龔 遙, 彭希哲

(1. 復(fù)旦大學(xué) 社會(huì)發(fā)展與公共政策學(xué)院，上海 200433；2. 復(fù)旦大學(xué) 人口與發(fā)展政策研究中心，上海 200433)

一、前言

工業(yè)革命以來(lái)，科技進(jìn)步作為構(gòu)成經(jīng)濟(jì)增長(zhǎng)的重要因素之一[1]，不斷提升勞動(dòng)生產(chǎn)率，重構(gòu)社會(huì)形態(tài)，已逐漸成為推動(dòng)經(jīng)濟(jì)發(fā)展的關(guān)鍵變量。進(jìn)入21世紀(jì)，人工智能技術(shù)的快速發(fā)展使智能機(jī)器的應(yīng)用范圍正逐步向工作任務(wù)縱向及不同行業(yè)橫向拓展，其應(yīng)用對(duì)生產(chǎn)領(lǐng)域產(chǎn)生的潛在影響可能將遠(yuǎn)超傳統(tǒng)機(jī)器[2]。

對(duì)中國(guó)來(lái)說(shuō)，雖然人工智能領(lǐng)域的技術(shù)進(jìn)步降低了機(jī)器的使用成本，削弱了勞動(dòng)力成本優(yōu)勢(shì)，但是中國(guó)龐大的人才儲(chǔ)備、海量數(shù)據(jù)以及豐富的應(yīng)用場(chǎng)景又為人工智能提供了優(yōu)越的發(fā)展環(huán)境，妥善地處理人工智能發(fā)展與社會(huì)的關(guān)系，趨利避害，就能使之成為中國(guó)實(shí)現(xiàn)跨越式發(fā)展的重要推手[3]。自2017年始，中國(guó)政府先后在《政府工作報(bào)告》、《新一代人工智能發(fā)展規(guī)劃》、《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃(2018—2020年)》等多個(gè)政策文件中，重點(diǎn)關(guān)注了人工智能領(lǐng)域的發(fā)展，體現(xiàn)了政府對(duì)這一問(wèn)題的高度重視。

但是，技術(shù)在推動(dòng)社會(huì)進(jìn)步發(fā)展的同時(shí)，也會(huì)產(chǎn)生諸如“技術(shù)性失業(yè)”、“創(chuàng)造性破壞”等問(wèn)題[4-5]，工業(yè)革命初期，某些底層勞動(dòng)者通過(guò)打砸機(jī)器的方式抵制大機(jī)器生產(chǎn)的推廣，爆發(fā)了諸如斯溫暴動(dòng)、盧德工人運(yùn)動(dòng)等社會(huì)運(yùn)動(dòng)，從而成為影響社會(huì)穩(wěn)定的重大威脅。現(xiàn)有研究表明，人工智能技術(shù)在工作能力上的發(fā)展?jié)摿赡艽笥趥鹘y(tǒng)機(jī)器，這也意味著其對(duì)人類勞動(dòng)擠出效應(yīng)的影響力與范圍將更大更廣，所產(chǎn)生的失業(yè)問(wèn)題可能更為嚴(yán)重[6-7]，中國(guó)龐大的就業(yè)人口規(guī)模與就業(yè)壓力會(huì)進(jìn)一步放大技術(shù)性失業(yè)與創(chuàng)造性破壞風(fēng)險(xiǎn)對(duì)社會(huì)穩(wěn)定的不利影響。因此，了解人工智能技術(shù)的發(fā)展現(xiàn)狀，評(píng)估當(dāng)前職業(yè)的潛在替代風(fēng)險(xiǎn)及分布，就具有極為重要的政策價(jià)值。

本文研究的智能體是指人工智能程序或搭載著人工智能程序的機(jī)器人系統(tǒng)(1)一般來(lái)說(shuō)，人工智能(Artificial Intelligence)是指能夠匹配或超越人類能力的一整套技術(shù)，特別是那些涉及認(rèn)知的技術(shù)，使其能夠以通常需要人類智能的方式學(xué)習(xí)和解決問(wèn)題，將具有人工智能的系統(tǒng)簡(jiǎn)稱為機(jī)器人，它與目前在某些生產(chǎn)過(guò)程中使用的(通常是復(fù)雜的)單一用途機(jī)器截然不同[8-10]。，該智能體應(yīng)當(dāng)能夠自我控制，可重復(fù)編程，具有多目的性[11]。本文嘗試從智能體的職業(yè)能力等級(jí)體系構(gòu)建出發(fā)，尋找影響智能體對(duì)當(dāng)前職業(yè)的人類勞動(dòng)力技術(shù)替代可能性的閾值性指標(biāo)，采用隨機(jī)森林算法，對(duì)當(dāng)前職業(yè)的潛在替代風(fēng)險(xiǎn)與分布特征進(jìn)行預(yù)測(cè)分析。

二、文獻(xiàn)回顧

自1956年提出以來(lái)，人工智能共經(jīng)歷了三波發(fā)展浪潮，國(guó)外學(xué)者在人工智能領(lǐng)域著述頗豐，相比較而言，國(guó)內(nèi)的研究尚處起步階段，但也已成為近幾年來(lái)的學(xué)術(shù)熱點(diǎn)。本文對(duì)人工智能領(lǐng)域的文獻(xiàn)回顧將從技術(shù)進(jìn)步與人工智能對(duì)就業(yè)的影響，以及人工智能與老齡化的互動(dòng)三個(gè)方面展開。

1.技術(shù)進(jìn)步與就業(yè)

近年來(lái)，在技術(shù)進(jìn)步的就業(yè)效應(yīng)上，一部分學(xué)者通過(guò)失業(yè)與技術(shù)進(jìn)步的關(guān)系模型進(jìn)行研究后認(rèn)為，技術(shù)進(jìn)步在就業(yè)方面主要表現(xiàn)為較強(qiáng)的破壞效應(yīng)，總體來(lái)看技術(shù)的進(jìn)步增加了失業(yè)人數(shù)，技術(shù)進(jìn)步規(guī)模越大，對(duì)就業(yè)帶來(lái)的破壞效應(yīng)就越明顯[12-14]；但另一部分學(xué)者在對(duì)就業(yè)效應(yīng)理論進(jìn)行就業(yè)結(jié)構(gòu)與技術(shù)進(jìn)步類型的兩個(gè)方面擴(kuò)展后發(fā)現(xiàn)，技術(shù)進(jìn)步對(duì)就業(yè)具有多種效應(yīng)補(bǔ)償機(jī)制，雖然短期看摩擦性失業(yè)將增加，但長(zhǎng)期不會(huì)對(duì)就業(yè)產(chǎn)生破壞性影響[15-17]。

與國(guó)外研究類似，在技術(shù)進(jìn)步與就業(yè)的互動(dòng)關(guān)系上，一部分國(guó)內(nèi)學(xué)者認(rèn)為技術(shù)進(jìn)步對(duì)勞動(dòng)力就業(yè)具有正向作用，能夠有效創(chuàng)造就業(yè)，緩解失業(yè)的壓力[18-19]；另一部分學(xué)者則認(rèn)為，技術(shù)進(jìn)步對(duì)勞動(dòng)力就業(yè)具有負(fù)向作用，將抑制就業(yè)增長(zhǎng)，增加就業(yè)壓力[20-22]；也有學(xué)者綜合分析了兩個(gè)方面的影響，指出短期看替代效應(yīng)更為顯著，但長(zhǎng)期上看，創(chuàng)造效應(yīng)將占據(jù)主導(dǎo)地位[23-25]。

2.人工智能與就業(yè)

進(jìn)一步聚焦到人工智能對(duì)就業(yè)的影響方面，雖然在達(dá)到人類認(rèn)知水平的人工智能是否以及何時(shí)出現(xiàn)等問(wèn)題上仍存在爭(zhēng)議[26-27]，僅僅以當(dāng)前的技術(shù)水平來(lái)看，作為自動(dòng)化延續(xù)的人工智能也將對(duì)現(xiàn)有勞動(dòng)力供給產(chǎn)生重大影響。

一部分學(xué)者從機(jī)器勞動(dòng)與人類勞動(dòng)的模型構(gòu)建角度分析兩者之間的互動(dòng)關(guān)系[28-29]，主流觀點(diǎn)認(rèn)為兩者之間同樣存在替代與創(chuàng)造效應(yīng)[29-31]。其中，學(xué)者重點(diǎn)關(guān)注了替代效應(yīng)，并對(duì)被替代職業(yè)的分布進(jìn)行測(cè)算，就已有的研究結(jié)果來(lái)看，研究對(duì)象的總體被替代概率在5%至55%之間[30-33]。

隨著研究的深入，學(xué)者認(rèn)為人工智能技術(shù)的應(yīng)用對(duì)不同收入、受教育程度、年齡段群體的影響存在異質(zhì)性，具體來(lái)說(shuō)，對(duì)中低收入、中低技能、中低受教育程度的年輕勞動(dòng)力更多地可能表現(xiàn)為替代效應(yīng)，而對(duì)高收入、高技能、高受教育程度的年長(zhǎng)勞動(dòng)力更多地可能表現(xiàn)為互補(bǔ)效應(yīng)，而在職業(yè)分布方面，兼職與產(chǎn)品生產(chǎn)中的常規(guī)勞動(dòng)，交通運(yùn)輸和物流行業(yè)，辦公室和行政支持以及產(chǎn)品生產(chǎn)部門的勞動(dòng)力則具有極大的被替代風(fēng)險(xiǎn)[34-36]。

