂的沟通能力，帮助劳动者成为一个可持续性强的、有价值的“知识型”劳动者（在这个语境中，“知识”指劳动者敢于怀疑世界、改变世界的能力）。因此，不仅仅是教育学家，许多政治经济学家也从自身的学科领域出发，对此进行了深入的讨论。本文简要梳理了部分具有前瞻性的思考，希望能为有识之士提供参考与启示。

二、“想象能力”作为人类的优势

上世纪90年代，人工智能第二波浪潮开始，对人工智能技术的研究从窄人工智能逐渐往通用型人工智能方向发展。由于通用型人工智能具有与人类智能完全不同的学习方法，许多人产生了这样的疑问：在未来，难道人工智能会在所有领域都远远超越人类吗？

对这样的疑问，政治经济学家和哲学家均给出了否定的答案：至少在近几十年内，相对人工智能来说，人类仍旧具有独特的、高价值的优势，也就是人类的“想象力”。正如布莱恩约弗森和麦卡菲在《第二次机器革命》中所说的：“计算机并不是毫无用处的，但它们仍旧只是提供答案的机器，而不会提出有趣的新问题。那种能力好像仍然仅仅属于人类，而且仍然拥有很高的价值。”^[9]

《知识经济》的作者昂格尔在书中认为，人类的智力活动可以分为两大部分^[10]：一方面，和工业化大生产中的老式机器类似，人的智力是模块化（modular）和公式化（formulaic）的：这部分智力活动按照固定的计划、规则行动，因此产生的是重复性的行为。另一方面，人的另一部分智力活动既不是模块化的，也不是公式化的。这部分智力活动具有两个能力：第一是“无限递归”（recursive infinity），即舍弃既有的实践方式、推翻先前的假定，并重新组合事物的无限的可能性；第二是“否定能力”（negative capability），即超越事物本身、并创造出革命性变化的联想能力。

昂格尔将这第二种智力活动称为“想象力”：在这个定义下，想象力指的是人类相对于作为机器的智力来说，作为“反机器”（anti-machine）的智力；这是人类最根本的特质，也是当前的自动化机器和人工智能所不能具有的。在昂格尔看来，想象力最重要的意义就是为人类提供了在不同的环境中预测变化的能力；这种“预估产出”（approximation of production）的能力就是当前发展知识经济的核心。

昂格尔在书中提到，在老式的福特主义大规模生产中，劳动者和机器的关系就像是“工人和他操作的机器是等同的”；工人和机器的这种关系为泰勒制的管理手段提供了实践基础，导致工人进一步困在重复的工作任务之中。然而，人工智能和机器学习的出现从根本上改变了工人和机器之间的关系。既然机器有能力学习如何完成更复杂的公式化任务（例如，从学习如何开门到学习如何驾驶汽车）并替代了部分劳动者，那么劳动者就可以节省出时间进行机器无法完成的、非公式化的劳动任务：与想象力相关的工作。也就是说，在知识经济中，劳动者不应再作为“机器的影子”劳动，而是应该发挥想象力的“否定能力”，在劳动中开拓视野、打破既有的规则。

三、新的职业教育教学法

在昂格尔看来，为了适应知识经济的发展，不仅技术进步需要以“促进人的想象力”作为标准，也需要变革职业教育的教育理念，因为职业教育是帮助技能劳动者提高长期的创造能力和想象力的有效手段。

昂格尔认为，在包容性的知识经济发展过程中，能够提高想象力的职业教育体系需要包含如下四个特征：

（1）优先培育劳动者的分析能力和综合思考的能力；

（2）有选择地培养劳动者在某个专业上的深度知识，以便在日后的劳动中进一步提高必备技能、灵活运用信息；

（3）在教学过程中强调授课者与学生之间的合作、互动，以及学生之间的互动；

（4）辩证地传授任何知识，也即为学生提供关于同一个知识的两个相反角度的信息。

昂格尔提出的教育理念为知识经济时代的教育体系创新提供了一个前瞻性的理论方向。那么，具体来说，当前职业教育的教学法需要如何变革，才能进一步提高技能劳动者（尤其是面临着极高计算机化风险的中间技能劳动者）的想象力？《劳动力教育》一书的作者Bonvillian和Sarma在书中提供了一套可行的新职业教育教学法。^[11]

