人工智能背景下專業(yè)人才培養(yǎng)的發(fā)展路徑與方向

王奕俊 楊悠然

【摘 要】

人工智能技術(shù)被普遍認為是一種通用目的技術(shù)，將對勞動力技能和勞動力市場產(chǎn)生廣泛而深遠的影響，由此引起技能市場中關(guān)于技術(shù)性失業(yè)的憂慮和爭議。人工智能時代專業(yè)人才培養(yǎng)應(yīng)何去何從？為回答這一問題，從厘清弱人工智能和強人工智能的概念出發(fā)，在吸納經(jīng)典勞動經(jīng)濟學理論的基礎(chǔ)上，以Autor、Levy與Murnane創(chuàng)建的ALM模型為框架，以會計職業(yè)為例，利用美國職業(yè)信息教育網(wǎng)絡(luò)（O*net online）數(shù)據(jù)與中國相關(guān)數(shù)據(jù)，分析會計職業(yè)總體技能需求的變化，結(jié)果顯示在原本由程式化認知技能主導的會計職業(yè)中，非程式化認知技能與交互技能的需求在逐漸擴大并加速增長。進一步利用Python技術(shù)，對中國各大招聘網(wǎng)站的會計崗位招聘文本進行挖掘和詞頻分析，驗證了以上結(jié)果并將具體技能要素分析細化。針對人工智能背景下專業(yè)人才培養(yǎng)面臨的挑戰(zhàn)，提出了多層次、復合型、前端化和終身化等對策。

【關(guān)鍵詞】? 人工智能;弱人工智能;強人工智能;專業(yè)人才培養(yǎng);ALM模型;會計;程式化技能;非程式化技能;

招聘文本;數(shù)據(jù)挖掘;詞頻分析

【中圖分類號】? ?G642.0? ? ? ? 【文獻標識碼】? A? ? ? ?【文章編號】? 1009-458x（2020）1-0035-11

一、研究背景

如同第一次工業(yè)革命中的蒸汽機、第二次工業(yè)革命中的發(fā)電機以及信息時代的計算機和互聯(lián)網(wǎng)，人工智能（artificial intelligence，AI）被普遍認為是下一個時代的通用目的技術(shù)（general purpose technology，GPT）①。AI將會被廣泛地應(yīng)用到各個領(lǐng)域，持續(xù)促進生產(chǎn)率的提高，降低使用者的成本，以本身為基點促進互補技術(shù)創(chuàng)新和產(chǎn)品應(yīng)用，進而引導生產(chǎn)、流通和組織管理方式的轉(zhuǎn)變（Bresnahan & Manuel， 1995）。目前，人工智能作為GTP進入發(fā)展快車道已成為必然趨勢，并將直接或間接地影響到勞動力市場的運行機制，由此引起了各界的大規(guī)模討論：很多學者以技術(shù)進步的歷史經(jīng)驗為根據(jù)，將人工智能視為促進勞動力升級迭代的重要動力（Mokyr， 2017，pp. 43-77）。但也有悲觀技術(shù)主義者認為人工智能在釋放巨大生產(chǎn)力的同時會取代大多數(shù)人類職業(yè)（Summers， 2016; Gorden， 2016）。這種對技術(shù)性失業(yè)（technological unemployment）的擔憂在人工智能顯現(xiàn)出越來越強大能力的背景下被進一步放大。英國牛津大學馬丁學院（Oxford Martin School）2013年的智能機器人報告顯示，在未來10年～20年內(nèi)，英國35%的工作崗位將受到智能機器人的威脅，這一比例在美國為47%，而中國的工作崗位被替代率則高達77%。這些崗位集中在流水線工人、銀行柜員、零售員工、會計、翻譯等具體規(guī)范化的常規(guī)性操作工作，尤其是會計職業(yè)被評估為99%可能被替代的職業(yè)之一②。