國(guó)內(nèi)學(xué)者大多支持，人工智能與人類勞動(dòng)存在替代與補(bǔ)償效應(yīng)的觀點(diǎn)，其中，勞動(dòng)密集型企業(yè)更多體現(xiàn)替代效應(yīng)，技術(shù)與資金密集型企業(yè)更多體現(xiàn)了補(bǔ)償效應(yīng)[37]。對(duì)整體就業(yè)而言，一部分學(xué)者指出，在替代效應(yīng)與抑制效應(yīng)的綜合作用下，就業(yè)總量將保持基本穩(wěn)定[38]，而另一部分學(xué)者則認(rèn)為，雖然短期內(nèi)人工智能技術(shù)尚處于導(dǎo)入期，對(duì)就業(yè)的影響有限，但長(zhǎng)期就業(yè)效應(yīng)不容樂觀[24]，根據(jù)最新的測(cè)算，人工智能技術(shù)的應(yīng)用將導(dǎo)致中國(guó)70%—76%的就業(yè)人口受到?jīng)_擊[39]，而高水平的學(xué)歷教育則能夠有效緩解人工智能的就業(yè)替代壓力[40]。

3.人工智能與老齡化

考慮到日益突出的全球老齡化趨勢(shì)，人工智能技術(shù)與老齡化社會(huì)的互動(dòng)同樣是學(xué)者關(guān)注的焦點(diǎn)。國(guó)外研究發(fā)現(xiàn)，老齡化會(huì)促進(jìn)工業(yè)機(jī)器人和自動(dòng)化技術(shù)的應(yīng)用，提升整體的自動(dòng)化水平[41]，這似乎表明，有效的技術(shù)應(yīng)用是幫助人口老齡化國(guó)家取得較好經(jīng)濟(jì)表現(xiàn)的工具[42]，究其原因，部分學(xué)者認(rèn)為，老齡化的趨勢(shì)下，勞動(dòng)力成本傾向于上升，這將促進(jìn)勞動(dòng)力成本節(jié)約型的機(jī)器人使用[43]，但是，正因?yàn)闄C(jī)器人的介入替代了部分工作，降低了消費(fèi)需求，導(dǎo)致人口老齡化并未增加年輕工人的勞動(dòng)力需求[44]。

國(guó)內(nèi)學(xué)者在這一問(wèn)題上的研究尚處于起步階段，部分學(xué)者基于跨國(guó)面板數(shù)據(jù)和中國(guó)省級(jí)面板數(shù)據(jù)的研究發(fā)現(xiàn)，老齡化導(dǎo)致的勞動(dòng)力短缺會(huì)促使經(jīng)濟(jì)體更多應(yīng)用智能化生產(chǎn)，人工智能與勞動(dòng)力之間是“補(bǔ)位式替代”而非“擠出式替代”[45]，這一結(jié)論和國(guó)外研究相類似。

梳理已有文獻(xiàn)可知，當(dāng)前人工智能與人類勞動(dòng)的互動(dòng)關(guān)系問(wèn)題尚無(wú)定論，就目前研究來(lái)看，主要存在兩個(gè)方面的遺憾：第一，人工智能應(yīng)用對(duì)中國(guó)就業(yè)市場(chǎng)影響問(wèn)題的實(shí)證分析較少。第二，學(xué)者更多地從宏觀角度分析這一問(wèn)題，對(duì)中微觀特別是職業(yè)角度的研究較少。本文將借鑒國(guó)內(nèi)外研究經(jīng)驗(yàn)，嘗試性探討當(dāng)前人工智能技術(shù)應(yīng)用引發(fā)的就業(yè)市場(chǎng)特別是中國(guó)就業(yè)市場(chǎng)中各職業(yè)的潛在替代風(fēng)險(xiǎn)，并就此引發(fā)的社會(huì)影響展開初步探討。

三、閾值性指標(biāo)的選取

雖然計(jì)算機(jī)原理與人腦思維邏輯并不相同，但模擬人類思維的傾向卻一直影響著計(jì)算機(jī)理論實(shí)踐的發(fā)展，例如模擬人類使用筆在紙帶上書寫計(jì)算的圖靈機(jī)、模擬人腦神經(jīng)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，等等。這一思想同樣影響著人工智能技術(shù)的發(fā)展，不論是符號(hào)主義、連接主義還是行為主義，大都認(rèn)可人腦與人工智能系統(tǒng)在某種程度上的共通性[46]，因此，從某種意義上說(shuō)，智能體與外界環(huán)境的交互過(guò)程和人類的決策—行為流程是大體一致的[47]。具體來(lái)看，若將這一過(guò)程分解為信息的輸入、分析與輸出三個(gè)階段，智能體的信息輸入類似于人類的信息獲取，通過(guò)各種傳感器和雷達(dá)激光等系統(tǒng)獲取外部信息，同時(shí)，信息分析系統(tǒng)將獲取的信息經(jīng)過(guò)處理后形成可被分析的數(shù)據(jù)，結(jié)合資料的檢索通過(guò)推理對(duì)問(wèn)題進(jìn)行識(shí)別分類與決策判斷，這類似于人類大腦信息處理環(huán)節(jié)中的轉(zhuǎn)碼、解碼與推理過(guò)程[48]，最后，信息輸出系統(tǒng)將決策通過(guò)執(zhí)行器，以有形或無(wú)形的形式作用于外部世界，對(duì)應(yīng)人類活動(dòng)中包括精神與物質(zhì)行動(dòng)在內(nèi)的具體行為。

而作為決策—行為流程的一部分，假設(shè)工作內(nèi)容不存在顯著差異，那么，在完成工作任務(wù)時(shí)，智能體與人類勞動(dòng)者也具有一定的可比性，具體來(lái)說(shuō)，人類勞動(dòng)者在執(zhí)行職業(yè)工作任務(wù)時(shí)，需具備多樣化的能力，例如，教師既需要具備基本的聽、說(shuō)、讀、寫行動(dòng)等能力，還需要具有判斷、鼓勵(lì)等能力以及相關(guān)的知識(shí)儲(chǔ)備。而對(duì)智能體來(lái)說(shuō)，同樣需要具備類似的能力，在就業(yè)市場(chǎng)上，可以將智能體視為一個(gè)具有職業(yè)能力的類人類勞動(dòng)者，討論智能體對(duì)人類勞動(dòng)的替代問(wèn)題，就是討論智能體相關(guān)職業(yè)能力的技術(shù)可行性問(wèn)題，若智能體在技術(shù)上難以達(dá)到所涉及的某個(gè)職業(yè)中一項(xiàng)工作能力要求的標(biāo)準(zhǔn)，這一能力則為閾值性能力，對(duì)需要這一能力的職業(yè)來(lái)說(shuō)，人類勞動(dòng)力更不易被替代，反之，則增加了替代這部分人類勞動(dòng)力的技術(shù)可能性。

米迦勒(Michael)等在分析機(jī)器人的工作能力時(shí)，將工作所需人類能力按照有利于對(duì)應(yīng)機(jī)器人能力的方式細(xì)分為包括感官知覺、已知模式/類識(shí)別等18種能力，并分別評(píng)價(jià)了當(dāng)前技術(shù)相較于人類平均水平的能力等級(jí)，其中，“高”表示超過(guò)人類平均水平，“中”表示與人類平均水平基本相當(dāng)，“低”表示低于人類平均水平[49]。本文借鑒前人研究將工作能力按照智能體與外界環(huán)境交互的三個(gè)階段進(jìn)行分類，具體可見表1。

表1 智能體的工作能力及其等級(jí)

注：當(dāng)前的技術(shù)能力等級(jí)是指在商業(yè)應(yīng)用、研發(fā)或?qū)W術(shù)研究中表現(xiàn)出來(lái)的技術(shù)能力水平。

其中，智能體在執(zhí)行工作任務(wù)時(shí)，信息輸入系統(tǒng)中的傳感器會(huì)將獲取的信息轉(zhuǎn)化為能被計(jì)算機(jī)理解的數(shù)據(jù)，隨后這部分?jǐn)?shù)據(jù)將繼續(xù)傳導(dǎo)至信息分析系統(tǒng)，提取數(shù)據(jù)中的關(guān)鍵特征，對(duì)需要分析的問(wèn)題、對(duì)象進(jìn)行分類，并根據(jù)需要進(jìn)行的工作內(nèi)容完成其他前期的準(zhǔn)備工作，包括交互過(guò)程中的自然語(yǔ)言理解、社交情緒感知等，在整個(gè)分析過(guò)程中，需要從網(wǎng)絡(luò)或系統(tǒng)檢索調(diào)取相關(guān)資料幫助分析，運(yùn)用邏輯推理、社交情緒推理以及創(chuàng)造力進(jìn)行推理，最后，根據(jù)推理輸出決策，包括工作時(shí)與他人的互相協(xié)調(diào)、選擇最優(yōu)規(guī)劃、路線導(dǎo)航、社交情緒的表達(dá)、自然語(yǔ)言與非自然語(yǔ)言的表達(dá)等無(wú)形輸出以及弱力量控制、強(qiáng)力量控制、移動(dòng)等有形輸出。