Bonvillian和Sarma认为，当前职业学校里“一体通用”（为所有学生提供同一套课程大纲和相应课程内容）的传统线下教学方法早已过时。符合技术革命潮流发展的职业教育课堂（包括职业院校、企业等等）除了要摒弃传统线下课堂的特征之外，也要将人工智能技术、互联网技术等新科技运用在教学过程中。这也就是阿西莫格鲁和雷斯特雷珀所提到的“用技术重建生产流程”的理念：不是和技术革命作斗争，而是利用新技术为重振劳动力需求服务。

Bonvillian和Sarma认为，新的职业教育课堂首先需要打破“一体通用”的传统教学方法。具体来说，可以对课堂教学实施两个方面的改革：一方面，将课程设置成“小模块”（bite-sized chunks），即10分钟的讲授学习加上一段时间的小组讨论或考试。这样的课程设置比一节十几分钟的课程更能令学生有效地记忆知识。另一方面，为学生设置必要难度（desirable difficulties，即在记忆知识时人为设置难度，会使得记忆更加有效）。

简要来说，有四个可参考的方法：

（1）缩短考试的间隔时间，并安排突击考试。突击考试比起提前安排好的考试更能使学生对知识记忆深刻。

（2）采用间隔考试方法，也即当天讲授的内容隔几天再对学生进行测试。这在强化学生记忆的同时，也能让老师了解学生遗忘知识的程度，以便进行个性化辅导。

（3）在一堂课中穿插不同模块的知识点。例如：在讲授乘法时，穿插讲授除法的内容；如此可以达到一种“认知干预”的积极效果。

（4）最后也是最重要的是，需要对学生的学习进行反馈。最好进行延迟的、简洁的反馈，给学生提供思考时间。

此外，在新职业教育的课堂中，需要使用哪几种新技术、如何使用，才能最大程度地提高职业劳动者的想象力？Bonvillian和Sarma列出了当前几种新技术及其在这个创新性的职业教育体系中的可能的运用模式：

（1）与学习相关的电脑软件与手机应用程序，如记忆类软件SuperMemo、语言学习类软件多邻国（Duolingo）、抽卡背单词的软件Quizlet等等。这些学习类软件一般会提供个性化的服务。教师可以在课堂教学中使用这些学习类软件进行突击考试、穿插教学、个性化反馈等，有效运用创新性的教学法。

（2）大规模开放式在线课程（慕课MOOC）平台，如edX、Coursera、优达学城（Udacity）等等。慕课平台在新职业教育课堂中可以运用在讲授、考试、反馈等多个教学环节。在讲授环节，慕课平台可以为职业院校、企业和个人提供在线观看服务以及课程视频下载服务。对于职业院校和培训机构来说，慕课平台的在线课程不仅可以在疫情期间代替线下课堂讲授，其自带的视频回放、视觉参与的功能也更加适合技能教育的特征（例如：需要重复讲授和练习同一知识点）。对于企业主体和需要继续教育的个人来说，慕课平台全面、大量的在线课程也为其提供了比线下课堂更可及的学习机会。在考试和反馈环节，部分慕课平台自带课程作业修改功能，并可提供学生间相互修改作业的服务。将慕课平台的这种功能应用在职业教育的课堂中，可以帮助提高教学效率，并增加学生间的互动频率。

（3）各种类型的人工智能。和慕课平台相似，人工智能在职业教育课堂中的应用也可以贯穿整个教学过程。当前，人工智能在赋能个性化教学方面有着极大的优势。例如，智能辅导系统（Intelligent Tutoring System， ITS）就是当前已经投入教学实践的人工智能之一。当代智能辅导系统可以模拟人脑运行，因此可以在探测学生学习进程的基础上，对学生的认知模型进行模拟，并有针对性地选择相应的辅导策略。此外，其他类型的人工智能，例如聊天机器人等，也可以有效运用在课堂的考试、提问环节中。但需要注意的是，当前应用在教学领域的人工智能仍旧还是单一领域的窄人工智能，因此人工智能在教学过程中并不能完全替代人类教师。

