李穎

〔摘要〕文章以 CiteSpace為工具，對(duì)1980-2018年間WOS和CNKI收錄的技術(shù)進(jìn)步對(duì)就業(yè)影響的相關(guān)文獻(xiàn)進(jìn)行計(jì)量與可視化分析，結(jié)合關(guān)鍵詞共現(xiàn)和文獻(xiàn)共被? 引分析總結(jié)該領(lǐng)域的發(fā)展歷程和研究前沿。研究發(fā)現(xiàn)雖然人工智能對(duì)就業(yè)影響的研究難以形成統(tǒng)一結(jié)論，但人工智能技術(shù)的采用勢(shì)必會(huì)對(duì)崗位需求產(chǎn)生顛覆性的影響，我國(guó)學(xué)者應(yīng)該分行業(yè)探索人機(jī)協(xié)同成為主流生產(chǎn)和服務(wù)方式后的工作任務(wù)特征和勞動(dòng)力技能需求，并為建立適應(yīng)智能經(jīng)濟(jì)和智能社會(huì)的就業(yè)培訓(xùn)體系提供政策建議。

〔關(guān)鍵詞〕技術(shù)進(jìn)步;就業(yè);人工智能;可視化分析;CiteSpace;職業(yè)替代

〔中圖分類(lèi)號(hào)〕F241.4 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕2095-8048-（2019）04-0120-09

一、引言

技術(shù)進(jìn)步對(duì)就業(yè)的影響是經(jīng)濟(jì)學(xué)研究領(lǐng)域中具有爭(zhēng)議的話(huà)題，雖然學(xué)者們難以達(dá)成一致的觀點(diǎn)，但是不可否認(rèn)19世紀(jì)的蒸汽機(jī)、20世紀(jì)的電力、20世紀(jì)70年代的自動(dòng)化都為工業(yè)生產(chǎn)帶來(lái)了翻天地覆的變化。更有學(xué)者預(yù)測(cè)，與之前的歷次科技革命相比，人工智能革命要來(lái)得更猛烈、更徹底，由其造成的失業(yè)問(wèn)題也會(huì)更加嚴(yán)重。基于對(duì)WOS和CNKI數(shù)據(jù)庫(kù)的檢索可見(jiàn)，近年來(lái)以人工智能為代表的技術(shù)進(jìn)步對(duì)就業(yè)影響研究領(lǐng)域發(fā)文數(shù)量逐年增加，國(guó)內(nèi)外學(xué)者對(duì)該領(lǐng)域的文獻(xiàn)進(jìn)行了描述性回顧和定性的分類(lèi)研究，但是他們所梳理的文獻(xiàn)數(shù)量有限，既不能全面客觀反映技術(shù)進(jìn)步就業(yè)影響的研究全貌，也沒(méi)有系統(tǒng)的展示該領(lǐng)域的研究過(guò)程。本研究嘗試使用CiteSpace可視化文獻(xiàn)分析軟件對(duì)該領(lǐng)域有代表性的文獻(xiàn)和理論成果進(jìn)行梳理和挖掘。

二、技術(shù)進(jìn)步對(duì)就業(yè)影響研究的發(fā)展歷程與前沿探討

本文以湯姆遜路透公司的Web of Science（WOS）核心數(shù)據(jù)庫(kù)和中國(guó)知網(wǎng)學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫(kù)（CNKI）1980-2018年間的期刊論文為數(shù)據(jù)源，以技術(shù)進(jìn)步（technology progress）和就業(yè)（employment）為主題進(jìn)行檢索。具體而言，選擇WOS核心數(shù)據(jù)庫(kù)為數(shù)據(jù)源;檢索主題為“技術(shù)進(jìn)步”、“就業(yè)”;來(lái)源數(shù)據(jù)庫(kù)選擇默認(rèn);時(shí)間跨度選擇為1980至2018年，檢索時(shí)間為2018年10月22日，檢索結(jié)果顯示共有1659篇可選文獻(xiàn)總量。在中國(guó)知網(wǎng)中，設(shè)定主題為“技術(shù)進(jìn)步”和“就業(yè)”，時(shí)間限定為1980-2018年，檢索時(shí)間為2018年10月22日，共檢索到2378篇中文文獻(xiàn)。為確保所分析的數(shù)據(jù)更加有說(shuō)服力，這里對(duì)采集到的資料進(jìn)行二次整理，將綜合質(zhì)量不高的文獻(xiàn)予以剔除，分別獲得文獻(xiàn)1646篇和2355篇。