技術(shù)的巨變也透過勞動力市場對人才培養(yǎng)產(chǎn)生深刻的影響，徹底改變?nèi)瞬排囵B(yǎng)的定位、內(nèi)涵與模式，尤其是專業(yè)人才，與工作實踐和技術(shù)應(yīng)用密切關(guān)聯(lián)是專業(yè)人才的重要特性，這也使得其成為人工智能挑戰(zhàn)的重要對象。專業(yè)人才強調(diào)對特定專業(yè)技術(shù)的掌握，涵蓋了從第一產(chǎn)業(yè)到第三產(chǎn)業(yè)中以自身專業(yè)技能謀生的勞動者，并對應(yīng)著各個專業(yè)領(lǐng)域與多個教育層級。因此，教育領(lǐng)域需要積極參與到人工智能討論框架中，分析人工智能及其相關(guān)新技術(shù)對我國勞動力市場技能轉(zhuǎn)變發(fā)展的影響，深入挖掘人工智能對專業(yè)人才培養(yǎng)的影響機制，為專業(yè)人才培養(yǎng)提供可供參考的建議與啟示。

二、文獻綜述

（一）關(guān)于勞動與技術(shù)關(guān)系的歷史論爭

現(xiàn)階段人工智能與勞動力之間的相互作用力仍隱蔽在混沌競爭的巨幕之下，但技術(shù)進步在歷史上與勞動力就業(yè)的關(guān)系問題從來不是一個新話題。早在古典經(jīng)濟學理論中就有關(guān)于“機器問題”的討論：亞當·斯密認為技術(shù)進步能夠帶來勞動力結(jié)構(gòu)變革，將機器發(fā)明與勞動分工結(jié)合起來可以實現(xiàn)對勞動力的節(jié)省。在機器大規(guī)模取代工人的19世紀，“盧德運動”引起了人們的反思，因此，大衛(wèi)·李嘉圖認為技術(shù)進步所帶來的機器排擠工人導致了技術(shù)性失業(yè)。勞動力素質(zhì)的提高以及產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整具有滯后性，無法在短期內(nèi)完全適配，后繼還會引發(fā)結(jié)構(gòu)性失業(yè)，但經(jīng)濟的后續(xù)發(fā)展可以補償就業(yè)負效應(yīng)。這一結(jié)論也帶來了后期新古典主義經(jīng)濟學家對就業(yè)補償機制充分發(fā)揮作用的條件進行不斷的探索，即“就業(yè)補償和創(chuàng)造”機制（Barro， 1991; Pissarides， 2000）。與此相對應(yīng)的是熊彼特主義的“創(chuàng)造性毀滅”機制（Aghion， Harris， & Howitt， 2001）?？梢?，技術(shù)進步對勞動力就業(yè)的效應(yīng)具有雙重性。20世紀70年代，計算機時代到來，美國技能勞動力供給增加和技能溢價同時上漲的現(xiàn)象出現(xiàn)，以Berman（1998）、Acemoglu（2003）和Hornstein（2005）等為代表的學者提出了技能偏向型技術(shù)進步（skill-biased technological change， SBTC）會影響勞動力就業(yè)和工資差距的理論：技能偏向型技術(shù)進步增加了對高技能勞動力的需求，減少了對低技能勞動力的需求，進而加劇了工資不平等。同時，有學者意識到了其中的教育問題，發(fā)現(xiàn)1960—1996年美國制造業(yè)就業(yè)人口中受過教育的人數(shù)幾乎增加了40%（Chun， 2003）。教育的價值在技術(shù)進步與勞動力就業(yè)及工資差異的關(guān)系中被重新發(fā)現(xiàn)。

