未来世界中怎样保住人类的饭碗?| 皮尤研究中心95页报告

简介:
本文来自AI新媒体量子位(QbitAI)


我们不知道机器能在多短的时间内取代人类的工作,也不知道它们能取代多少工作,但我们知道,这注定会发生——不光会取代蓝领工人,就连基金经理、皮肤科医生和零售业从业人员也难逃厄运。

合理的应对方式似乎是为人们提供不同的教育,使之可以与机器人并肩工作,从事机器人无法完成的任务。但应该如何才能做到呢?培训的进化速度能否超过自动化技术的发展?这恐怕是个问题。

为此,皮尤研究中心和伊隆大学调查了1408位科技和教育行业的从业人员,问他们是否认为会有新的教育和培训项目出现,成功地帮大量劳动者掌握未来工作中需要的技能。

其中70%的人给出了肯定的回答,其余的人都给出否定回答,否定的原因主要是认为教学环境的改变不足以规模化地教授新技能。

他们得到的最积极的回答,大概是微软科学家 Jonathan Grudin所说的:

人们今后可以创造新的就业,而不仅仅是提供培训,技术已经成为核心,它在未来几年毫无疑问会扮演一个更重要的角色。

而最消极的想法来自一位匿名的科学编辑:

真的?你问我未来的工作?好像未来还会有工作似的?

全部调查结果形成了一份95页的报告《The Future of Jobs and Jobs Training》,在量子位公众号(QbitAI)对话界面回复“皮尤未来工作报告”获取报告PDF版。

以下就是此次调查中涉及的问题,以及根据受访者的反馈汇总的答案。

问:如何在自动化世界中为人们提供教育?

答:受访者说,人们仍然需要学习技能,但他们需要在整个职业生涯中不断学习。学校里最重要的事情是掌握学习方法。

在大学里,“人们学习如何接触新事物,学习如何提出问题和找到答案,如何应对新的环境。”维也纳应用技术大学(FHWien University of Applied Sciences)教授Uta Russmann说,“这都是适应不断变化的职场生活所必备的技能。至于从事具体工作所需的具体技能,则要在工作中学习。”

学校还需要传授一些机器无法轻易掌握的特质,比如创造力、批判性思维、情商、适应力和合作精神。受访者表示,问题在于这些品质未必很容易传授。

“很多必须的‘技能’更像是性格特征,比如好奇心,或者适应某种文化所需的社交技能。”新经济研究机构Another Voice总经理Stowe Boyd说。

问:教育的变化能否赶上机器的发展?

答:约有2/3的受访者认为这可以在未来十年实现,其他人认为教育改革需要花费很长时间和资金,还要融合政治意愿,他们还认为自动化技术的发展速度过快。

“我认为我们有能力找到就业缺口,并开发相应的教育工具来填补这些缺口。我对此满怀信心。”微软研究院首席研究员兼研究机构Data and Society创始人Danah Boyd说,“但我并不认为我们有政治意愿来解决那些支撑技能培训的社会经济因素。”

市场研究公司Gartner副总裁Andrew Walls写道:“除非神经科学能进步到把知识和技能直接植入大脑组织和肌肉构造,否则我们通过培训学习技能的能力不会大幅跨越。”

问:大学学位是否仍然重要?

答:研究显示,大学将比以前更有价值。相对不容易受到自动化威胁的工作岗位需要接受更高级别的教育,还要具备更强的人际交往能力,后者需要通过与其他同学一同生活才能形成。

“人体之间相互接近时可以促进同情心、同理心、脆弱性和情商。”政策研究公司Acumen数据和政策分析师Frank Elavsky说。

但很多受访者认为,大学学位已经没有必要——或者说大学学位未必是最好的选择,尤其是考虑到因此付出的代价。很多人更重视通过在线课程或职场培训获得的认证和奖章,即便对大学毕业生来说同样如此。

麻省理工学院计算机科学教授David Karger认为,未来的顶尖大学可能通过网络教学,而中等大学则“完全由助教组成,他们负责为学生提供支持”。

很多受访者表示,雇主还应该更加重视在职学习,比如学徒制或应需在职培训。工作档案将比简历更加重要。

“简历过于平面化,无法恰当地传递一个人的技能组合。”印第安纳大学职业专家Heryl Krieger说,“三维材料——本质上就是证明自身技能的职业档案——才能最终证明一个人的工作技能。”

问:劳动者应该做哪些准备?