本文對(duì)檢索到的文獻(xiàn)記錄進(jìn)行了如下幾種分析，即：發(fā)文量分析、文獻(xiàn)共被引分析，以及關(guān)鍵詞共現(xiàn)分析。其中網(wǎng)絡(luò)節(jié)點(diǎn)分別設(shè)置成進(jìn)行“keyword”、“country（region）& institute”，以及“cited reference ”，所篩選的文獻(xiàn)的時(shí)間區(qū)間是1980-2018年，數(shù)據(jù)選取的對(duì)象是top50。通過(guò)國(guó)家與機(jī)構(gòu)分析能夠了解世界范圍各個(gè)國(guó)家和機(jī)構(gòu)的合作關(guān)系和影響力，通過(guò)關(guān)鍵詞的熱度來(lái)發(fā)現(xiàn)該領(lǐng)域的發(fā)展歷程，通過(guò)文獻(xiàn)共被引分析能夠發(fā)現(xiàn)該領(lǐng)域發(fā)展前沿。

（一）發(fā)文量與中心性分析

WOS數(shù)據(jù)庫(kù)中1980-2018年間有關(guān)技術(shù)進(jìn)步與就業(yè)研究的發(fā)文量趨勢(shì)見(jiàn)圖1。檢索到最早的關(guān)于技術(shù)進(jìn)步與就業(yè)的研究是1981年，1980-1990年期間年度發(fā)文量比較少，從1991年開(kāi)始發(fā)文量緩慢增長(zhǎng)，2006年以來(lái)，以深度學(xué)習(xí)為代表的人工智能等科技進(jìn)步引起了學(xué)者再一次關(guān)注技術(shù)進(jìn)步與就業(yè)之前的關(guān)系。2015年開(kāi)始發(fā)文量急速增長(zhǎng)，2016年、2017年發(fā)文量分別為171篇和170篇。美國(guó)、英國(guó)、中國(guó)和德國(guó)的發(fā)文量排在前列。發(fā)文量較多的機(jī)構(gòu)主要分布在美國(guó)，前三位依次為美國(guó)國(guó)民經(jīng)濟(jì)研究局、麻省理工學(xué)院和加利福尼亞大學(xué)伯克利分校。

我國(guó)知網(wǎng)1980-2018年間有關(guān)技術(shù)進(jìn)步與就業(yè)研究的發(fā)文量趨勢(shì)見(jiàn)圖2。檢索到最早的國(guó)內(nèi)關(guān)于技術(shù)進(jìn)步與就業(yè)的研究是1988年，1988-1995年期間年度發(fā)文量比較平穩(wěn)，1995年年度發(fā)文量開(kāi)始快速增長(zhǎng)，2004-2018年間發(fā)文量波動(dòng)性增長(zhǎng)。2013年以192篇文獻(xiàn)數(shù)達(dá)到高峰，2015年開(kāi)始下降，但是發(fā)文量總體保持在100篇以上。其中趙利、郝楠和王光棟三位作者的發(fā)文量排在前三位，科研機(jī)構(gòu)中南開(kāi)大學(xué)、西南財(cái)經(jīng)大學(xué)和湖南大學(xué)的發(fā)文量居于前三位。

根據(jù)WOS數(shù)據(jù)庫(kù)中1646條記錄，借助CiteSpace軟件能夠非?？焖俚膶⒏鲊?guó)和機(jī)構(gòu)對(duì)應(yīng)研究成果的數(shù)量、時(shí)間等信息以可視化顏色圈的方式展現(xiàn)出來(lái)。年輪越大代表發(fā)表論文的數(shù)量越多，而年輪外側(cè)紫色圈表示該國(guó)家或機(jī)構(gòu)的中心性，中心性與圈寬度呈正相關(guān)關(guān)系?！?〕在得到的技術(shù)進(jìn)步與就業(yè)研究的國(guó)家（地區(qū)）和機(jī)構(gòu)綜合分析知識(shí)圖譜中（如圖3示），共計(jì)260條線以及119個(gè)節(jié)點(diǎn)，其中圓形節(jié)點(diǎn)與直線上分支節(jié)點(diǎn)分別表示地區(qū)和機(jī)構(gòu)。在圖3當(dāng)中，呈現(xiàn)出技術(shù)進(jìn)步與就業(yè)研究的國(guó)家（地區(qū)）分布相對(duì)集中，通過(guò)節(jié)點(diǎn)連接線能夠看到國(guó)家（地區(qū)）和機(jī)構(gòu)間合作較為緊密。從發(fā)文頻次角度來(lái)看，美國(guó)文獻(xiàn)貢獻(xiàn)率最高，與之前發(fā)文量統(tǒng)計(jì)一致。從各節(jié)點(diǎn)中心性強(qiáng)度來(lái)看，美國(guó)、英國(guó)的中心性也是最強(qiáng)的，表明美國(guó)和英國(guó)與共現(xiàn)網(wǎng)絡(luò)中的許多國(guó)家都有直接或間接的合作關(guān)系，該領(lǐng)域具有主導(dǎo)的影響力和控制力。我國(guó)的中心性為0.11，在德國(guó)、澳大利亞、西班牙和加拿大等國(guó)之后，表明我國(guó)研究機(jī)構(gòu)應(yīng)進(jìn)一步加強(qiáng)與國(guó)際機(jī)構(gòu)的研究互動(dòng)和合作，以提高其學(xué)術(shù)影響力。