表2 閾值性指標(biāo)選取

基于前人研究的經(jīng)驗(yàn)與最新的技術(shù)成果，本文選取了智能體能力等級(jí)被評(píng)價(jià)為低的工作能力為閾值性指標(biāo)，并以此作為模型訓(xùn)練與預(yù)測(cè)的特征變量，分析人工智能發(fā)展背景下，當(dāng)前職業(yè)的技術(shù)替代風(fēng)險(xiǎn)，其中，研究?jī)H從技術(shù)可行性出發(fā)，并未考慮替代的經(jīng)濟(jì)可行性、社會(huì)接受程度等因素。選取的閾值性指標(biāo)如表2所示。

四、人工智能對(duì)職業(yè)的技術(shù)替代風(fēng)險(xiǎn)測(cè)算與分析

1.方法及模型選擇

弗雷和奧斯本(Frey & Osborne)使用貝葉斯分類器方法預(yù)測(cè)了機(jī)器自動(dòng)化背景下美國(guó)職業(yè)的被替代概率[30]，這一方法也被其他學(xué)者廣泛采用，但是，一方面，Logistic回歸要求單位解釋變量的事件(EPV)值應(yīng)大于10，否則其結(jié)果極有可能難以收斂[50]，另一方面，不同特征變量的指標(biāo)之間不應(yīng)具有相關(guān)性，否則將降低模型預(yù)測(cè)的準(zhǔn)確性。弗雷—奧斯本模型中EPV值僅為4.1，且其所選的指標(biāo)談判(negotiation)與勸說(shuō)(persuasion)高度相關(guān)，因此，研究的預(yù)測(cè)結(jié)果存在過(guò)擬合風(fēng)險(xiǎn)，其余使用相同方法的文獻(xiàn)亦存在類似問(wèn)題。

為降低因分類方法缺陷而產(chǎn)生的過(guò)擬合風(fēng)險(xiǎn)，本文將選擇隨機(jī)森林分類器法對(duì)這一問(wèn)題進(jìn)行預(yù)測(cè)分析。相比較而言，隨機(jī)森林算法作為決策樹模型的一個(gè)分支，它采用樣本與特征向量的隨機(jī)選擇方法構(gòu)建m棵CART決策樹，形成隨機(jī)森林，通過(guò)少數(shù)服從多數(shù)等投票方式?jīng)Q定數(shù)據(jù)的類別，該方法能夠處理高維度數(shù)據(jù)，有效降低因數(shù)據(jù)相關(guān)與特征變量過(guò)多導(dǎo)致的過(guò)擬合風(fēng)險(xiǎn)[51]，在小樣本訓(xùn)練集預(yù)測(cè)大樣本測(cè)試集時(shí)具有良好的穩(wěn)定性與準(zhǔn)確性[52]。隨機(jī)森林算法的分類步驟主要包括以下方面。

首先，從訓(xùn)練數(shù)據(jù)中以重采樣方式選取子樣本，即裝袋，并在袋外留下約33%的樣本。

其次，在每個(gè)節(jié)點(diǎn)p上，隨機(jī)選擇多個(gè)特征變量，考慮變量k和拆分點(diǎn)s，以最小化平方誤差之和的方式生成最佳的二分結(jié)構(gòu)，從而將節(jié)點(diǎn)分成兩個(gè)子節(jié)點(diǎn)，公式如下：

(1)

最后，重復(fù)上述過(guò)程，建立m棵CART決策樹，根據(jù)數(shù)據(jù)單個(gè)決策樹單獨(dú)輸出結(jié)果，m個(gè)決策樹通過(guò)投票的方式獲得最終的評(píng)估類別與相應(yīng)概率[50]。

2.數(shù)據(jù)與特征向量的選取

由于國(guó)內(nèi)職業(yè)數(shù)據(jù)庫(kù)無(wú)法滿足本文研究對(duì)特征變量的數(shù)據(jù)要求，因此，本文將采用美國(guó)O*net(The Occupational Information Network)2018年數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)是在美國(guó)勞工部/就業(yè)和培訓(xùn)管理局支持下開展的O*net項(xiàng)目的核心部分，覆蓋了美國(guó)967個(gè)具體職業(yè)。其中，每個(gè)職業(yè)中包含了任務(wù)(task)、技術(shù)技能(technology skills)等17項(xiàng)信息。作為國(guó)際研究相關(guān)問(wèn)題的常用數(shù)據(jù)庫(kù)，美國(guó)O*net數(shù)據(jù)庫(kù)為本文的研究提供了必要的數(shù)據(jù)支持。

表3 特征向量指標(biāo)選取

表4 特征變量的描述性統(tǒng)計(jì)

基于前面理論分析可知，當(dāng)前人工智能發(fā)展在涉及工作的社交情緒認(rèn)知、自然語(yǔ)言理解等九個(gè)方面依舊存在表現(xiàn)不及人類平均水平的問(wèn)題，將這幾項(xiàng)閾值性能力作為隨機(jī)森林算法的特征變量能夠?qū)崿F(xiàn)對(duì)特定崗位被替代風(fēng)險(xiǎn)的預(yù)測(cè)，因此，本文將從O*net數(shù)據(jù)庫(kù)中篩選出能夠反映上述變量的閾值性指標(biāo)，以構(gòu)建相應(yīng)的訓(xùn)練集與測(cè)試集。

具體指標(biāo)的選取參見表3，其中，考慮到指標(biāo)的可得性，邏輯推理與社交情緒推理歸類至一類閾值性能力，所選指標(biāo)的定義可參考O*net數(shù)據(jù)庫(kù)指標(biāo)體系的詳細(xì)說(shuō)明。

3.數(shù)據(jù)處理

本文基于美國(guó)O*net數(shù)據(jù)庫(kù)，選取了社交認(rèn)知(socialperceptiveness)、說(shuō)服(persuasion)等16個(gè)指標(biāo)作為隨機(jī)森林分類器的特征變量，每個(gè)特征變量指標(biāo)分為等級(jí)(level)與重要性(importance)兩個(gè)評(píng)分列表，分別表示在該職業(yè)中，完成某一職業(yè)任務(wù)所需的對(duì)應(yīng)能力的技能要求等級(jí)與對(duì)完成職業(yè)任務(wù)的重要程度。為研究需要，將所選指標(biāo)level與importance兩數(shù)據(jù)列合并為單一數(shù)據(jù)列，同時(shí)，在討論智能體的職業(yè)替代風(fēng)險(xiǎn)時(shí)，本文認(rèn)為智能體在某項(xiàng)能力的表現(xiàn)達(dá)到該職業(yè)的技能要求等級(jí)是職業(yè)被替代的前提，此后，才需考慮該技能對(duì)職業(yè)任務(wù)完成的重要性，因此，職業(yè)技能的level值比importance值更為重要，在合并值計(jì)算時(shí)，level值的權(quán)重將更大，本文參考布林德(Blinder)在分析美國(guó)職業(yè)離岸率時(shí)采用的數(shù)據(jù)合并方法進(jìn)行計(jì)算[53]：

(2)

同時(shí)，為提高模型預(yù)測(cè)結(jié)果的準(zhǔn)確性與可靠性，需要對(duì)各特征變量的值進(jìn)行歸一化處理，本文采用線性歸一化方式進(jìn)行處理，所得結(jié)果的描述性統(tǒng)計(jì)見表4。

作為一種監(jiān)督式機(jī)器學(xué)習(xí)工具，在使用隨機(jī)森林分類器進(jìn)行預(yù)測(cè)時(shí)，需要建立具有標(biāo)簽變量的訓(xùn)練集，一般來(lái)說(shuō)，國(guó)外在研究此問(wèn)題時(shí)會(huì)采用德爾菲法，選取一部分職業(yè)，并組織相關(guān)領(lǐng)域?qū)＜疫M(jìn)行0，1評(píng)價(jià)，認(rèn)為會(huì)被替代的職業(yè)標(biāo)簽為1，認(rèn)為不會(huì)被替代的職業(yè)標(biāo)簽為0，本文借鑒前人研究的經(jīng)驗(yàn)，將其他學(xué)者所選的職業(yè)及對(duì)應(yīng)標(biāo)簽作為本文研究的職業(yè)替代性標(biāo)簽變量，共選取了75個(gè)職業(yè)，其中40個(gè)職業(yè)的標(biāo)簽值為1,35個(gè)職業(yè)的標(biāo)簽值為0，具體的職業(yè)選擇可見表5和表6。

表5 標(biāo)簽值為0的職業(yè)