隨著工作內(nèi)容數(shù)字化的推進，一些年輕學者開始運用現(xiàn)實數(shù)據(jù)和計量方法，以實證眼光看待計算機乃至人工智能對勞動力市場的沖擊。Autor、Levy和Murnane（2003）提出了ALM模型①來分析自動化對就業(yè)的影響：以計算機的工作方式為基準，生產(chǎn)需要兩種任務(wù)——程式化任務(wù)（routine task）和非程式化任務(wù)（nonroutine task）配合。其中，程式化任務(wù)多由低技能勞動完成，而非程式化任務(wù)則更多需要高技能勞動。經(jīng)過與美國職業(yè)數(shù)據(jù)大典（Dictionary of Occupational Titles，DOT）技能匹配，作者認為自動化目前只能用來完成程式化任務(wù)，而不能用來完成非程式化任務(wù)，因此它對低技能勞動形成了替代，而對高技能勞動則形成了互補。此后Goos和Manning（2007）利用英國數(shù)據(jù)對ALM模型的結(jié)論進行了檢驗，結(jié)果發(fā)現(xiàn)技術(shù)進步在英國也導致了“極化效應(yīng)”的出現(xiàn)。之后，F(xiàn)rey和Osborne（2013）以機器學習專業(yè)視角將70個職業(yè)手動歸類，對ALM模型進行了進一步的拓展。新的模型發(fā)現(xiàn)非程式化任務(wù)需要高技能勞動和低技能勞動的共同投入。Benzell等（2015）則在一個跨期迭代（OLG）模型中更明確地討論了機器人對勞動力進行替代的問題，并指出在一定條件下，機器人可以完全替代低技能工作，同時替代一部分高技能工作。這會導致對勞動力需求的減少和工資的下降。Acemoglu和Restrepo（2016）利用1990—2007年間美國勞動力市場的數(shù)據(jù)構(gòu)造了一個就業(yè)創(chuàng)造的模型。在模型中，自動化消滅某些就業(yè)崗位的同時也會創(chuàng)造出更具有比較優(yōu)勢的新就業(yè)崗位，因此其對就業(yè)的凈效應(yīng)要看兩種效應(yīng)的相對程度。

（二）人工智能背景下專業(yè)人才培養(yǎng)的探索

國內(nèi)教育領(lǐng)域圍繞人工智能背景展開的討論方興未艾，眾多學者在“人工智能”對傳統(tǒng)教育影響的話題中進行了有益探索：智能時代職業(yè)替代的維度與產(chǎn)業(yè)（王嵐， 2017）、人工智能在社會發(fā)展中扮演的角色（姜志堅， 2017; 王文靜， 2018）等問題一直是討論熱點。也有學者提出傳統(tǒng)職業(yè)人才培養(yǎng)模式無法適配智能化生產(chǎn)系統(tǒng)所帶來的工作過程去分工化、人才結(jié)構(gòu)去分層化、技能操作高端化、工作方法研究化、服務(wù)與生產(chǎn)一體化五大方面的改變（徐國慶， 2016）。有關(guān)學校教育培養(yǎng)理念與培養(yǎng)架構(gòu)在應(yīng)對人工智能挑戰(zhàn)過程中的困厄與機遇正在成為重要的研究方向。

特別是在我國的《中國制造2025》發(fā)布后，與人工智能觀念相近或聯(lián)系密切的“機器換人”“智能化”“工業(yè)4.0”（或“第四次工業(yè)革命”）等主題都成為教育研究的熱點話題。多領(lǐng)域開展交叉研究和深入研究之后，以劉曉（2015）為代表的“機器換人”討論更多地讓位于另外兩個宏觀且中性的主題并展現(xiàn)出逐年增長的研究產(chǎn)出量。同時，在更加微觀的專業(yè)教育層面，許多學者從行業(yè)的智能化發(fā)展出發(fā)，將該領(lǐng)域人才培養(yǎng)與體系建設(shè)提升到了更加重要的戰(zhàn)略高度，例如會計行業(yè)電算化推進（張林， 等， 2015; 陳瑤， 2019）和智慧財會背景下的人才能力提高（張媛， 等， 2018）。

綜上所述，現(xiàn)有研究已經(jīng)積累了大量關(guān)于技術(shù)進步與勞動力就業(yè)之間關(guān)系的研究成果，并在人工智能將對教育產(chǎn)生重大影響的觀點上達成共識，但現(xiàn)有研究存在以質(zhì)性研究為主、不夠深入等問題：首先，在研究主題上，對于人工智能概念界定不清，導致內(nèi)容多為陳述性與總結(jié)性內(nèi)容;在研究方法上，多采用思辨的方法，缺少有效的能直觀呈現(xiàn)數(shù)據(jù)的實證分析;在研究途徑上，沒有聚焦于某一具體行業(yè)，因而只能進行一般性的分析和討論。

