文 |鄢鵬高 劉培源

導(dǎo)語

在經(jīng)濟(jì)失衡日益加劇的今天，AI技術(shù)的飛速發(fā)展，難免引發(fā)人們對(duì)大規(guī)模技術(shù)失業(yè)的擔(dān)憂。為了避免技術(shù)變革帶來的混亂，政府該如何制定政策為從業(yè)人員爭(zhēng)取更多的工作機(jī)會(huì)呢？在自動(dòng)化技術(shù)的高速發(fā)展今天，從業(yè)人員該如何適應(yīng)新的市場(chǎng)？近期的一篇PNAS論文，提出了一個(gè)涵蓋了技術(shù)-技能-市場(chǎng)的網(wǎng)絡(luò)框架，用于評(píng)估人工智能對(duì)勞動(dòng)力市場(chǎng)的影響，以應(yīng)對(duì)正在進(jìn)行中的技術(shù)變革。

論文題目：

Toward understanding the impact of artificial intelligence on labor

論文地址：

https://www./content/116/14/6531

一、 AI重塑就業(yè)市場(chǎng)，

但其影響難以量化

根據(jù)牛津大學(xué)分析機(jī)構(gòu)Oxford Economics的最新預(yù)測(cè)數(shù)據(jù)，到2030年全球?qū)⒂?000萬個(gè)制造業(yè)崗位被機(jī)器人取代，每個(gè)新的工業(yè)機(jī)器人會(huì)消減掉1.6個(gè)制造業(yè)工作崗位。實(shí)際上，自2000年以來，機(jī)器人已經(jīng)取代了170萬個(gè)制造業(yè)崗位，包括歐洲40萬個(gè)，美國26萬個(gè)，中國超過50萬個(gè)。

技能水平低的崗位，以及聚集這種崗位的、經(jīng)濟(jì)較弱的地區(qū)，更容易收到機(jī)器的影響。而除了制造業(yè)崗位，服務(wù)業(yè)中一些重復(fù)性的低技能工作，也會(huì)逐漸受到自動(dòng)化技術(shù)的侵蝕。

悲觀主義者認(rèn)為，技術(shù)改進(jìn)使人力勞動(dòng)更有效率，但大幅改善可能會(huì)對(duì)就業(yè)產(chǎn)生有害影響。樂觀主義者認(rèn)為，雖然技術(shù)會(huì)替代某些類型的勞動(dòng)力，但也能同時(shí)增加其他行業(yè)的就業(yè)。

然而真正的難題，是如何搭建合理的分析框架，精確地度量智能技術(shù)變革對(duì)城市勞動(dòng)力的影響。之所以難以建立人工智能-勞動(dòng)力的量化模型，主要面臨著三方面的困難：

一方面，真實(shí)世界中對(duì)各種技能的數(shù)據(jù)統(tǒng)計(jì)很稀缺，計(jì)算機(jī)編程技能是一個(gè)例外，多數(shù)崗位技能沒有詳細(xì)的統(tǒng)計(jì)。

另一方面，技術(shù)對(duì)市場(chǎng)的影響具有相當(dāng)程度的不確定性，這對(duì)預(yù)測(cè)模型的彈性提出了很高的要求。

更重要的是，人工智能技術(shù)對(duì)不同區(qū)域的勞動(dòng)力市場(chǎng)的影響，差異很大。

二、 PNAS新模型：

技術(shù)-技能-市場(chǎng)網(wǎng)絡(luò)

2019年4月2日的美國國家科學(xué)院院刊《PNAS》刊登了一篇題為《Toward understandIng the impact of artifical intelligence on labor》（探究人工智能對(duì)勞動(dòng)力的影響）的論文，以美國為例，探討了人工智能對(duì)勞動(dòng)力市場(chǎng)和城市發(fā)展的持久影響，以及如何剝開重重迷霧來觀測(cè)到這些影響。

這項(xiàng)研究聚集了包括麻省理工學(xué)院媒體實(shí)驗(yàn)室、西北大學(xué)凱洛格商學(xué)院和圣塔菲研究所等機(jī)構(gòu)的不同背景的科學(xué)家參與。研究者將特定技能類型與職業(yè)流動(dòng)性和整個(gè)城市的勞動(dòng)力聯(lián)系起來，從而構(gòu)建起一個(gè)更加詳細(xì)框架。