4.實(shí)證結(jié)果與分析

(1) 美國(guó)職業(yè)分類的替代概率結(jié)果及分析。通過(guò)特征變量與標(biāo)簽變量的選取，本文構(gòu)建了包含75個(gè)樣本的訓(xùn)練集與967個(gè)樣本的預(yù)測(cè)集(2)弗雷和奧斯本使用了包含70個(gè)樣本的訓(xùn)練集預(yù)測(cè)美國(guó)職業(yè)數(shù)據(jù)庫(kù)中的702個(gè)職業(yè)[30]，戴維使用了包含69個(gè)樣本的訓(xùn)練集預(yù)測(cè)日本職業(yè)數(shù)據(jù)庫(kù)中的499個(gè)職業(yè)[32]，而2018年O*net數(shù)據(jù)庫(kù)的可分析職業(yè)增加至967個(gè)，因此本文將對(duì)967個(gè)職業(yè)展開預(yù)測(cè)分析。，使用Python軟件調(diào)用隨機(jī)森林算法對(duì)訓(xùn)練集進(jìn)行訓(xùn)練并預(yù)測(cè)967個(gè)職業(yè)的替代風(fēng)險(xiǎn)，本文采用袋外正確率(OBB score)(3)使用未被納入模型預(yù)測(cè)的樣本進(jìn)行類別預(yù)測(cè)(大約占樣本總數(shù)的1/3)，將被正確分類的樣本個(gè)數(shù)占樣本總數(shù)的比率作為袋外正確率。指標(biāo)，訓(xùn)練集正確率與全樣本的測(cè)試樣本正確率得到的模型平均預(yù)測(cè)準(zhǔn)確率為91.6%，預(yù)測(cè)的基本結(jié)果如表7所示。

表6 標(biāo)簽值為1的職業(yè)

表7 職業(yè)潛在被替代風(fēng)險(xiǎn)測(cè)算結(jié)果示例

一般來(lái)說(shuō)，可以將工作任務(wù)分成程序性認(rèn)知任務(wù)、程序性體力任務(wù)、非程序性認(rèn)知任務(wù)與非程序性體力任務(wù)四類[54]，由表7可知，與第一、二次工業(yè)革命不同，在人工智能技術(shù)的影響下，潛在被替代崗位不僅僅局限于簡(jiǎn)單體力勞動(dòng)相關(guān)職業(yè)，其影響范圍已從程序性體力勞動(dòng)(routine motor task)向程序性認(rèn)知?jiǎng)趧?dòng)(routine cognitive task)擴(kuò)展，大量原屬于程序性認(rèn)知?jiǎng)趧?dòng)的白領(lǐng)職業(yè)有較高的潛在替代風(fēng)險(xiǎn)，例如保險(xiǎn)理賠員，法律秘書等，這類職業(yè)的工作內(nèi)容雖然屬于認(rèn)知性活動(dòng)，但其工作流程與任務(wù)存在大量技能要求較低的重復(fù)性勞動(dòng)；相比較而言，非程序性認(rèn)知?jiǎng)趧?dòng)的潛在替代風(fēng)險(xiǎn)仍較低，包括研究崗位、社交崗位、管理崗位、專業(yè)性崗位等，例如狩獵巡查人員、皮膚病學(xué)家等，這類職業(yè)需要在復(fù)雜的環(huán)境中處理特殊性問(wèn)題，就當(dāng)前人工智能的技術(shù)水平看，替代尚存在一定困難，上述分布趨勢(shì)與大多數(shù)學(xué)者的判斷基本一致。

圖1 不同職業(yè)集(Career Cluster)的職業(yè)替代風(fēng)險(xiǎn)分布注：AF&N 指代農(nóng)業(yè)、 食品&自然資源(Agriculture, Food & Natural Resources)， A&C 指代建筑與施工(Architecture & Construction )， AA/VT&C 指 代 藝 術(shù) ， 音 / 視 頻 技 術(shù) & 通信(Arts, Audio/Video Technology & Communications)， BM&A 指代商業(yè)管理與管理(Business Management & Administration)， E&T 指代教 育與培訓(xùn)(Education & Training)， G&PA 指代政府&公共管理(Government & Public Administration)， IT 指信息技術(shù)(Information Technology)， LPSC&S 指法律、公共安全、矯正和安保(Law, Public Safety, Corrections & Security)， STE&M 指科學(xué)、技術(shù)、工程和數(shù)學(xué)(Science, Technology, Engineering & Mathematics)， TD&L 指運(yùn)輸、配送和物流(Transportation, Distribution & Logistics)。

圖1反映了14個(gè)職業(yè)集的潛在替代風(fēng)險(xiǎn)分布，其中，交叉線表示該職業(yè)集均值所處的位置，橫線表示中位數(shù)所處的位置，矩形表示各職業(yè)的潛在替代風(fēng)險(xiǎn)分布的集中區(qū)域，各個(gè)線段的兩端則是職業(yè)潛在替代風(fēng)險(xiǎn)的上下限，由圖1可知，不同職業(yè)集的職業(yè)潛在替代風(fēng)險(xiǎn)存在明顯異質(zhì)性，其中，教育與培訓(xùn)(Education & Train)職業(yè)集的職業(yè)潛在替代風(fēng)險(xiǎn)的均值最低，制造業(yè)(Manufacturing)職業(yè)集的職業(yè)潛在替代風(fēng)險(xiǎn)的均值最高。

為方便與弗雪和奧斯本的研究進(jìn)行比較，本文借鑒前人分類方法，將職業(yè)的潛在替代風(fēng)險(xiǎn)分別按照(0，0.3]、(0.3,0.7]、(0.7,1]分為低、中、高風(fēng)險(xiǎn)職業(yè)，對(duì)比結(jié)果可見圖2。

圖2 本文與弗雷和奧斯本的研究結(jié)果對(duì)比(比重)

由圖2可知，相較于本文研究，弗雷和奧斯本研究中的高風(fēng)險(xiǎn)職業(yè)比重更高，而中風(fēng)險(xiǎn)與低風(fēng)險(xiǎn)職業(yè)比重更低[30]，這可能是由于其方法引發(fā)的過(guò)擬合問(wèn)題以及高估人工智能發(fā)展水平等因素導(dǎo)致的[33,55]。

國(guó)外學(xué)者在研究人工智能對(duì)職業(yè)的替代性影響時(shí)，常用基于職業(yè)層面研究方法(occupational-based approach)與基于工作任務(wù)層面方法(task-based approach)研究相關(guān)問(wèn)題，結(jié)果表明，在高風(fēng)險(xiǎn)職業(yè)占比方面，基于工作任務(wù)層面方法的預(yù)測(cè)結(jié)果遠(yuǎn)低于基于職業(yè)層面方法的預(yù)測(cè)結(jié)果[33,56-57]，相比較而言，本文的研究結(jié)果也更接近基于工作任務(wù)層面方法的研究結(jié)論。

(2) 中國(guó)職業(yè)分類的替代風(fēng)險(xiǎn)結(jié)果及分析。在使用O*net數(shù)據(jù)庫(kù)分析美國(guó)職業(yè)在人工智能技術(shù)沖擊下的潛在被替代風(fēng)險(xiǎn)后，本文嘗試分析人工智能發(fā)展對(duì)中國(guó)當(dāng)前職業(yè)的影響。由于中國(guó)國(guó)家職業(yè)資格管理數(shù)據(jù)庫(kù)(4)該數(shù)據(jù)庫(kù)是由中華人民共和國(guó)人力資源和社會(huì)保障部職業(yè)能力建設(shè)司主持的國(guó)家職業(yè)資格管理數(shù)據(jù)庫(kù)項(xiàng)目，包括了國(guó)家職業(yè)分類、國(guó)家職業(yè)標(biāo)準(zhǔn)、國(guó)家題庫(kù)、組織實(shí)施機(jī)構(gòu)、資格證書查詢、質(zhì)量監(jiān)督、政策發(fā)文、法律法規(guī)等內(nèi)容，其中職業(yè)分類目錄包含了8大類，66中類，413小類以及1912細(xì)類(職業(yè))，每個(gè)職業(yè)包含了簡(jiǎn)單的職業(yè)描述及主要從事的工作等信息。中僅包含各職業(yè)名稱及簡(jiǎn)單的主要工作內(nèi)容等信息，無(wú)法直接利用該數(shù)據(jù)庫(kù)預(yù)測(cè)中國(guó)職業(yè)的潛在替代風(fēng)險(xiǎn)，因此，本文嘗試從中美職業(yè)匹配的角度獲得中國(guó)職業(yè)的潛在替代風(fēng)險(xiǎn)值。

客觀來(lái)說(shuō)，因產(chǎn)業(yè)發(fā)展水平、歷史等因素的影響，中美兩國(guó)在職業(yè)分類、結(jié)構(gòu)等方面存在明顯差異(5)美國(guó)O*net數(shù)據(jù)庫(kù)將職業(yè)分為14個(gè)職業(yè)集群(Career Cluster)，73個(gè)職業(yè)路徑(Career Pathway)，967個(gè)職業(yè)(Occupation)。。但是，一方面，中美職業(yè)分類標(biāo)準(zhǔn)皆參考了國(guó)際勞工組織頒布的國(guó)際標(biāo)準(zhǔn)職業(yè)分類，具有一定的共性；另一方面，國(guó)內(nèi)外學(xué)者也已嘗試使用類似數(shù)據(jù)庫(kù)分析他國(guó)相關(guān)問(wèn)題[33,39,49]，考慮到研究的必要性，本文亦將通過(guò)職業(yè)匹配的方式研究中國(guó)的潛在職業(yè)替代風(fēng)險(xiǎn)問(wèn)題，并假設(shè)匹配后兩國(guó)的職業(yè)在工作內(nèi)容、能力要求上并無(wú)顯著區(qū)別。