因此，本文從人工智能的概念與發(fā)展階段出發(fā)，基于ALM模型，借助美國職業(yè)信息網(wǎng)絡(luò)數(shù)據(jù)（O*net online）以及行業(yè)相關(guān)權(quán)威數(shù)據(jù)，聚焦于會計這一被眾多機構(gòu)評價為人工智能高危的職業(yè)，探討人工智能對勞動力的影響程度、未來該職業(yè)的技能要求與發(fā)展方向等問題，進一步提出人工智能背景下專業(yè)人才培養(yǎng)的發(fā)展路徑與方向。

三、人工智能概念的澄清與梳理

（一）人工智能概念的進一步厘清

由于人工智能仍處于成長階段，又集合了眾多復雜抽象的新興技術(shù)，許多教育工作者對其的理解有偏差，缺少技術(shù)維度的思考。因此，厘清人工智能的概念是教育領(lǐng)域深入討論人工智能所引發(fā)的變革的第一步。實際上，國內(nèi)外專業(yè)學者對于人工智能的概念也有不同的理解。在發(fā)展初期，人工智能在著名綜述性研究《機器思維》（Machine Who Think）中曾被描述為具備等同于人類的思維、行動能力并在未來能夠超越人類相應(yīng)能力的“思考機器”（McCorduck， 1979， p. 245），這引導著部分人工智能走向?qū)巳祟惖姆较颉?/p>

但實際上目前多數(shù)人工智能權(quán)威報告中普遍認可斯坦福大學計算機科學教授尼爾斯·尼爾森（Nils Nilsson）在其著作《理解信念：人工智能的科學理解》（Artificial Intelligence： a New Synthesis， p. 7）中對人工智能的界定：“人工智能致力于使機器智能化，智能化是衡量實體在特定環(huán)境中反應(yīng)和判斷能力的定量指標。”這更強調(diào)和看重軟硬件系統(tǒng)的反應(yīng)與判斷能力。此后，對人工智能概念較為全面的描述來自麻省理工學院電氣工程領(lǐng)域的研究，即人工智能是一個有機整體，是通過模型建立的關(guān)于思維、感知和行動的表達系統(tǒng)，以生成測試法為基本運行方式，這一系統(tǒng)存在一定的約束條件并通過算法（程序或方法）實現(xiàn)約束條件的作用（Finlayson， 等， 2010）。

（二）人工智能發(fā)展的兩個階段

技術(shù)的發(fā)展具有階段性，不會一蹴而就，人工智能也不例外。哲學家約翰·塞爾（John Searle）在《心靈、大腦和程序》（Minds， Brains， and Programs）一文中提出了弱人工智能和強人工智能的劃分，加之他所提出的思想實驗“中文房間”（Chinese room），成為人工智能領(lǐng)域最著名的論斷之一。

弱人工智能（artificial narrow intelligence，ANI）只專注于完成某個特定的任務(wù)，如語音識別、圖像識別和翻譯，是擅長于單個方面的人工智能。它們只是為完成特定、具體的任務(wù)而存在，大都是利用統(tǒng)計數(shù)據(jù)進行模型歸納，如AlphaGo就是弱人工智能的典型代表。它并不懂得圍棋知識，只是記下了海量的“布局VS布局”映射關(guān)系，所謂的類推理能力是以現(xiàn)有的巨大體量的數(shù)據(jù)為基礎(chǔ)的（危輝， 2018）。由于弱人工智能只能模仿人類智能的子片段，即處理較為單一的問題，且發(fā)展程度并沒有達到模擬人腦思維的程度，所以弱人工智能仍然屬于“工具”的范疇，與傳統(tǒng)的“產(chǎn)品”在本質(zhì)上并無區(qū)別。因此，這一部分的人工智能將專注于覆蓋常規(guī)性操作的工作。

強人工智能（artificial general intelligence，AGI）是弱人工智能的下一發(fā)展階段，屬于人類級別的人工智能，在各方面都能和人類比肩，人類能干的腦力活它都能勝任。因此，其必須能夠理解自然語言，并在模仿人類行為時具有類似的心理活動（Searle， 1980）。它能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經(jīng)驗中學習等操作，并且和人類一樣得心應(yīng)手，這將使它們勝任非常規(guī)性的人類工作。