（4）虚拟现实（VR）和增强现实（AR）技术。这两种技术在职业教育课堂中的应用主要集中在需要实操的专业技术教学上，并已大量投入实践，例如飞行员和潜艇驾驶员训练。VR和AR技术的成本较低，并且是非竞争的产品，因此将VR和AR技术应用在讲授环节，一方面可以减少实践练习的成本（大量学生在同一时间进行实操练习）、降低部分实操训练的危险性，另一方面也可以为没有现场培训条件、但又需要培训的在职员工提供实操机会。

在人工智能迅猛发展并对人类工作岗位产生威胁的新环境下，职业教育的目的不能再停留在“获取完成重复工作的最基本技能”，而是应追求“终身学习”，确保人类劳动者能够应对能力越来越强的机器所带来的未知的新挑战。

因此，对于我国来说，在当前职业教育体制机制僵化、地位不高、教育培训内容较为落后的环境下，上述具有前瞻性的教学理论和教学法，为我国当前创新职业教育体系提供了较为重要的理论参考。在大力推进职业教育的改革和创新中，如何用当前的新技术赋能教学法，提高劳动者的“软技能”，是一个十分值得思考的新课题。

参考文献：

[1] 姚洋建议，将当前的义务教育改成10年制，并把1200所大学中的一半改为技术类大学。参见《姚洋：建议1200所大学一半应转为技术大学》，载搜狐网，2022年3月19日，https://www.sohu.com/a/531116178_115571。

[2] 但事实上，“技术替代”和技术乐观主义并不矛盾。许多学者虽然同意“技术替代”观点，但也认为人类可以通过政策选择尽量消除这些负面影响。例如，《第二次机器革命》的作者布莱恩约弗森和麦卡菲、《机器人时代》的作者马丁·福特等学者在其著作中都对上述观点作了详细的讨论。

[3] Acemoglu， D. & Restrepo， P. (2017) ‘Robots and Jobs: Evidence from US Labor Markets’. NBER Working Paper， No.23285， viewed 16 May 2022. https://economics.mit.edu/files/19696

[4] Frey， C. B. & Osborne， M. A. (2013) ‘The Future of Employment: How Susceptible are Jobs to Computerization’. Future of Work: Oxford Martin Programme on Technology and Employment， viewed 16 May 2022. https://www.oxfordmartin.ox.ac.uk/publications/the-future-of-employment/

[5] Trajtenberg， M. (2018)， ‘AI as the Next GPT: A Political- Economy Perspective’. NBER Working Paper， No.24245， viewed 16 May 2022. https://www.nber.org/system/files/working_papers/w24245/w24245.pdf

[6] [美]迈克斯·泰格马克：《生命3.0：人工智能时代人类的进化与重生》，杭州：浙江教育出版社，2018年6月。

[7] [美]威廉姆·邦维利安、彼得·辛格：《先进制造：美国的创新政策》，上海：上海社会科学出版社，2019年3月，第378页。

[8] Graeber， D. (2015) The Utopia of Rules: On Technology， Stupidity， and the Secret Joys of Bureaucracy， Brooklyn: Melville House.

[9] [美]埃里克·布莱恩约弗森、安德鲁·麦卡菲：《第二次机器革命》，北京：中信出版集团，2014年9月。

[10] Unger， R. M. (2019) The Knowledge Economy， London: Verso.

[11] Bonvillian， W. B. & Sarma， S. E. (2021) Workforce Education: A New Roadmap， Cambridge: The MIT Press.

本文来自微信公众号：IPP评论 （ID：IPP-REVIEW），作者：吴璧君（华南理工大学公共政策研究院研究助理、政策分析师）