（二）關(guān)鍵詞共現(xiàn)分析

對(duì)關(guān)鍵詞的共現(xiàn)分析有助于分析某一科學(xué)領(lǐng)域研究的熱點(diǎn)問(wèn)題，隨著關(guān)鍵詞共現(xiàn)頻率的增加，文獻(xiàn)表達(dá)的中心思想就越接近。關(guān)鍵詞中心性表示的是，相同節(jié)點(diǎn)在某領(lǐng)域當(dāng)中的中介作用，通常情況下，該指標(biāo)大于0.1即為較強(qiáng)。為了了解技術(shù)進(jìn)步與就業(yè)的研究狀況，本文利用CiteSpace對(duì)WOS數(shù)據(jù)庫(kù)中1980-2018年間技術(shù)進(jìn)步與就業(yè)領(lǐng)域關(guān)鍵詞進(jìn)行共現(xiàn)分析，并對(duì)共現(xiàn)頻率排名前15的重要關(guān)鍵詞進(jìn)行排序，見(jiàn)表1。

為了初步探索該領(lǐng)域研究的發(fā)展歷程，采用CiteSpace軟件中突變檢測(cè)功能探索技術(shù)進(jìn)步與就業(yè)研究中關(guān)鍵詞的突變點(diǎn)，圖4顯示了該領(lǐng)域研究的演進(jìn)過(guò)程。結(jié)合高頻關(guān)鍵詞以及閱讀重要結(jié)點(diǎn)節(jié)點(diǎn)文章，可發(fā)現(xiàn)國(guó)際間對(duì)技術(shù)進(jìn)步與就業(yè)的研究可以分為兩個(gè)階段：1996-2005年，這一階段的研究主要集中在宏觀、中觀層面上，重點(diǎn)關(guān)注的是以計(jì)算機(jī)的為代表的信息技術(shù)進(jìn)步對(duì)勞動(dòng)力技能、需求、勞動(dòng)力就業(yè)和薪酬公平性的影響;2006-2016年，為第二階段，2006年美國(guó)杰弗里·欣頓教授提出的深度學(xué)習(xí)技術(shù)及2013年德國(guó)工業(yè)4.0的提出，引發(fā)了學(xué)術(shù)界對(duì)以人工技能為代表的技術(shù)進(jìn)步與就業(yè)關(guān)系的研究熱潮。這一時(shí)期的研究主要關(guān)注以人工智能、自動(dòng)化為代表的技術(shù)進(jìn)步所帶來(lái)的勞動(dòng)力極化現(xiàn)象。

通過(guò)比較可以發(fā)現(xiàn)國(guó)內(nèi)研究的熱點(diǎn)較之國(guó)際大部分是相同或相似的，這表明我國(guó)的研究能夠緊跟國(guó)際研究步伐。同時(shí)，我國(guó)研究也具有本國(guó)發(fā)展特色并具有強(qiáng)烈的時(shí)代色彩。如：改革開(kāi)放之后，外商直接投資是促進(jìn)我國(guó)技術(shù)進(jìn)步的主要力量，而農(nóng)村剩余勞動(dòng)力的轉(zhuǎn)移也是我國(guó)學(xué)者研究的熱點(diǎn)之一。但是，我國(guó)學(xué)者對(duì)于就業(yè)公平、薪酬公平等相關(guān)領(lǐng)域關(guān)注度不及國(guó)際研究高。