答:考虑到不断学习将成为工作的一部分,很多受访者表示应该在工作中学习新技能,参加各种各样的培训班,自学各种新知识。

哈佛大学伯克曼·克伦互联网与社会中心(Berkman Klein Center for Internet & Society)的Judith Donath表示,应该重点关注如何完成那些仍然需要人类来完成的任务,包括:教育和看护;建设和维修;研究和评估。

问题在于,并非所有人都具备自学能力,这需要很强的动力和毅力。穆伦堡学院媒体历史学家Beth Corzo-Duchardt表示,适合这样做的人往往拥有特权背景,受过良好教育,而且获得了父母的支持。“由于在新的劳动环境中需要具备较高的自我导向能力,所以现有的不平等结构将延伸到未来。”她说。

问:我们做到了这些,真的就能有足够的工作吗?

答:微软首席研究员Jonathan Grudin表示,只要人们掌握科学技能,他对工作的未来还是非常乐观:“人们今后可以创造新的就业,而不仅仅是提供培训,技术已经成为核心。”

但对教育改革的未来持有悲观态度的受访者表示,如果没有能展开针对性培训的岗位,这一切都无济于事。

“‘未来的工作’更有可能由机器人来完成。”电子邮件公司Mimecast首席科学家Nathaniel Borenstein说,“问题不是如何训练人们从事目前还不存在的工作,而是在一个多数人都不用工作的社会里,应当如何分配财富?”

本文作者:李杉 
原文发布时间:2017-05-04 
相关文章
|
17小时前
|
云安全 数据采集 人工智能
古茗联名引爆全网,阿里云三层防护助力对抗黑产
阿里云三层校验+风险识别,为古茗每一杯奶茶保驾护航!
古茗联名引爆全网,阿里云三层防护助力对抗黑产
|
4天前
|
Kubernetes 算法 Go
Kubeflow-Katib-架构学习指南
本指南带你深入 Kubeflow 核心组件 Katib,一个 Kubernetes 原生的自动化机器学习系统。从架构解析、代码结构到技能清单与学习路径,助你由浅入深掌握超参数调优与神经架构搜索,实现从使用到贡献的进阶之旅。
267 139
|
4天前
|
人工智能 中间件 API
AutoGen for .NET - 架构学习指南
《AutoGen for .NET 架构学习指南》系统解析微软多智能体框架,涵盖新旧双架构、核心设计、技术栈与实战路径,助你从入门到精通,构建分布式AI协同系统。
281 142
|
15天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
10天前
|
缓存 并行计算 PyTorch
144_推理时延优化:Profiling与瓶颈分析 - 使用PyTorch Profiler诊断推理延迟,优化矩阵运算的独特瓶颈
在2025年的大模型时代,推理时延优化已经成为部署LLM服务的关键挑战之一。随着模型规模的不断扩大(从数亿参数到数千亿甚至万亿参数),即使在最先进的硬件上,推理延迟也常常成为用户体验和系统吞吐量的主要瓶颈。
354 147
|
4天前
|
人工智能 移动开发 自然语言处理
阿里云百炼产品月刊【2025年9月】
本月通义千问模型大升级,新增多模态、语音、视频生成等高性能模型,支持图文理解、端到端视频生成。官网改版上线全新体验中心,推出高代码应用与智能体多模态知识融合,RAG能力增强,助力企业高效部署AI应用。
268 1
|
11天前
|
机器学习/深度学习 存储 缓存
92_自我反思提示:输出迭代优化
在大型语言模型(LLM)应用日益普及的今天,如何持续提升模型输出质量成为了业界关注的核心问题。传统的提示工程方法往往依赖一次性输入输出,难以应对复杂任务中的多轮优化需求。2025年,自我反思提示技术(Self-Reflection Prompting)作为提示工程的前沿方向,正在改变我们与LLM交互的方式。这项技术通过模拟人类的自我反思认知过程,让模型能够对自身输出进行评估、反馈和优化,从而实现输出质量的持续提升。
411 136
|
14天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
408 135
|
14天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
536 133
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话