國際人工智能聯(lián)合會前主席、牛津大學計算機系主任邁克爾·伍爾德里奇（Michael Wooldridge）教授在2016年CCF-GAIR大會報告中表示：強人工智能“幾乎沒有進展”，甚至“幾乎沒有嚴肅的活動”①。事實上，人工智能國際主流學界所持的目標就是弱人工智能，圖像語音識別、機器翻譯、自動推理都是聚焦于特定類型的智能行為。同時，強人工智能復原人腦的實現(xiàn)路徑仍無頭緒。國際人工智能終身成就獎得主多倫多大學赫克托·萊韋斯克（Hector J. Levesque）教授在2017年的著作中表示，即便在最理想的情況下，神經(jīng)科學家也僅能獲得模擬人腦的“目標代碼”而已，沒有理由認為獲得了目標代碼就能還原出源代碼，因為這樣的“反向工程”即便對軟件程序來說也幾乎是不可能的，更何況神經(jīng)細胞內(nèi)部還存在著更為復雜的機制。

需要指出的是，強人工智能自提出以來就一直受到倫理學上的種種質(zhì)疑與限制。正如克隆人被主流生命科學界所禁止一樣，具有自主心智和獨立意識的強人工智能也是科學研究領(lǐng)域一個不能觸碰的“潘多拉魔盒”。雖然不斷有人提出機器人倫理準則，如阿西莫夫三定律②，但都存在根本性的重大邏輯缺陷。哈佛大學認知心理學家史蒂文·平克（Steven Pinker）就在論著《當下的啟蒙》（Enlightenment Now， p. 1342）中表明了態(tài)度：“人工智能就跟其他任何技術(shù)無異。它的發(fā)展是漸進的，目的是被用于滿足人類的各種需求。在投入執(zhí)行任務(wù)之前，它會經(jīng)受嚴格測試，并總是會在效能和安全之間取得平衡?！?/p>

本文對于人工智能的理解如下，這也是本文研究的前提，即人工智能是為實現(xiàn)特定任務(wù)目標而創(chuàng)造的能夠表現(xiàn)出與人類能力（認知、思維或行動）相似水平的技術(shù)。這一技術(shù)需要借助相應(yīng)的載體（工具）及應(yīng)用環(huán)境發(fā)揮作用，但在現(xiàn)有技術(shù)條件與倫理約束下，人工智能的應(yīng)用載體僅限于計算機化和自動化設(shè)備，并以工具屬性長時間影響勞動力就業(yè)市場。因而，本文分析人工智能對專業(yè)人才培養(yǎng)的影響是置于弱人工智能的前提假設(shè)之下進行的。

四、基于ALM模型的技能分析框架

根據(jù)前文對于人工智能定義內(nèi)涵及其發(fā)展階段的分析，人工智能對勞動力的影響軌跡在很長一段時間內(nèi)會遵循與計算機類似的工具性替代路徑，即從某類工作任務(wù)開始，以技術(shù)突破為基準拓展至更廣泛的領(lǐng)域。因此，Autor等（2003）基于計算機的人工替代效應(yīng)而提出的ALM模型非常值得借鑒：計算機的工作效率優(yōu)勢集中于基于程序或者規(guī)則的任務(wù)，因為這些任務(wù)可以被完全編寫于邏輯編程命令之中（“If-Then-Do”語句），以明確指定機器在特定順序下執(zhí)行操作來實現(xiàn)特定結(jié)果。與此相對應(yīng)的是，計算機對于周圍情境與復雜情感并沒有解決能力，這些工作仍然需要由人類來完成?；谶@一條件，Autor等（2003）將工作內(nèi)容依程式化程度進行劃分，并在非程式化認知型與操作型之外拓展了非程式化交互型。

機器人很早就替代掉了很大一部分的程式化操作型的工作，而目前缺少情境判斷能力與情感靈活性的弱人工智能很容易通過完全設(shè)置的編程命令完成程式化認知型的工作內(nèi)容。但對于需要輸入大量情境信息，同時活動規(guī)律并不能被完全識別的非程序性工作，弱人工智能完成起來仍存在很大困難。即便未來機器學習能夠解決一部分情境適應(yīng)問題，但這些非程序化工作與人類互動的不確定性以及滿足人類情感需求的核心任務(wù)仍然很難解決。