為盡量提高職業(yè)匹配的準(zhǔn)確性，降低工作難度，本文將基于以下原則進(jìn)行分類：第一，將美國(guó)的職業(yè)匹配至中國(guó)的職業(yè)小類；第二，對(duì)兩國(guó)名稱相同或類似的職業(yè)，在對(duì)比兩國(guó)職業(yè)介紹后，直接歸入相應(yīng)中國(guó)職業(yè)小類；第三，對(duì)于兩國(guó)名稱完全不同的職業(yè)，將基于中國(guó)職業(yè)小類中各職業(yè)細(xì)類的工作內(nèi)容與美國(guó)職業(yè)的相關(guān)信息綜合判斷，確實(shí)不存在的，則用美國(guó)最相關(guān)職業(yè)代替；第四，對(duì)于中國(guó)職業(yè)小類中類似于“其他工程技術(shù)人員”的情況，考慮到職業(yè)中類與大類都存在“其他……”，若職業(yè)小類的“其他……”類別無(wú)具體職業(yè)，則該類別為空，反之，則正常歸類；第五，對(duì)于中國(guó)職業(yè)大類中“不便分類的其他從業(yè)人員”，則將美國(guó)職業(yè)中確實(shí)無(wú)法對(duì)應(yīng)于中國(guó)職業(yè)小類的皆歸至此類。具體匹配結(jié)果的數(shù)量統(tǒng)計(jì)參見表8。

表8 中美職業(yè)匹配結(jié)果

將美國(guó)職業(yè)歸類至相應(yīng)的中國(guó)職業(yè)小類后，由于未分到職業(yè)細(xì)類，因此，各職業(yè)小類的潛在替代風(fēng)險(xiǎn)等于被歸類的相應(yīng)美國(guó)職業(yè)潛在替代風(fēng)險(xiǎn)的平均數(shù)，依次得到分職業(yè)小類的中國(guó)職業(yè)潛在替代風(fēng)險(xiǎn)數(shù)據(jù)；同時(shí)，將某一職業(yè)小類就業(yè)數(shù)占該職業(yè)中類就業(yè)數(shù)的比例作為權(quán)重(6)本文的中國(guó)職業(yè)就業(yè)量數(shù)據(jù)選取自2010年中國(guó)人口普查資料中的“分性別、職業(yè)小類、周工作時(shí)間的正在工作人口”數(shù)據(jù)表，其中，若職業(yè)小類中“其他……”類別未分配職業(yè)，則該類別就業(yè)量將平均分至該職業(yè)中類中的其余各職業(yè)小類。，乘以對(duì)應(yīng)的職業(yè)小類的職業(yè)潛在替代風(fēng)險(xiǎn)就得到相應(yīng)的職業(yè)中類的職業(yè)潛在替代風(fēng)險(xiǎn)；以此類推，得到職業(yè)大類的職業(yè)潛在替代風(fēng)險(xiǎn)與中國(guó)整體的職業(yè)潛在替代風(fēng)險(xiǎn)。

基于美國(guó)職業(yè)匹配的中國(guó)職業(yè)的分職業(yè)中類與職業(yè)大類的潛在被替代風(fēng)險(xiǎn)如圖3和圖4所示。

圖3 分職業(yè)中類的職業(yè)潛在被替代風(fēng)險(xiǎn)

由圖3可知，管理，培訓(xùn)教育，專業(yè)技術(shù)，宗教職業(yè)等社交性、專業(yè)性要求較高的職業(yè)的潛在替代風(fēng)險(xiǎn)較低，而生產(chǎn)制造，物流運(yùn)輸?shù)戎貜?fù)性、程序性任務(wù)較多的職業(yè)潛在替代風(fēng)險(xiǎn)較高，其中，郵政和電信業(yè)務(wù)人員，煙草及其制品加工人員，金屬冶煉、軋制人員等18個(gè)職業(yè)中類的潛在職業(yè)替代風(fēng)險(xiǎn)超過(guò)了70%。這一趨勢(shì)和美國(guó)職業(yè)的潛在被替代風(fēng)險(xiǎn)分布趨勢(shì)基本一致。

圖4 分職業(yè)大類的職業(yè)潛在被替代風(fēng)險(xiǎn)

從職業(yè)大類看，如圖4所示，生產(chǎn)、運(yùn)輸設(shè)備操作人員及有關(guān)人員，農(nóng)、林、牧、漁、水利業(yè)生產(chǎn)人員的職業(yè)潛在替代風(fēng)險(xiǎn)均超過(guò)60%，而國(guó)家機(jī)關(guān)、黨群組織、企業(yè)、事業(yè)單位負(fù)責(zé)人，專業(yè)技術(shù)人員的職業(yè)潛在替代風(fēng)險(xiǎn)均低于40%，這一結(jié)果顯示，一方面，第一、二、三次工業(yè)革命引發(fā)的勞動(dòng)力從第一產(chǎn)業(yè)到第二產(chǎn)業(yè)，再到第三產(chǎn)業(yè)的轉(zhuǎn)移趨勢(shì)仍將持續(xù)；另一方面，人工智能對(duì)當(dāng)前職業(yè)的沖擊將不僅局限于第一、二產(chǎn)業(yè)，包括商業(yè)、服務(wù)業(yè)人員，辦事人員和有關(guān)人員在內(nèi)的其他職業(yè)也將受到人工智能發(fā)展的顯著影響。

從總體來(lái)看，未來(lái)20年的時(shí)間里，基于2010年全國(guó)人口普查的職業(yè)大類就業(yè)人口的加權(quán)表明，中國(guó)職業(yè)整體的替代風(fēng)險(xiǎn)為59.5%，即假設(shè)就業(yè)結(jié)構(gòu)不發(fā)生大的變化(7)這當(dāng)然是不可能的，實(shí)際上，隨著人工智能技術(shù)在各行業(yè)的廣泛應(yīng)用，其就業(yè)結(jié)構(gòu)將逐漸發(fā)生變化，所影響的就業(yè)人口比例也將發(fā)生變化，但其總的判斷趨勢(shì)是不變的。，大約59.5%的中國(guó)就業(yè)崗位在未來(lái)20年后將受到來(lái)自人工智能技術(shù)的沖擊。即使僅統(tǒng)計(jì)替代風(fēng)險(xiǎn)高于70%的18個(gè)職業(yè)中類的2010年就業(yè)人口，這一就業(yè)比例也將高達(dá)15.11%，可見，人工智能技術(shù)的發(fā)展應(yīng)用對(duì)中國(guó)職業(yè)與勞動(dòng)力的影響不容忽視。

但是，本文的測(cè)算結(jié)果遠(yuǎn)低于陳永偉、許多的研究結(jié)論，他們研究認(rèn)為未來(lái)中國(guó)將有70%甚至76%的就業(yè)崗位受到?jīng)_擊[39]。兩者結(jié)果的差異與分類方法選取以及對(duì)人工智能技術(shù)發(fā)展水平估計(jì)的不同密切相關(guān)，陳永偉、許多的研究建立在弗雷和奧斯本的研究基礎(chǔ)之上，一般來(lái)說(shuō)，隨機(jī)森林分類器較貝葉斯分類器具有更低的過(guò)擬合風(fēng)險(xiǎn)，且本文對(duì)當(dāng)前人工智能技術(shù)的發(fā)展水平的估計(jì)更為謹(jǐn)慎，因此，其結(jié)果可能更貼近現(xiàn)實(shí)情況。

(3)中國(guó)潛在職業(yè)替代風(fēng)險(xiǎn)與受教育程度、收入水平的關(guān)系。就傳統(tǒng)自動(dòng)化與受教育程度、收入水平的關(guān)系來(lái)看，部分學(xué)者認(rèn)為，自動(dòng)化對(duì)高收入、高教育程度勞動(dòng)力的影響遠(yuǎn)低于中低收入、中低教育程度的影響，那么對(duì)于中國(guó)來(lái)說(shuō)，人工智能技術(shù)引致的職業(yè)潛在被替代風(fēng)險(xiǎn)與就業(yè)人員的受教育程度、收入水平的關(guān)系又如何？本文嘗試使用中國(guó)勞動(dòng)力動(dòng)態(tài)調(diào)查數(shù)據(jù)(CLDS)對(duì)其進(jìn)行初步的分析。

中國(guó)勞動(dòng)力動(dòng)態(tài)調(diào)查是由中山大學(xué)主持，包含了中國(guó)城鄉(xiāng)家庭、勞動(dòng)力個(gè)體動(dòng)態(tài)追蹤調(diào)查數(shù)據(jù)，并對(duì)勞動(dòng)個(gè)體的收入、受教育程度等信息按照職業(yè)小類、中類與大類進(jìn)行了分類統(tǒng)計(jì)，本文使用2012年中國(guó)勞動(dòng)力動(dòng)態(tài)調(diào)查相關(guān)數(shù)據(jù)進(jìn)行分析，在剔除了異常值后，職業(yè)的潛在被替代風(fēng)險(xiǎn)與受教育等級(jí)部分的有效職業(yè)樣本數(shù)為216個(gè)，職業(yè)的潛在被替代風(fēng)險(xiǎn)與收入水平的有效職業(yè)樣本數(shù)為222個(gè)。