（三）文獻(xiàn)共被引分析

CiteSpace軟件的開(kāi)發(fā)者陳超美曾提到，借助文獻(xiàn)共被引分析，能夠幫助研究人員搜尋該領(lǐng)域的前沿研究。本研究在CiteSpace軟件上將節(jié)點(diǎn)選擇為cited reference，術(shù)語(yǔ)類(lèi)型選burst terms，對(duì)WOS數(shù)據(jù)進(jìn)行文獻(xiàn)共被引網(wǎng)絡(luò)聚類(lèi)分析，顯示方式為timeline模式（見(jiàn)圖6）。從其生成的知識(shí)圖譜的模塊度和輪廓值指標(biāo)來(lái)看，這幅圖在聚類(lèi)方面是理想的。網(wǎng)絡(luò)的模塊度是0.7845，說(shuō)明這一共被引聚類(lèi)可以清楚的界定出研究主題的各個(gè)子領(lǐng)域。聚類(lèi)效度評(píng)價(jià)的另一個(gè)指標(biāo)——平均輪廓值的分值是0.4425，相對(duì)較低，這主要是因?yàn)楹芏嘈【垲?lèi)的存在，對(duì)于本文中我們關(guān)注的大聚類(lèi)來(lái)說(shuō)，平均輪廓值其實(shí)是比較高的。

通過(guò)共被引網(wǎng)絡(luò)聚類(lèi)圖和閱讀重要節(jié)點(diǎn)文章，可以確定聚類(lèi)#0和#1是目前該領(lǐng)域研究的重點(diǎn)，其中Author、Goos、Moky、Acemoglu 和Frey等人的文獻(xiàn)構(gòu)成了該領(lǐng)域的研究前沿，也代表著該領(lǐng)域研究的發(fā)展趨勢(shì)，下文將對(duì)這些文獻(xiàn)進(jìn)行評(píng)述。

三、技術(shù)進(jìn)步對(duì)就業(yè)影響關(guān)鍵文獻(xiàn)述評(píng)

通過(guò)CiteSpace軟件對(duì)相關(guān)文獻(xiàn)的可視化分析，可以準(zhǔn)確把握相關(guān)研究的重點(diǎn)文獻(xiàn)。通過(guò)對(duì)重點(diǎn)文獻(xiàn)進(jìn)行總結(jié)和整理，可以發(fā)現(xiàn)目前技術(shù)進(jìn)步對(duì)就業(yè)影響的前沿文獻(xiàn)主要從人工智能的“職業(yè)替代”和“職業(yè)創(chuàng)造”兩個(gè)方面進(jìn)行研究。部分學(xué)者也針對(duì)智能機(jī)器人對(duì)制造業(yè)勞動(dòng)力的影響進(jìn)行了相關(guān)研究。

（一）職業(yè)替代

目前主要有兩類(lèi)人工智能替代職業(yè)的研究。一種是基于任務(wù)的方法。Autor等提出的任務(wù)模型是任務(wù)方法的基礎(chǔ)模型，該模型最大的特點(diǎn)在于它區(qū)分了勞動(dòng)技術(shù)（勞動(dòng)者個(gè)體在一段時(shí)間內(nèi)的稟賦）與任務(wù)（勞動(dòng)活動(dòng)），而我們所熟悉的職位則是數(shù)個(gè)任務(wù)構(gòu)成的。〔2〕在不同任務(wù)時(shí)間內(nèi)，如何分配不同類(lèi)型的勞動(dòng)影響著就業(yè)問(wèn)題。在生產(chǎn)中需要常規(guī)型和非常規(guī)型兩種任務(wù)，并且這兩種任務(wù)只有相互配合，才能取得良好效果。〔3〕低技能勞動(dòng)只能從事常規(guī)任務(wù)，高技能勞動(dòng)更適合從事非常規(guī)型任務(wù)。勞動(dòng)與任務(wù)的匹配程度影響著社會(huì)就業(yè)，匹配度越高，社會(huì)失業(yè)率越低;匹配度越低，則社會(huì)失業(yè)率越高。采取這種方研究方法的學(xué)者認(rèn)為，人工職能將取代部分人類(lèi)工作任務(wù)。Arntz等結(jié)合不同工作場(chǎng)景的任務(wù)清單，對(duì)各個(gè)崗位所需技能、任務(wù)、經(jīng)濟(jì)特征等進(jìn)行分析，其分析結(jié)果表明，經(jīng)合組織國(guó)家最高有12%的工作會(huì)面臨被計(jì)算機(jī)替代的風(fēng)險(xiǎn)?！?〕Borland和Coelli同樣選取了這種研究方法，其研究結(jié)果表明，在澳大利亞有接近9%的工作會(huì)面臨被自動(dòng)化取代的風(fēng)險(xiǎn)?！?〕