他們提出了如下圖所示的統(tǒng)一框架，它將技術(shù)變化，職業(yè)技能，和未來的就業(yè)趨勢(shì)作為一個(gè)網(wǎng)絡(luò)進(jìn)行了研究。

圖1（論文原圖1C）：研究技術(shù)變化、職業(yè)技能，和未來就業(yè)趨勢(shì)的多層網(wǎng)絡(luò)框架。

如圖1 所示，左圖展現(xiàn)了兩個(gè)獨(dú)立的就業(yè)市場(chǎng)，分別是中城市和農(nóng)村。雖然兩者獨(dú)立，但從業(yè)者和商品可以在這兩個(gè)市場(chǎng)間流動(dòng)；中間的圖表示不同職業(yè)之間的可轉(zhuǎn)換關(guān)系，例如中高級(jí)管理人員和程序員之間可以進(jìn)行轉(zhuǎn)換，而調(diào)酒師和中高級(jí)行政管理人員之間不能進(jìn)行轉(zhuǎn)換。

右圖表示從業(yè)人員的技能組合，這些技能往往捆綁在一起，用于應(yīng)對(duì)特定的職業(yè)需求。新興技術(shù)會(huì)改變特定職業(yè)的技能需求，從而會(huì)改變技能對(duì)之間的聯(lián)系。例如，隨著機(jī)器視覺軟件的開發(fā)，與視覺相關(guān)的任務(wù)對(duì)人力的需求會(huì)受到影響，這些變化將會(huì)累積并擴(kuò)散到整個(gè)系統(tǒng)，從而影響未來的就業(yè)趨勢(shì)。

針對(duì)模型構(gòu)建過程中可能出現(xiàn)的障礙，研究者逐個(gè)找到了解決方案：

三、 勞動(dòng)力數(shù)據(jù)稀缺怎么辦

在勞動(dòng)力就業(yè)趨勢(shì)研究中，傳統(tǒng)方法所使用的數(shù)據(jù)，大多來源于國家統(tǒng)計(jì)數(shù)據(jù)，例如工資數(shù)據(jù)等。圖 2 體現(xiàn)了不同收入人去與就業(yè)份額變化之間的關(guān)系，可見低收入和高收入職業(yè)的就業(yè)份額增加，中等收入職業(yè)的就業(yè)份額下降，出現(xiàn)中等收入職業(yè)“空心化”的現(xiàn)象。

圖2（論文原圖1A）：不同收入人群與就業(yè)份額變化之間的關(guān)系。紅線代表1999-2007年，藍(lán)線代表2007-2016年。

教育水平數(shù)據(jù)可能會(huì)提高就業(yè)趨勢(shì)的預(yù)測(cè)精度，例如，需要本科學(xué)歷的職業(yè)，可能會(huì)識(shí)別為不易受AI影響的職業(yè)。然而僅僅依據(jù)工資水平和教育層次的數(shù)據(jù)，無法準(zhǔn)確的預(yù)測(cè)未來的就業(yè)趨勢(shì)，如圖 2所示，為1981 年 到 2015 年間，個(gè)人收入的中位數(shù)和生產(chǎn)率的變化曲線。在 2000 年以前，個(gè)人收入的中位數(shù)隨著生產(chǎn)率的提高在逐步上升，但在 2000 年以后，卻出現(xiàn)“大脫鉤”的情況（生產(chǎn)率上升，收入水平卻停滯不前），這與自動(dòng)化技術(shù)所帶來的工作效率的提升有關(guān)。

圖3（論文原圖1B）：個(gè)人收入和生產(chǎn)率隨時(shí)間變化的曲線。藍(lán)線代表生產(chǎn)率，綠線代表個(gè)人收入的中位數(shù)。

因此，工資水平和教育水平，甚至是工作技能的組合，這些數(shù)據(jù)都過于粗糙，無法準(zhǔn)確地區(qū)分職業(yè)。因此，使用這些數(shù)據(jù)來區(qū)分不同技術(shù)帶來的影響，或者去預(yù)測(cè)變化的技能需求，都過于不切實(shí)際。這會(huì)對(duì)模型的構(gòu)建產(chǎn)生誤導(dǎo)。所以實(shí)時(shí)更新的工作技能數(shù)據(jù)顯得異常重要。