在教育方面，由圖5可知，總體來(lái)看，當(dāng)前職業(yè)的受教育程度與職業(yè)的潛在被替代風(fēng)險(xiǎn)負(fù)相關(guān)，職業(yè)小類的勞動(dòng)者受教育程度越高，其職業(yè)潛在被替代風(fēng)險(xiǎn)越小，反之，其職業(yè)潛在被替代風(fēng)險(xiǎn)越高，這表明接受更高水平的教育依然是勞動(dòng)者在未來(lái)保持就業(yè)競(jìng)爭(zhēng)力的重要手段。

圖5 職業(yè)的潛在被替代風(fēng)險(xiǎn)與受教育程度散點(diǎn)圖

圖6 職業(yè)的潛在被替代風(fēng)險(xiǎn)與收入水平散點(diǎn)圖

在收入方面，由圖6可知，總體來(lái)看，當(dāng)前職業(yè)的收入水平與潛在的職業(yè)被替代風(fēng)險(xiǎn)負(fù)相關(guān)，但R2方僅為0.09，表明這種負(fù)相關(guān)關(guān)系并不穩(wěn)定，還需進(jìn)一步分類研究，實(shí)際上，就收入來(lái)說(shuō)，大量的白領(lǐng)職業(yè)屬于中等收入階層，但其中一定比例的職業(yè)崗位存在較高被替代風(fēng)險(xiǎn)，當(dāng)然，低收入的群體同樣存在較大的被替代風(fēng)險(xiǎn)。

五、研究結(jié)論及啟示

1.研究結(jié)論

本文借助隨機(jī)森林分類器法，基于O*net數(shù)據(jù)庫(kù)與前人研究，構(gòu)建特征、標(biāo)簽變量，預(yù)測(cè)了當(dāng)前人工智能技術(shù)影響下職業(yè)的潛在被替代風(fēng)險(xiǎn)，同時(shí)，匹配了中美兩國(guó)職業(yè)，分析了中國(guó)職業(yè)的潛在被替代風(fēng)險(xiǎn)分布，并初步探索了其與職業(yè)的受教育程度、收入水平的關(guān)系，初步得出了以下兩點(diǎn)結(jié)論。

第一，基于O*net數(shù)據(jù)庫(kù)的潛在職業(yè)替代風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果以及與中國(guó)國(guó)家職業(yè)資格管理數(shù)據(jù)庫(kù)的數(shù)據(jù)匹配結(jié)果表明：首先，就具體職業(yè)或職業(yè)中類來(lái)說(shuō)，包括某些白領(lǐng)在內(nèi)的程序性、重復(fù)性認(rèn)知或體力任務(wù)較多的職業(yè)將會(huì)受到更大的沖擊，而包括研究崗位、社交崗位、管理崗位、專業(yè)性崗位在內(nèi)的非程序性認(rèn)知或體力勞動(dòng)的潛在替代風(fēng)險(xiǎn)則較低；其次，就職業(yè)集群或職業(yè)大類來(lái)說(shuō)，制造業(yè)，運(yùn)輸分配物流職業(yè)群或生產(chǎn)、運(yùn)輸設(shè)備操作人員及有關(guān)人員等職業(yè)大類的潛在替代風(fēng)險(xiǎn)均值最高，而培訓(xùn)教育，科學(xué)、技術(shù)、工程與數(shù)學(xué)職業(yè)群或國(guó)家機(jī)關(guān)、黨群組織、企業(yè)、事業(yè)單位負(fù)責(zé)人等職業(yè)大類的潛在替代風(fēng)險(xiǎn)均值最低；最后，就整體來(lái)看，處于高替代風(fēng)險(xiǎn)的職業(yè)數(shù)占當(dāng)前職業(yè)總數(shù)的24.7%，同時(shí)，經(jīng)過(guò)就業(yè)人口加權(quán)的中國(guó)職業(yè)替代概率為59.5%，即未來(lái)大約59.5%的中國(guó)就業(yè)崗位將受到人工智能的沖擊。

第二，基于中國(guó)職業(yè)潛在替代風(fēng)險(xiǎn)與受教育程度、收入水平關(guān)系的初步分析結(jié)果表明：首先，從受教育程度來(lái)看，該職業(yè)從業(yè)人員的受教育程度與職業(yè)的潛在替代風(fēng)險(xiǎn)呈現(xiàn)負(fù)相關(guān)關(guān)系，隨著該職業(yè)從業(yè)人員受教育程度提高，其職業(yè)的潛在替代風(fēng)險(xiǎn)在下降，教育依然是未來(lái)勞動(dòng)力維持就業(yè)市場(chǎng)競(jìng)爭(zhēng)力的重要手段；其次，從收入水平來(lái)說(shuō)，該職業(yè)從業(yè)人員的收入水平與職業(yè)潛在替代風(fēng)險(xiǎn)的負(fù)相關(guān)關(guān)系并不明顯。實(shí)際上，由于大量程序性認(rèn)知?jiǎng)趧?dòng)存在于某些中等收入的白領(lǐng)群體之中，特別是在財(cái)務(wù)金融領(lǐng)域，而這部分群體的潛在職業(yè)替代風(fēng)險(xiǎn)較高。因此，在日新月異的現(xiàn)代社會(huì)，傳統(tǒng)的中高收入群體并非高枕無(wú)憂，人工智能將對(duì)當(dāng)今社會(huì)的各個(gè)領(lǐng)域產(chǎn)生全方位沖擊。

2.研究啟示

人工智能的介入既延續(xù)了傳統(tǒng)體力自動(dòng)化的過(guò)程，又開啟了全面智力自動(dòng)化的過(guò)程，進(jìn)一步重構(gòu)了未來(lái)就業(yè)市場(chǎng)的供給結(jié)構(gòu)，從而對(duì)勞動(dòng)力與就業(yè)市場(chǎng)產(chǎn)生深遠(yuǎn)影響，具體來(lái)看，可以從以下四個(gè)方面進(jìn)行闡述。

(1)傳統(tǒng)的勞動(dòng)力市場(chǎng)變化趨勢(shì)將得到延續(xù)。從就業(yè)的產(chǎn)業(yè)結(jié)構(gòu)看，過(guò)去的兩百多年間人類社會(huì)的勞動(dòng)力流動(dòng)經(jīng)歷了從農(nóng)業(yè)、手工業(yè)到工業(yè)再到第三產(chǎn)業(yè)的變化，第一、二產(chǎn)業(yè)就業(yè)比重逐漸下降，第三產(chǎn)業(yè)就業(yè)比重持續(xù)上升。數(shù)據(jù)顯示，中國(guó)第一、二產(chǎn)業(yè)的就業(yè)比重從2000年的50%與22.5%降低至2017年的27%與28.1%，第三產(chǎn)業(yè)的就業(yè)比重則從27.5%上升至44.9%(8)根據(jù)國(guó)家統(tǒng)計(jì)局相關(guān)年度數(shù)據(jù)測(cè)算得出。，但同期美國(guó)第一、二、三產(chǎn)業(yè)就業(yè)占比分別為0.3%、10.35%、89.35%(9)根據(jù)美國(guó)勞工局公布的國(guó)家職業(yè)就業(yè)量統(tǒng)計(jì)數(shù)據(jù)中“Farming, Fishing, and Forestry Occupations”職業(yè)項(xiàng)就業(yè)量占總體職業(yè)就業(yè)量的比重，“Production Occupations”、“Construction and Extraction Occupations”就業(yè)量占總體職業(yè)就業(yè)量的比重，與其余職業(yè)項(xiàng)就業(yè)量占總體職業(yè)就業(yè)量的比重得出。?？紤]到人工智能技術(shù)的推動(dòng)，未來(lái)中國(guó)仍將總體延續(xù)這一趨勢(shì)。

研究表明，人工智能技術(shù)對(duì)職業(yè)的影響是全局性的，但是，第一、二產(chǎn)業(yè)相關(guān)職業(yè)受到的沖擊最大，大量潛在被替代風(fēng)險(xiǎn)高于70%的當(dāng)前職業(yè)分布在第一、二產(chǎn)業(yè)，相比較而言，第三產(chǎn)業(yè)的總體職業(yè)潛在被替代風(fēng)險(xiǎn)仍較低，因此，第一、二產(chǎn)業(yè)的勞動(dòng)力將進(jìn)一步轉(zhuǎn)移至第三產(chǎn)業(yè)。根據(jù)保守測(cè)算，中國(guó)15.11%的就業(yè)群體主要從事于當(dāng)前潛在被替代風(fēng)險(xiǎn)高于70%的職業(yè)中類崗位，涉及約1.15億的就業(yè)人口(10)根據(jù)2010年第六次全國(guó)人口普查數(shù)據(jù)，2010年中國(guó)就業(yè)人口7.611億，當(dāng)然，因未來(lái)就業(yè)結(jié)構(gòu)的不同，其結(jié)果也不盡相同。?？紤]到未來(lái)技術(shù)替代成本的降低導(dǎo)致的智能體的大量引入以及老年勞動(dòng)力的退出，未來(lái)這類職業(yè)的勞動(dòng)力需求與規(guī)模將進(jìn)一步減少，因此，其影響規(guī)模將低于這一估計(jì)值，但是，對(duì)于依舊從事該類職業(yè)的從業(yè)人員來(lái)說(shuō)，在未來(lái)15—20年將面臨日益嚴(yán)峻的失業(yè)可能性，從而給再就業(yè)工作造成一定壓力。