此外，還有一種研究方法是基于職業(yè)的方法。Frey 和 Osborne對(duì)ALM模型進(jìn)行了拓展，根據(jù)美國(guó)職業(yè)信息網(wǎng)站上的職業(yè)信息，通過(guò)定量分析的方式對(duì)自動(dòng)化和計(jì)算機(jī)技術(shù)與美國(guó)部分就業(yè)崗位之間的相關(guān)關(guān)系進(jìn)行研究。研究結(jié)果顯示：美國(guó)有接近一半的工作崗位未來(lái)都有可能被人工智能取代?！?〕在后續(xù)的研究當(dāng)中，學(xué)者們繼續(xù)沿用了這種方式，并且針對(duì)澳大利亞、德國(guó)、芬蘭、日本、中國(guó)等國(guó)家的職業(yè)被替代率進(jìn)行分析，研究結(jié)果表明，盡管人工智能的出現(xiàn)對(duì)于各個(gè)國(guó)家職業(yè)替代作用有一定的差異，但是都會(huì)不同程度的替代現(xiàn)有職業(yè)（Pajarinen和Rouvinen，2014; Benjamin，2017; The Bruegel Institute，2014; Chen 和 Xu，2018）。

這兩類(lèi)方法從微觀視角出發(fā)，對(duì)技術(shù)進(jìn)步與就業(yè)的關(guān)系做出了解釋。雖然部分學(xué)者批判基于任務(wù)的方法存在過(guò)度強(qiáng)調(diào)的問(wèn)題，對(duì)于技術(shù)進(jìn)步對(duì)就業(yè)總量的影響無(wú)法做出判斷。但需要注意的是，人工智能對(duì)工作的替代并非一個(gè)絕對(duì)的數(shù)值。在很多時(shí)候，人工智能僅能替代某些職業(yè)當(dāng)中的一部分工作任務(wù)，很難對(duì)整個(gè)職業(yè)進(jìn)行替代。而決定人工智能對(duì)職業(yè)替代率的主要因素是任務(wù)的自動(dòng)化程度。所以，基于任務(wù)的方法所計(jì)算出的結(jié)果更具說(shuō)服力。但是，不論何種方法，都不能僅僅關(guān)注新技術(shù)的替代效應(yīng)，而更應(yīng)當(dāng)考慮其互補(bǔ)效應(yīng)。

（二）職業(yè)創(chuàng)造

新技術(shù)在替代部分工作任務(wù)的同時(shí)，也創(chuàng)造了新的工作機(jī)會(huì)。埃森哲研究所的一項(xiàng)研究表明，雖然人工智能取代了很多工作崗位，卻又重新創(chuàng)造了很多新的崗位，其中最具代表性的當(dāng)屬人工智能培訓(xùn)人員、維護(hù)人員，以及解釋人員等。Brynjolfsson和Mcafee認(rèn)為，機(jī)器人的出現(xiàn)可以提供大規(guī)模數(shù)據(jù)處理能力，這勢(shì)必會(huì)造就很多數(shù)據(jù)分析的工作崗位?！?〕Autor認(rèn)為在未來(lái)幾十年中，自動(dòng)化和智能機(jī)器人在替代部分工作的同時(shí)，也會(huì)與勞動(dòng)力形成互補(bǔ)，中等水平的數(shù)字、文字、解決方案的工作崗位仍然需要大量的人工進(jìn)行處理?！?〕Gaggl和Wright通過(guò)實(shí)證研究的方法驗(yàn)證了人工智能時(shí)代新工作的產(chǎn)生?！?〕