值得興慶的是，美國勞工部的O*NET數(shù)據(jù)庫對(duì)職業(yè)技能進(jìn)行了詳細(xì)的分類，并從2014開始每年進(jìn)行兩次更新。但該數(shù)據(jù)庫對(duì)職業(yè)技能的靜態(tài)分類存在一些問題。

如圖 4A 所示，根據(jù)O*NET，“安裝”技能對(duì)程序員和水管工同樣重要，但從事這兩種職業(yè)的工作者在執(zhí)行“安裝”任務(wù)時(shí)，他們的具體操作卻千差萬別，因此，這種職業(yè)技能的靜態(tài)分類，不適合變化的外界環(huán)境。

圖4（論文原圖2）：（A）O*NET數(shù)據(jù)庫中，卡車司機(jī)、水管工、軟件開發(fā)人員的技能對(duì)比，（B）以及不同編程語言的流行程度隨時(shí)間變化的曲線。

在 O*NET 數(shù)據(jù)庫中，”編程”只是一項(xiàng)職業(yè)技能。眾所周知，不同工作場(chǎng)景下所需要的編程語言是不同的，這說明 O*NET 對(duì)職業(yè)技能的劃分不夠靈活。圖 4B 展示了不同編程語言的火熱程度（通過谷歌搜索相應(yīng)教程的熱度），隨著時(shí)間變化的趨勢(shì)（不同顏色的線代表不同的編程語言）?？梢钥吹?，python 語言的流行趨勢(shì)在穩(wěn)步增長(zhǎng)，也就是說，對(duì)“編程”這一職業(yè)技能需要進(jìn)行更加詳細(xì)地分類，比如說，劃分成 Python 編程、Java 編程等一些子類。

綜上所述，為了闡明AI技術(shù)對(duì)勞動(dòng)力所產(chǎn)生的微觀影響，細(xì)粒度的技能數(shù)據(jù)顯得異常重要。以在線職業(yè)網(wǎng)站為例，它們可以提供員工的簡(jiǎn)歷數(shù)據(jù)以及招聘廣告數(shù)據(jù)，這些數(shù)據(jù)能夠呈現(xiàn)較細(xì)粒度的職業(yè)和技能信息。但是由于隱私問題，這些數(shù)據(jù)源的訪問受到限制，因此，研究者需要構(gòu)建一個(gè)安全的環(huán)境來共享這些數(shù)據(jù)。

四、 技術(shù)影響具有不確定性，

模型需要彈性

由于技術(shù)對(duì)就業(yè)的影響存在不確定性，因此勞動(dòng)力市場(chǎng)也會(huì)產(chǎn)生不確定性，預(yù)測(cè)模型將會(huì)缺乏彈性，無法應(yīng)對(duì)意料之外的情況。

如圖 5 所示，如果法律助理的就業(yè)崗位減少了，那么哪些工作可能適合他們？

O*NET數(shù)據(jù)庫表明，法律助理具備法律知識(shí)、信息處理能力、醫(yī)療知識(shí)、辦公能力、計(jì)算機(jī)知識(shí)和行政能力，通過AI技術(shù)可以識(shí)別出，法律助理與人力資源專家在辦公能力、計(jì)算機(jī)知識(shí)、行政能力上有重疊。除此之外，人力資源專家還需要社交技能，那么法律助理可以通過再培訓(xùn)計(jì)劃進(jìn)行社交技巧的培訓(xùn)，從而向人力資源專家轉(zhuǎn)型。

圖5（論文原圖3B）：在法律助理向人力資源專家轉(zhuǎn)型的過程中，兩者所需技能的聯(lián)系和比較。

因此，明確職業(yè)技能的內(nèi)在依賴性，不僅能識(shí)別哪些職業(yè)會(huì)被新技術(shù)替代或增強(qiáng)，從而幫助個(gè)人的職業(yè)生涯，而且還能幫助政府在面對(duì)重大技術(shù)變革時(shí)，創(chuàng)造更多合適的就業(yè)機(jī)會(huì)。

