人工智能是下一代工人的必修课

AI人才缺乏，并不是什么新鲜话题了。

高薪、高学历，往往也与之捆绑在一起。纵观企业招聘JD，动辄硕士起步，博士不嫌多，本科学士可能都不配拥有姓名。

当然，这些都是那些“高大上”职位才能拥有的配置，比如推荐算法开发、机器学习工程师之类的。诸多人工智能相关培训机构，打出的旗号也往往与之有关，学员也大多有着java、C++等从业经验。

但AI的人才繁荣，是不是仅凭这类高等教育人才就够了呢?

众所周知，AI产业化开始逐步在制造、农业、服务业等各个领域落地，千行万业的普通劳动者如何掌握与AI共事的基本能力，恐怕是继高阶人才荒之后的又一难题。

与AI共舞：下一代工人的必修课

以人工智能和机器自动化为形式的技术潮流，正在把我们带入一个新的工业时代。

过去探讨制造业融合AI时，如何改造设备、网络等基础设施，是最主要的命题。但伴随着一个个AI项目的落地，这个领域的劳动力技能短板也开始凸显。

一方面，制造业正在被90后、00后年轻人所抛弃。此前大部分制造业工作相对重复枯燥，每天一遍又一遍地机械重复着一个动作，劳动力与机器人看起来也没有什么差别，许多年轻人宁可送外卖也不愿意进厂。与此同时，人们也普遍认为，AI会取代那些从事流水线重复工作的工作。

但问题是，机器人替代了部分重复劳动和体力要求的常规操作型任务，同时也增加了许多非常规认知型工作任务的需求。举个例子，即使机器人接受了工作，当机器人出现故障时，也必须有人修理它们。这也是为什么，在先进的制造业工厂，人才与AI机器的协作能力反而更加重要。

而另一个问题，就是在有限的制造业劳动者中，大部分技能水平不足，可替代性强。这就导致许多诸如半导体企业会拒绝新的招聘，宁愿雇佣成本较低的承包商，只因为承包商可能拥有市面劳动力所普遍不具备的必需技能。

当然，这个问题并不是“中国特色”。实际上，在美国也面临同样的困境，许多美国先进的制造企业，认为工厂自动化水平的不断提高，劳动力已经无法胜任需要操作数控机床等技能的工作。

即使AI，也是需要有人去协同的，那么，智能化的工业4.0时代，劳动力到底需要什么?

山高水远的AI职业教育

目前，许多国家已经开始将人工智能与职业教育结合在一起。从这些先遣经验中，可以大致看到AI职业教育的两个关键难题：

1.高等教育系统与人资市场需求的矛盾

尽管获得自动化、算法等高级领域学历的学生更有机会晋升到中高级技术职位，但现有的高等教育系统根本无法满足工程劳动力的需求。

比如加州州立大学的教育官员就发现，每年该系统工程专家能够收到约十万份申请，来竞争1万个名额。

此时，向社区学院系统探索职业教育，就成了一个非常重要的补充力量。比如加州社区学院系统是加州州立大学和加州大学系统的“支线”，学生不需要本科学位就可以获得晋升需要的相关证书和技术工作。

电力、汽车和能源等领域，特别是太阳能安装等领域，雇主迫切需要员工能够跟上人工智能、机器学习这样的新技术，于是加州社区学院也开始推出了类似STEM这样的课程。

2.职业教育的技能衡量标准

提升制造业、服务业的AI工程技能，一个常规的挑战是，如何确定课程内容符合现实的应用标准?

实际上，美国也并没有成熟的解决方法。当前的做法是，将与机器协同的工作技能培训提前至八年级。也就是在K12阶段就对课程进行相应的调整，同时引入更多具有相关工作经验的兼职教师的加入，并要求技术工人的公司加强指导和其他在职培训工作，集合社会教育体系来共同摸索。

可以肯定的是，在这样的探索中，一方面大量的劳动者有望通过持续学习重塑自我，跟上快速迭代的智能社会。同时，先进制造业也有望雇佣这些高素质工人，创造出前所未有的智力资产。最后，将是整个国家生产制造和经济竞争力的全面提升和扩展。

那么，对于致力于在工业4.0实现制造业转型升级的中国来说，这些舶来经验是否值得借鉴呢?

用AI锻造中国匠心，需要破除哪些桎梏?

在讨论这个问题之前，我们必须正视的现实情况是：

首先，中国制造业过去十年都是以劳动密集(如纺织)、资本密集型(如钢铁)企业为主，在高技术制造业上与发达国家有着不小的差距，因此高素质技工的总量和质量相对也更少。根据国际机器人联合会(IFR)统计，2017年中国工业机器人密度(每万人拥有的工业机器人数量)仅为97台/万人，明显低于日本、德国等传统制造强国。

同时，近年来环保、产业结构调整等政策的相继落地，也导致制造业在“腾笼换鸟”的过程中出现了一定的“过渡期”，具体表现就是，大量劳动密集型低端制造开始流向东南亚等次大陆，而创新企业对高端人才的吸纳能力又出现暂时性的不足。

另外，长期以来，中国制造业的职业教育大部分是由企业来完成的，即传统的学徒工制度，但“师傅带徒弟”模式在AI时代显然首先连师傅都找不到了，新的技能养成体系尚未建立。

而面对人工智能浪潮，技能人才的短缺，仅仅依靠市场力量来调节，势必会经历一段漫长的调整期，恐怕会导致错过制造业AI落地的关键窗口期。

因此，在中国的AI职业教育中，恐怕也必须借助相应的政府和社会力量：

1.AI相关的技能形成体系有待全面铺开。

目前，我国的职业教育主要是由公共财政支持的，受限于规模与资金，大部分职业学校更倾向于开展制造业所需要的适性技能。对于AI相关的培训，往往需要大量投入来出储备师资、研发课程，在现有条件下，盲目上马AI技能培训也难以保证培训的质量和效果。

2.企业自主岗内培训的激励效果不足。

那么，让有相关需求的制造企业自行开展对高技能工人的培养呢?

一方面，企业处于经营管理的考虑，对于培训投入往往都会有所限制，加上制造业人才短缺问题导致的流动性，企业投入高素质技工的风险也大大增加。

因此，能否在政策上对积极参与员工技能培训的企业给予培训经费返还、税收优惠等政策支持;在科技项目立项、成果评定时，AI职业教育能否作为关键的考量标准，才有可能真正激发出制造企业主动与AI融合的积极性。

3.科技公司的社会化力量引入是重点。

培养高素质、AI化的技能人才，科技企业的力量也不可小觑。目前，已经有众多AI领域的领军企业，如百度、华为、阿里等纷纷建立了AI人才培养机制，推出了相应的公益培训体系。

不过，目前大部分AI项目还着眼于高精尖的岗位职业资格，以及与双一流高等院校的研发合作，针对高素质工人的职业教育还很少。

但从市场需求与技术普惠的角度来看，科技巨头的工业AI项目同样对合作伙伴的技工质量提出了一定的要求，未来通过与职业学校合作，输出相应的基础课程和职业培训，建立共享型公共实习实训基地，也会帮助科技公司收获合作方的高认可度。

每每提到工业4.0、制造业自动化等话题，人们总会第一时间想到德国的“工匠精神”，这是推动德国产品走向世界的品牌力量，也是中国制造在转型升级中所迫切渴求的魂力。但“工匠精神”并非天生天养，而是伴随着德国制造业和职业教育发展，所自然形成的人企之间的一种默契与规则。

从人海战术到高素质技工，中国的工业AI，也是时候开始锻造自己的“匠心”了。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与 思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。