Acemoglu和Restrepo以任務(wù)模型為核心，提出了一個(gè)就業(yè)創(chuàng)造模型。該模型認(rèn)為在實(shí)現(xiàn)自動(dòng)化以后盡管部分崗位消失，但是這同時(shí)會(huì)造就一些新的崗位。自動(dòng)化將降低生產(chǎn)成本，促進(jìn)資本積累并提高機(jī)器的生產(chǎn)率，他們強(qiáng)調(diào)自動(dòng)化的“崗位創(chuàng)造”效應(yīng)?！?0〕然而，很多人在面對(duì)人工智能的時(shí)候，往往只會(huì)看到其對(duì)當(dāng)前社會(huì)所造成的不良影響，卻往往忽略了新技術(shù)會(huì)創(chuàng)造出新的崗位和需求。學(xué)者所關(guān)注的很多工作崗位出現(xiàn)空缺而同時(shí)又有很多人員找不到工作的問(wèn)題，部分原因是因?yàn)椤八褜こ杀尽边^(guò)高而造成的匹配摩擦問(wèn)題?！?1〕隨著大數(shù)據(jù)和人工智能等技術(shù)的發(fā)展，搜索成本逐漸降低，此時(shí)我們的關(guān)注點(diǎn)應(yīng)該轉(zhuǎn)向“已經(jīng)失業(yè)或即將失業(yè)的人員與新工作崗位之間的技能匹配”問(wèn)題。

（三）智能機(jī)器人對(duì)制造業(yè)就業(yè)的影響

還有部分學(xué)者針對(duì)智能機(jī)器人對(duì)勞動(dòng)力，尤其是制造業(yè)勞動(dòng)力的影響進(jìn)行了相關(guān)研究。UNCAD通過(guò)研究指出，工業(yè)機(jī)器人在電子制造、汽車(chē)生產(chǎn)等多個(gè)領(lǐng)域當(dāng)中都有使用，發(fā)展中國(guó)家有2/3的崗位會(huì)被機(jī)器人所取代。〔12〕Martech在研究中發(fā)現(xiàn)，在本世紀(jì)初，美國(guó)的很多制造業(yè)當(dāng)中都出現(xiàn)了工業(yè)機(jī)器人，但是這并沒(méi)有導(dǎo)致美國(guó)制造業(yè)出現(xiàn)大規(guī)模失業(yè)，反而增加了部分就業(yè)崗位?！?3〕Mishel等在研究當(dāng)中提到，對(duì)于高技能與低技能的勞動(dòng)者而言，其勞動(dòng)結(jié)構(gòu)的變化受工業(yè)機(jī)器人的影響不大，這是由于這兩種崗位的工資變化導(dǎo)致的?！?4〕Hemous提到，智能機(jī)器人的使用會(huì)在很大程度上替代低技能勞動(dòng)者，同時(shí)又會(huì)和高技能勞動(dòng)者產(chǎn)生互補(bǔ)，這會(huì)進(jìn)一步造成貧富分化?！?5〕通過(guò)上述論述可以發(fā)現(xiàn)，智能機(jī)器人對(duì)制造業(yè)就業(yè)的影響研究以定量測(cè)算的實(shí)證研究為主，缺乏理論研究框架的支撐，亦沒(méi)有形成統(tǒng)一結(jié)論。

（四）我國(guó)研究現(xiàn)狀

相對(duì)來(lái)講，國(guó)內(nèi)學(xué)者對(duì)于人工智能、工業(yè)機(jī)器人等相關(guān)內(nèi)容的實(shí)證和理論研究不多。馬嵐主要研究的是日韓的情況，并認(rèn)為我國(guó)即將面臨工業(yè)機(jī)器人取代人工而造成的失業(yè)問(wèn)題。〔16〕呂潔等對(duì)22個(gè)國(guó)家的情況進(jìn)行分析后發(fā)現(xiàn)，那些工業(yè)機(jī)器人使用范圍越大的國(guó)家，其高技能人員的數(shù)量比也越高。同時(shí)他們還發(fā)現(xiàn)，在日韓引入工業(yè)機(jī)器人以后，其勞動(dòng)力結(jié)構(gòu)發(fā)生了非常大的變化?！?7〕呂世斌和張世偉通過(guò)對(duì)我國(guó)1998-2009年期間制造業(yè)的相關(guān)情況進(jìn)行分析，發(fā)現(xiàn)我國(guó)就業(yè)市場(chǎng)存在就業(yè) “極化”現(xiàn)象?！?8〕鐘世川利用1987-2014年中國(guó)制造業(yè)數(shù)據(jù)展開(kāi)分析，分析結(jié)果表明：我國(guó)勞動(dòng)力和資本間出現(xiàn)了明顯的互補(bǔ)關(guān)系?！?9〕程承坪和彭歡分析了人工智能影響就業(yè)的經(jīng)濟(jì)學(xué)和非經(jīng)濟(jì)學(xué)機(jī)理，并結(jié)合我國(guó)現(xiàn)狀提出了應(yīng)對(duì)人工智能就業(yè)影響的對(duì)策?！?0〕我國(guó)正面臨著以人工智能為代表的第四次工業(yè)革命的挑戰(zhàn)，既要廣泛應(yīng)用高新技術(shù)實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，又要關(guān)注由于人工智能等技術(shù)進(jìn)步所帶來(lái)的一系列問(wèn)題，我國(guó)學(xué)者應(yīng)進(jìn)一步提出正確處理人工智能、經(jīng)濟(jì)增長(zhǎng)和就業(yè)之間關(guān)系的具體建議。