識(shí)別動(dòng)態(tài)勞動(dòng)力市場(chǎng)中的就業(yè)軌跡（例如，職業(yè)技能如何決定個(gè)人的職業(yè)軌跡）也很重要。職業(yè)技能相似度越大，職業(yè)之間越容易發(fā)生轉(zhuǎn)換。然而隨著新興技術(shù)發(fā)展，某些職業(yè)的技能需求會(huì)縮減，該過程帶來的影響可以通過 圖 6 說明。在圖 6 中，具有高度相似技能需求的職業(yè)兩兩進(jìn)行了連接，隨著職業(yè)之間的聯(lián)系由稠密變得稀疏（新興技術(shù)的發(fā)展可能帶來的影響），就業(yè)率也隨之下降。這種變化趨勢(shì)不是平滑的曲線，可以發(fā)現(xiàn)圖中存在一個(gè)分界點(diǎn)，通過求解該分界點(diǎn)，研究者可以衡量就業(yè)市場(chǎng)的彈性大小。

圖6（論文原圖3A）：隨著不同職業(yè)之間聯(lián)系的減弱，就業(yè)率的變化。

那么如何將技能與職業(yè)進(jìn)行映射呢？也許先進(jìn)的人工智能技術(shù)能解決這一問題。機(jī)器學(xué)習(xí)（ML）和自然語言處理（NLP）工具可以捕捉復(fù)雜高維數(shù)據(jù)中的潛在結(jié)構(gòu)，例如，NLP可用于處理職業(yè)名稱字典中的技能數(shù)據(jù)，將其轉(zhuǎn)化為類似O*NET數(shù)據(jù)庫中的格式，ML可用于縱向處理職位招聘數(shù)據(jù)，確定技能需求變化的趨勢(shì)。

五、 地區(qū)差異：

AI對(duì)小城市的負(fù)面影響更大

AI技術(shù)對(duì)就業(yè)的影響在不同的地區(qū)會(huì)有很大差異，這反映在勞動(dòng)力，城鄉(xiāng)差異和收入分配三個(gè)方面。

盡管技術(shù)變革改變了對(duì)特定職業(yè)的技能需求，但當(dāng)前的職業(yè)技能數(shù)據(jù)庫無法區(qū)分地區(qū)的差異。例如，在大城市中，高新技術(shù)崗位占主導(dǎo)，而在小城市和農(nóng)村地區(qū)，體力勞動(dòng)職業(yè)更為普遍，這些體力勞動(dòng)很容易就被機(jī)器所取代。這一觀察結(jié)果表明，國家內(nèi)部的財(cái)富差距主要反映在大城市和小城市之間的財(cái)富差距上。

此外，加強(qiáng)城市之間聯(lián)系，可以維持國民經(jīng)濟(jì)的平穩(wěn)運(yùn)行。因此，政府有必要了解當(dāng)?shù)貏趧?dòng)力市場(chǎng)與其他城市勞動(dòng)力市場(chǎng)之間的聯(lián)系，以評(píng)估當(dāng)?shù)亟?jīng)濟(jì)的彈性。由于就業(yè)機(jī)會(huì)是決定人們遷移的核心，技能匹配對(duì)工作匹配的過程至關(guān)重要，了解當(dāng)?shù)氐穆殬I(yè)技能集合，可以為從業(yè)人員的空間流動(dòng)模型提供信息，并提高模型對(duì)就業(yè)流動(dòng)的認(rèn)識(shí)，幫助制定就業(yè)激勵(lì)政策。

六、 網(wǎng)絡(luò)模型如何預(yù)測(cè)

AI對(duì)就業(yè)趨勢(shì)的影響

通過前文的分析，研究者提出了一個(gè)預(yù)測(cè)模型，用于預(yù)測(cè) AI 技術(shù)對(duì)未來就業(yè)趨勢(shì)的影響，該模型的工作流程如圖 7 所示，具體表述如下：

數(shù)據(jù)輸入，包括結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，這些數(shù)據(jù)詳細(xì)說明了與技術(shù)變革相關(guān)的職業(yè)和細(xì)粒度職業(yè)技能數(shù)據(jù)，并體現(xiàn)出了地區(qū)差異；