就第三產(chǎn)業(yè)來(lái)說(shuō)，其內(nèi)部不同職業(yè)之間的潛在被替代風(fēng)險(xiǎn)也存在差異，郵政電信、辦公室文員等職業(yè)的從業(yè)者面臨極大的失業(yè)風(fēng)險(xiǎn)，數(shù)據(jù)顯示，職業(yè)分類中，郵政和電信業(yè)務(wù)人員的潛在被替代風(fēng)險(xiǎn)達(dá)82%，倉(cāng)儲(chǔ)人員的潛在被替代風(fēng)險(xiǎn)也達(dá)到71%，而管理、教學(xué)、研究等職業(yè)的被替代風(fēng)險(xiǎn)較低，其中企業(yè)負(fù)責(zé)人的潛在被替代風(fēng)險(xiǎn)為16%，科學(xué)研究人員的潛在被替代風(fēng)險(xiǎn)則為25%，因此，第三產(chǎn)業(yè)的內(nèi)部職業(yè)分化也將加劇，那些涉及管理、研究、生命安全的醫(yī)療護(hù)理職業(yè)以及強(qiáng)調(diào)心理舒緩等工作的社交撫慰型職業(yè)[58]，將會(huì)繼續(xù)保持旺盛的勞動(dòng)力需求。

(2)生產(chǎn)、運(yùn)輸設(shè)備操作人員及有關(guān)人員將面臨較大替代風(fēng)險(xiǎn)。 根據(jù)預(yù)測(cè)結(jié)果與歷史經(jīng)驗(yàn)，在當(dāng)前職業(yè)體系中，雖然會(huì)被 AI 完全替代的職業(yè)僅占極小的 一部分，但即使不考慮新職業(yè)，因在提升生產(chǎn)效率上的顯著優(yōu)勢(shì)，人工智能技術(shù)的應(yīng)用將極大降低第一、二產(chǎn)業(yè)與部分第三產(chǎn)業(yè)對(duì)人類勞動(dòng)力的需求，減少傳統(tǒng)職業(yè)的崗位數(shù)。

就目前研究結(jié)果來(lái)看，勞動(dòng)力需求降低幅度最大的職業(yè)大類可能分布在第二產(chǎn)業(yè)的生產(chǎn)、 運(yùn)輸設(shè)備操作人員及有關(guān)人員相關(guān)職業(yè)之中，其平均潛在被替代風(fēng)險(xiǎn)達(dá) 68%，其次則可能分布在第一產(chǎn)業(yè)的農(nóng)、林、牧、漁、水利業(yè)生產(chǎn)人員相關(guān)職業(yè)之中，相比較而言，第三產(chǎn)業(yè)的國(guó)家機(jī)關(guān)、黨群組織、企業(yè)、事業(yè)單位負(fù)責(zé)人相關(guān)職業(yè)以及專業(yè)技術(shù)人員相關(guān)職業(yè)所受影響較小，其平均潛在被替代風(fēng)險(xiǎn)僅分別為15%、35%。而結(jié)合當(dāng)前勞動(dòng)力年齡結(jié)構(gòu)數(shù)據(jù)的分析可以發(fā)現(xiàn)，未來(lái)生產(chǎn)、運(yùn)輸設(shè)備操作人員及有關(guān)人員將面臨較大替代風(fēng)險(xiǎn)。

具體來(lái)說(shuō)，生產(chǎn)、運(yùn)輸設(shè)備操作人員及有關(guān)人員的從業(yè)人員數(shù)量?jī)H次于農(nóng)、林、牧、漁、水利業(yè)的相關(guān)職業(yè)，45歲及以上年齡段及44歲及以下年齡段占中國(guó)從業(yè)人員比重分別達(dá)14%和27%，同時(shí)，45歲及以上年齡段僅占該職業(yè)大類從業(yè)人員的22%(11)根據(jù)2010年第六次人口普查數(shù)據(jù)測(cè)算得出。，表明存在大量44歲及以下的年輕從業(yè)人員，由于該職業(yè)大類的替代風(fēng)險(xiǎn)最高(68%強(qiáng))，因此，替代型AI的應(yīng)用將在未來(lái)對(duì)其就業(yè)產(chǎn)生巨大沖擊，因此，雖然在生產(chǎn)、運(yùn)輸設(shè)備操作人員及有關(guān)人員所從事的行業(yè)存在較大的生產(chǎn)效率提升空間，但考慮到AI應(yīng)用對(duì)這一職業(yè)就業(yè)的廣泛影響，應(yīng)對(duì)涉及的不同職業(yè)中類及小類進(jìn)行具體分析，對(duì)于年輕勞動(dòng)力較多的職業(yè)，應(yīng)更多采用更為溫和的輔助型AI系統(tǒng)，以更加審慎的態(tài)度推進(jìn)人工智能的系統(tǒng)性應(yīng)用。

(3)老齡化趨勢(shì)下勞動(dòng)力供給下降問(wèn)題將得到緩解。改革開放以來(lái)，中國(guó)人口出生率顯著下降，老齡化程度不斷加深，這一現(xiàn)象引起了社會(huì)各界的廣泛關(guān)注。短期來(lái)看，人口出生率自高到低的快速變化降低了少兒撫養(yǎng)比，提高了勞動(dòng)年齡人口的占比，釋放了大量的人口紅利，這也是中國(guó)經(jīng)濟(jì)快速發(fā)展的重要?jiǎng)恿59]；但隨著大批勞動(dòng)年齡人口的逐漸老化，又將產(chǎn)生大量人口負(fù)債，根據(jù)國(guó)際經(jīng)驗(yàn)，低出生率趨勢(shì)一旦形成，將很難通過(guò)政策等手段進(jìn)行扭轉(zhuǎn)，因此，低出生率與勞動(dòng)年齡人口比重的降低將是未來(lái)大趨勢(shì)，這也引發(fā)了學(xué)者關(guān)于老齡化對(duì)中國(guó)經(jīng)濟(jì)負(fù)面影響的極大憂慮。

基于人工智能發(fā)展背景下的勞動(dòng)力市場(chǎng)供需關(guān)系來(lái)看，在勞動(dòng)力供給方面，AI、5G、物聯(lián)網(wǎng)等技術(shù)的廣泛應(yīng)用將會(huì)增加勞動(dòng)供給，顯著緩解因勞動(dòng)年齡人口規(guī)模下降所帶來(lái)的潛在不利影響，具體可表現(xiàn)為兩個(gè)方面：首先，工作模式的創(chuàng)新將進(jìn)一步釋放原從業(yè)人員的勞動(dòng)潛力，增加轉(zhuǎn)移型勞動(dòng)供給。對(duì)于一些行業(yè)的職業(yè)來(lái)說(shuō)，如研究、醫(yī)療、管理等職業(yè)，由于技術(shù)、成本或接受程度等方面的原因，智能體將更多承擔(dān)輔助性的工作，智能體負(fù)責(zé)例行、重復(fù)性優(yōu)化任務(wù)，人類負(fù)責(zé)創(chuàng)意、戰(zhàn)略與交際性工作任務(wù)，通過(guò)類似的人機(jī)合作工作模式，相對(duì)于其他工作模式，能夠取得更高的工作效率，因此，輔助型智能體的引入，將釋放大量原職業(yè)中的勞動(dòng)力，并通過(guò)再就業(yè)等方式轉(zhuǎn)移至諸如服務(wù)業(yè)在內(nèi)的其他低替代風(fēng)險(xiǎn)職業(yè)，使之成為其他行業(yè)勞動(dòng)供給的一部分；其次，輔助型AI的介入將提升老年人口的勞動(dòng)參與率，增加老年人口的勞動(dòng)供給。輔助型AI在力量、體能、反應(yīng)速度等方面的突出優(yōu)勢(shì)能夠有效補(bǔ)足老年群體在相關(guān)工作能力上的短板，通過(guò)重構(gòu)工作流程，協(xié)調(diào)智能體與人類的勞動(dòng)分工，取長(zhǎng)補(bǔ)短，將使大量體力資源有限但腦力資源豐富，且仍有從業(yè)意愿的原退休人員、失能人員重新加入就業(yè)市場(chǎng)，增加就業(yè)市場(chǎng)的勞動(dòng)供給。