四、結(jié)論

技術(shù)進(jìn)步對(duì)就業(yè)的影響已是學(xué)術(shù)史上百年?duì)幷摰脑?huà)題，學(xué)者們的觀點(diǎn)難以統(tǒng)一。不可否認(rèn)的是，以人工智能為代表的技術(shù)進(jìn)步即將對(duì)社會(huì)就業(yè)結(jié)構(gòu)和崗位需求產(chǎn)生顛覆性的影響?？v觀研究歷程，可以發(fā)現(xiàn)學(xué)者們從最開(kāi)始的理論爭(zhēng)論，逐漸轉(zhuǎn)向?qū)嵶C研究，研究?jī)?nèi)容既包括由此引發(fā)的宏觀經(jīng)濟(jì)現(xiàn)象也包括具體崗位的消失與創(chuàng)造，既有歷史數(shù)據(jù)驗(yàn)證又有模型推理預(yù)測(cè)，學(xué)者們從不同層面研究了技術(shù)進(jìn)步對(duì)就業(yè)的影響。但是人工智能時(shí)代勞動(dòng)力“生成與匹配”機(jī)制和轉(zhuǎn)型路徑仍是一個(gè)黑箱，當(dāng)代勞動(dòng)力要如何面對(duì)以人工智能為代表的技術(shù)進(jìn)步的影響，前期研究還沒(méi)有給出明確解答?，F(xiàn)有研究缺口包括：一是忽視了人工智能與勞動(dòng)力“互補(bǔ)”視角的研究;二是重點(diǎn)關(guān)注了“被替代職業(yè)”或“新創(chuàng)造職業(yè)”的類(lèi)型，缺乏對(duì)工作任務(wù)特征的分析;三是從靜態(tài)視角測(cè)算了人工智能時(shí)代某一階段的失業(yè)率或新創(chuàng)造職業(yè)的類(lèi)型，而從動(dòng)態(tài)視角研究人工智能時(shí)代勞動(dòng)力“生成與匹配”機(jī)制和升級(jí)路徑仍是一個(gè)黑箱;四是我國(guó)分行業(yè)的理論與實(shí)證研究相對(duì)較少。

人工智能在深度學(xué)習(xí)技術(shù)提出之后得到了迅猛發(fā)展，各個(gè)國(guó)家均在部署人工智能發(fā)展戰(zhàn)略和規(guī)劃。為了促進(jìn)我國(guó)智能化、自動(dòng)化技術(shù)的發(fā)展， “中國(guó)制造”“‘互聯(lián)網(wǎng)+人工智能三年行動(dòng)實(shí)施方案”“新一代人工智能發(fā)展規(guī)劃”等戰(zhàn)略規(guī)劃相繼發(fā)布。習(xí)近平總書(shū)記在中共中央政治局第九次集體學(xué)習(xí)時(shí)強(qiáng)調(diào)，推動(dòng)我國(guó)新一代人工智能健康發(fā)展，加快研究人工智能帶來(lái)的就業(yè)結(jié)構(gòu)、就業(yè)方式轉(zhuǎn)變以及新型職業(yè)和工作崗位的技能需求。因此，為了確保勞動(dòng)力市場(chǎng)面向未來(lái)需求平穩(wěn)過(guò)渡，未來(lái)我國(guó)相關(guān)研究應(yīng)在人工智能疾速發(fā)展的背景下，分行業(yè)探索人機(jī)協(xié)同成為主流生產(chǎn)和服務(wù)方式后的工作任務(wù)特征和勞動(dòng)力技能需求，并為建立適應(yīng)智能經(jīng)濟(jì)和智能社會(huì)的就業(yè)培訓(xùn)體系提供政策建議。

〔參考文獻(xiàn)〕

〔1〕 陳超美， 陳悅， 侯劍華. CiteSpaceⅡ：科學(xué)文獻(xiàn)中新趨勢(shì)與新動(dòng)態(tài)的識(shí)別與可視化〔J〕. 情報(bào)學(xué)報(bào)， 2009， （3）.