數(shù)據(jù)整理與清洗，整合各種數(shù)據(jù)并進(jìn)行形式轉(zhuǎn)化，有利于專家的使用；

建模過程，利用整理過后的數(shù)據(jù)，構(gòu)建城市間（從業(yè)人員的遷徙）和城市內(nèi)（當(dāng)?shù)芈殬I(yè)流動(dòng)的變化）的就業(yè)趨勢(shì)模型；

預(yù)測(cè)過程，該部分預(yù)測(cè)就業(yè)變化的趨勢(shì)，從而指導(dǎo)政府制定政策，也有助于個(gè)人的職業(yè)生涯規(guī)劃。

圖7（論文原圖 4）：預(yù)測(cè) AI 技術(shù)對(duì)未來就業(yè)趨勢(shì)的模型示意圖

這個(gè)新的預(yù)測(cè)模型，除了網(wǎng)絡(luò)架構(gòu)之外，重點(diǎn)在于數(shù)據(jù)的收集。通過抽取勞動(dòng)者簡(jiǎn)歷和企業(yè)招聘需求中的非結(jié)構(gòu)化信息，通過檢測(cè)專利數(shù)據(jù)與城市勞動(dòng)力遷移/轉(zhuǎn)行數(shù)據(jù)，未來將有望更深入地理解技術(shù)對(duì)勞動(dòng)力市場(chǎng)的影響。

七、 智能時(shí)代到來，

你更需要這些“軟技能”

AI技術(shù)可能會(huì)重塑技能需求、就業(yè)機(jī)會(huì)以及從業(yè)人員的分布。但研究人員和政策制定者由于先天知識(shí)儲(chǔ)備不足，所以構(gòu)建模型量化AI技術(shù)對(duì)就業(yè)市場(chǎng)的影響是困難的。

在本文的模型中，通過收集詳細(xì)的工作技能數(shù)據(jù)、實(shí)時(shí)響應(yīng)勞動(dòng)力市場(chǎng)的變化，并考慮地理分異性，研究者構(gòu)建出一個(gè)設(shè)計(jì)良好的模型，從而可輔助政策制定者制定措施，即使在面對(duì)技術(shù)發(fā)生重大變革的時(shí)候，依然能為人們謀求更多的工作機(jī)會(huì)，保證社會(huì)的高效運(yùn)轉(zhuǎn)。

而作為個(gè)體，如何應(yīng)對(duì)技術(shù)變革對(duì)就業(yè)市場(chǎng)的影響呢？此前在2018年的一篇PNAS論文中，以及有研究團(tuán)隊(duì)通過大數(shù)據(jù)分析，提出溝通、管理和團(tuán)隊(duì)合作等軟技能（soft skills）在未來將更加重要。

通過系統(tǒng)分析13000個(gè)技能關(guān)鍵詞在海量的招聘信息、科研與教育信息中的分布，研究者發(fā)現(xiàn)隨著編程、財(cái)務(wù)、統(tǒng)計(jì)等硬技能的市場(chǎng)需求增加，與這些硬技能匹配的溝通、管理、團(tuán)隊(duì)合作等軟技能將越來越重要，但實(shí)際的科研和教學(xué)中，軟技能的培訓(xùn)卻遠(yuǎn)遠(yuǎn)不足。這導(dǎo)致了在軟技能方面，企業(yè)和學(xué)校之間的供需失衡。

市場(chǎng)的失衡是個(gè)體的機(jī)遇。當(dāng)人工智能和自動(dòng)化注定成為未來的主要生產(chǎn)者時(shí)，你不僅需要具備與機(jī)器溝通的能力，更要有與人對(duì)話協(xié)作、構(gòu)建意義的能力。

參考資料：

Toward understanding the impact of artificial intelligence on labor，

https://www./content/116/14/6531

Robots 'to replace up to 20 million factory jobs' by 2030，

https://www./news/business-48760799

Skill discrepancies between research, education, and jobs reveal the critical need to supply soft skills for the data economy，

https:///10.1073/pnas.1804247115

本文授權(quán)轉(zhuǎn)載自：集智俱樂部