在勞動(dòng)力需求方面，包括AI、5G、物聯(lián)網(wǎng)等技術(shù)的廣泛應(yīng)用將進(jìn)一步減少單位產(chǎn)品生產(chǎn)的勞動(dòng)力需求。實(shí)際上，人口規(guī)模并非推動(dòng)經(jīng)濟(jì)發(fā)展的唯一因素，資本與技術(shù)同樣發(fā)揮著關(guān)鍵作用[60]。隨著技術(shù)的進(jìn)步，人口規(guī)模要素的重要性亦將持續(xù)下降，具體可以表現(xiàn)為兩個(gè)方面：首先，中國(guó)的產(chǎn)業(yè)升級(jí)趨勢(shì)將減少低端勞動(dòng)力需求。從全球產(chǎn)業(yè)分工看，生產(chǎn)、加工等勞動(dòng)密集型產(chǎn)業(yè)主要分布在發(fā)展中國(guó)家，設(shè)計(jì)和研究等資本、技術(shù)密集型產(chǎn)業(yè)主要分布在發(fā)達(dá)國(guó)家，隨著中國(guó)創(chuàng)新與勞動(dòng)力技能水平的提升，產(chǎn)業(yè)升級(jí)的客觀要求將推動(dòng)中國(guó)勞動(dòng)密集型產(chǎn)業(yè)的逐步收縮，從而減少未來(lái)的低端勞動(dòng)力需求。其次，技術(shù)革命對(duì)勞動(dòng)力具有替代效應(yīng)，部分表現(xiàn)為機(jī)器勞動(dòng)對(duì)某些行業(yè)人類勞動(dòng)的擠出，考慮到人工智能技術(shù)在工作能力上的突出表現(xiàn)，這種替代效應(yīng)將更為明顯。研究結(jié)果顯示，生產(chǎn)制造與物流運(yùn)輸行業(yè)中的職業(yè)存在較高潛在被替代風(fēng)險(xiǎn)，諸如特斯拉、富士康等無(wú)人工廠的出現(xiàn)預(yù)示著未來(lái)大量相關(guān)職業(yè)的人類勞動(dòng)者將被智能體所替代，這將進(jìn)一步降低未來(lái)特定行業(yè)的勞動(dòng)力需求。

因此，人口出生率的下降并非洪水猛獸，勞動(dòng)年齡人口總量的降低也無(wú)須過(guò)度恐慌，在技術(shù)進(jìn)步與產(chǎn)業(yè)升級(jí)所引發(fā)的勞動(dòng)力需求下降的同時(shí)，老齡化背景下的人工智能、5G、物聯(lián)網(wǎng)等技術(shù)應(yīng)用將通過(guò)智能體的職業(yè)崗位的替代性介入有效緩解未來(lái)可能存在的中青年勞動(dòng)力的短缺問(wèn)題，通過(guò)智能體的工作內(nèi)容的輔助性支持提高老年群體的勞動(dòng)參與率，從而在就業(yè)市場(chǎng)上產(chǎn)生更多的補(bǔ)位式替代效應(yīng)[45]，釋放更多的勞動(dòng)潛力，所以，在技術(shù)手段的支撐與相關(guān)政策的推動(dòng)下，老齡化所引起的勞動(dòng)力短缺或?qū)⒎侵袊?guó)未來(lái)發(fā)展的重要挑戰(zhàn)。

然而，隨著智能體替代進(jìn)程的深入，未來(lái)可能出現(xiàn)新的變化。尤瓦爾·赫拉利就曾在《未來(lái)簡(jiǎn)史》中指出，人工智能在工作上的出色表現(xiàn)將使大量的人類工作者的職業(yè)能力在經(jīng)濟(jì)上無(wú)價(jià)值[61]，此觀點(diǎn)雖存在爭(zhēng)議，但反映了一種可能性，即在人工智能時(shí)代，當(dāng)大量掌握已被淘汰工作技能的人群產(chǎn)生時(shí)，即使這種“無(wú)價(jià)值”狀態(tài)可以通過(guò)職業(yè)培訓(xùn)等方式進(jìn)行扭轉(zhuǎn)，在短期內(nèi)也將對(duì)整個(gè)社會(huì)造成前所未有的沖擊，這一群體的規(guī)模越大，其影響力越強(qiáng)。所以，人口老齡化引發(fā)的勞動(dòng)力人口不足在未來(lái)可能將轉(zhuǎn)化為勞動(dòng)力過(guò)剩的問(wèn)題，面對(duì)這一風(fēng)險(xiǎn)，提高人口質(zhì)量而非人口數(shù)量，才是未來(lái)發(fā)展的關(guān)鍵所在。

(4)應(yīng)重視人口質(zhì)量的建設(shè)。傳統(tǒng)人口紅利理論關(guān)注勞動(dòng)年齡人口的比重，更多地強(qiáng)調(diào)數(shù)量而非質(zhì)量，但是，科技革命提升了對(duì)勞動(dòng)力素質(zhì)的要求，人口質(zhì)量即高技能、學(xué)歷人才的占比日益成為新的人口紅利。中國(guó)作為人口大國(guó)，經(jīng)過(guò)長(zhǎng)期的教育普及，高技能、學(xué)歷人才的規(guī)模逐步擴(kuò)大，隨著教育的深化與人口代際的更替，人口質(zhì)量紅利將逐步顯現(xiàn)。

在農(nóng)業(yè)社會(huì)，體力性勞動(dòng)占據(jù)著整個(gè)人類勞動(dòng)的主要部分，技能性勞動(dòng)與創(chuàng)新性勞動(dòng)的比例極低，而到了工業(yè)革命時(shí)期，科技進(jìn)步使得大多數(shù)人類勞動(dòng)者從體力性勞動(dòng)中解放出來(lái)，更多地從事技能性與創(chuàng)新性勞動(dòng)，而在智能社會(huì)，設(shè)備執(zhí)行器與機(jī)器學(xué)習(xí)算法賦予了智能體較強(qiáng)的體力與學(xué)習(xí)能力，使之逐漸具備了替代體力、技能勞動(dòng)的技術(shù)條件，創(chuàng)新活動(dòng)可能成為未來(lái)人類勞動(dòng)的核心部分，因此，具有創(chuàng)新能力的人才規(guī)模將成為衡量智能社會(huì)中一國(guó)人口質(zhì)量的關(guān)鍵指標(biāo)。實(shí)際上，中國(guó)政府一直強(qiáng)調(diào)“創(chuàng)新”的重要價(jià)值，2019年頒布的《中國(guó)教育現(xiàn)代化2035》即從教育戰(zhàn)略的高度關(guān)注了這一問(wèn)題，規(guī)劃指出了創(chuàng)新服務(wù)能力在教育現(xiàn)代化中的重要地位，強(qiáng)調(diào)了對(duì)教育組織形式、管理模式、人才培養(yǎng)模式、教學(xué)方式等方面的改革思路，突出了對(duì)學(xué)生創(chuàng)新精神、實(shí)踐能力的培養(yǎng)。

所以，為應(yīng)對(duì)人工智能背景下對(duì)人口質(zhì)量的新要求，結(jié)合職業(yè)新變化，創(chuàng)新人才培養(yǎng)教育模式已勢(shì)在必行，其中，在專業(yè)設(shè)置上，應(yīng)健全專業(yè)設(shè)置定期評(píng)估機(jī)制，鼓勵(lì)專業(yè)內(nèi)容隨產(chǎn)業(yè)升級(jí)與技術(shù)發(fā)展情況及時(shí)動(dòng)態(tài)更新，逐步弱化高替代風(fēng)險(xiǎn)的相關(guān)職業(yè)技能教育；在學(xué)科發(fā)展上，積極發(fā)展科學(xué)、技術(shù)、工程、數(shù)學(xué)學(xué)科(STEM)等學(xué)科教育，強(qiáng)調(diào)學(xué)科的交叉性、綜合性，全面推進(jìn)“新工科、新醫(yī)科、新農(nóng)科、新文科”等建設(shè)；在能力培養(yǎng)方面，主要圍繞知情的決策者、創(chuàng)新的研究者、高效的協(xié)作者、溫情的服務(wù)者等這類目標(biāo)，強(qiáng)調(diào)直覺決策、創(chuàng)新思維、人機(jī)協(xié)作、社交共情等能力的訓(xùn)練。

在職業(yè)教育方面，則應(yīng)關(guān)注AI等技術(shù)的職業(yè)替代效應(yīng)對(duì)教育投入的影響。2019年《政府工作報(bào)告》提出，要“進(jìn)行1500萬(wàn)人次以上的職工技能提升和轉(zhuǎn)崗轉(zhuǎn)業(yè)培訓(xùn)，……擴(kuò)招高職院校100萬(wàn)人”，同年頒布的《國(guó)家職業(yè)教育改革實(shí)施方案》強(qiáng)調(diào)，應(yīng)“圍繞現(xiàn)代農(nóng)業(yè)、先進(jìn)制造業(yè)、現(xiàn)代服務(wù)業(yè)、戰(zhàn)略性新興產(chǎn)業(yè)……開展職業(yè)培訓(xùn)”，這一系列政策將在短期內(nèi)極大緩解我國(guó)就業(yè)市場(chǎng)高技能人才緊缺的結(jié)構(gòu)性矛盾，但是，從長(zhǎng)期來(lái)看，在AI等技術(shù)影響下的制造物流等行業(yè)中，大量職業(yè)存在較高被替代風(fēng)險(xiǎn)，對(duì)于這類相關(guān)職業(yè)教育的過(guò)度投入可能將造成資源的浪費(fèi)，因此，職業(yè)課程的設(shè)置、技能的確定與提高必須適應(yīng)AI、物聯(lián)網(wǎng)等技術(shù)的發(fā)展要求，職業(yè)教育資源的投入也需根據(jù)對(duì)職業(yè)未來(lái)需求的預(yù)測(cè)評(píng)估進(jìn)行相應(yīng)調(diào)整。