〔2〕 AUTOR D， LEVY F， MURNANE R J. The Skill Content of Recent Technological Change： An Empirical Exploration 〔J〕. Quarterly Journal of Economics， 2003， 118（4）： 1279-1333.

〔3〕 都陽(yáng)， 賈朋， 程杰. 勞動(dòng)力市場(chǎng)結(jié)構(gòu)變遷、工作任務(wù)與技能需求〔J〕. 勞動(dòng)經(jīng)濟(jì)研究， 2017，（3）.

〔4〕 ARNTZ M， GREGORY T， ZIERAHN U. The Risk of Automation for Jobs in OECD Countries〔J〕. OECD Social Employment & Migration Working Papers， 2016， 5（7）： 11-19.

〔5〕 BORLAND J， COELLI M. Are Robots Taking Our Jobs？ 〔J〕. Australian Economic Review， 2017， 50（4）： 377-397.

〔6〕 FREY C B， OSBORNE M A. The future of employment： How susceptible are jobs tocomputerisation？ 〔J〕. Technological Forecasting & Social Change， 2013， 3（12）： 114-118.

〔7〕 BRYNJOLFSSON E， MCAFEE A. The second machine age： work， progress， and prosperity in a time of brilliant technologies〔M〕. New York： W. W. Norton & Company Press， 2014： 47-52.

〔8〕 AUTOR D H. Why are there still so many jobs？ The history and future of workplace automation 〔J〕. Journal of Economic Perspectives， 2015， 29（3）： 3-30.

〔9〕 GAGGL P， WRIGHT G C. A Short-Run View of What Computers Do： Evidence from a UK Tax Incentive〔J〕. American Economic Journal： Applied Economics， 2017， 3（26）： 48-51.

〔10〕 ACEMOGLU D， RESTREPO P. Artificial Intelligence， Automation and Work〔J〕. Social Science Electronic Publishing， 2018， 17（3）：32-39.

〔11〕 呂榮杰， 郝力曉. 人工智能等技術(shù)對(duì)勞動(dòng)力市場(chǎng)的影響效應(yīng)研究〔J〕. 工業(yè)技術(shù)經(jīng)濟(jì)， 2018，（12）.

〔12〕 UNCAD. Robots and Industrialization in developing countries 〔R〕. Geneva： UNCTAD Policy Brief， 2016.

〔13〕 MARTECH M. Positive impact of industrial robots on employment 〔R〕. Frankfurt： Bank for International Settlements， 2013.

〔14〕 MISHEL L， SCHMITT J， SHIERHOLZ H. Don't blame the robots. Assessing the job polarization explanation of growing wage inequality 〔R〕. London： Education Policy Institute， 2013.

〔15〕 HMOUS D， OLSEN M . The Rise of the Machines： Automation， Horizontal Innovation and Income Inequality〔J〕. Social Science Electronic Publishing， 2014， 5（12）： 34-40.

〔16〕 馬嵐. 中國(guó)會(huì)出現(xiàn)機(jī)器人對(duì)人工的規(guī)模替代嗎？〔J〕. 世界經(jīng)濟(jì)研究，2015，（10）.

〔17〕 呂潔， 杜傳文， 李元旭. 工業(yè)機(jī)器人應(yīng)用會(huì)倒逼一國(guó)制造業(yè)勞動(dòng)力結(jié)構(gòu)轉(zhuǎn)型嗎？——基于1990-2015年間22個(gè)國(guó)家的經(jīng)驗(yàn)分析〔J〕. 科技管理研究， 2017，（22）.

〔18〕 呂世斌， 張世偉. 中國(guó)勞動(dòng)力“極化”現(xiàn)象及原因的經(jīng)驗(yàn)研究〔J〕. 經(jīng)濟(jì)學(xué)（季刊）， 2015，（2）.

〔19〕 鐘世川. 開(kāi)放條件下中國(guó)制造業(yè)技術(shù)進(jìn)步偏向與就業(yè)增長(zhǎng)研究〔J〕. 經(jīng)濟(jì)經(jīng)緯， 2018，（2）.

〔20〕 程承坪，彭歡. 人工智能影響就業(yè)的機(jī)理及中國(guó)對(duì)策〔J〕. 中國(guó)軟科學(xué)， 2018，（10）.

【責(zé)任編輯：劉彥武】