基于ALM模型對于工作內(nèi)容的劃分，本文將完成五類工作內(nèi)容所需要的技能劃分成程式化操作技能（RM）、非程式化操作技能（NM）、程式化認知技能（RC）、非程式化認知技能（NA）、非程式化交互技能（NI）五類（見表1），勝任職業(yè)i需要技能集合Xi。

Xi= [xRM程式化操作技能xNM非程式化操作技能xRC程式化認知技能xNA非程式化認知技能xNI非程式化交互技能] （1）

五、基于數(shù)據(jù)挖掘的專業(yè)人才技能需求分析

（一）數(shù)據(jù)來源

本部分所使用的數(shù)據(jù)主要來自于美國職業(yè)信息網(wǎng)絡(luò)（O*net online）①、會計考試資格評價網(wǎng)②和《中國會計統(tǒng)計年鑒》等。

美國職業(yè)信息網(wǎng)絡(luò)（O*net online）主要為本文提供職業(yè)技能需求測量的相關(guān)指標分數(shù)。美國職業(yè)信息網(wǎng)絡(luò)是由美國勞工部（Department of Labor， US）基于《職業(yè)名稱詞典》（Dictionary of Occupational Titles， DOT）與標準職業(yè)分類系統(tǒng)[Standard Occupational Classification（SOC）system]深度開發(fā)且不斷更新的職業(yè)信息網(wǎng)絡(luò)系統(tǒng)。其核心在于它的內(nèi)容模型（content model），如圖1所示，涵蓋六大領(lǐng)域（如工作者特征），每個領(lǐng)域包含專門的類別（如能力）， 每個類別又分為幾個層次（如能力類別包括四個維度：認知、心理、物理和感知）。這種多層指標體系設(shè)計能讓職業(yè)描述在不同層次上體現(xiàn)出普遍性或者特殊性，以適應(yīng)不同的使用目的。

根據(jù)中國財政部發(fā)布的最新數(shù)據(jù)，2017年初級會計師證書持證人數(shù)為442.8萬人，中級證書持證人數(shù)為179.62萬人，高級證書持證人數(shù)為14.46萬人。會計考試資格評價網(wǎng)和《中國會計年鑒》是國內(nèi)較為權(quán)威的會計職業(yè)信息發(fā)布機構(gòu)，為本文提供了近年來會計師從業(yè)人員數(shù)量變化及其行業(yè)層次，即歷年獲得初級、中級、高級會計師證書的人數(shù)。從表2中可以看到：三類會計師資格證書持證人數(shù)都呈現(xiàn)增長的趨勢，但由于政策原因，幅度并不穩(wěn)定。初級資格證書作為要求難度最低的證書，持有人在數(shù)量上是最多的，但增長率在歷年不是最高，并在2015年有大幅下降趨勢。2017年由于報名條件寬泛的會計師從業(yè)資格證書取消，初級會計師資格證書代替其成為會計行業(yè)的最低準入門檻。大量考生涌入初級會計師資格證書考試，導致初級會計師資格證書考試報名人數(shù)及通過人數(shù)再次上漲。中級資格證書持有人數(shù)居于第二位，但歷年增長表現(xiàn)都是最強勢的。高級會計師證書由于準入門檻較高，近兩年來增長幅度趨于平緩。

（二）專業(yè)人才的技能測量

借鑒Autor等（2003）針對美國《職業(yè)名稱詞典》進行的五類技能測量，本文參照美國職業(yè)信息網(wǎng)絡(luò)（O*net online）中以《職業(yè)名稱詞典》為基礎(chǔ)拓展而來的測量指標，主要集中于工作者特質(zhì) （worker characteristics），說明從事某職業(yè)所需具備的與職業(yè)工作相關(guān)聯(lián)的知識（knowledge）、技能（skills）和能力（abilities）。2018年8月，美國勞工部對于會計這一職業(yè)小類每項測量指標都進行了重要程度與標準水平的評估，以五分量表呈現(xiàn)，1分代表水平低，5分代表水平非常高（見表3）。表3所選擇的與五項技能類型匹配的測量指標均為重要程度在1.5分以上，即具有一定相關(guān)度且對該職業(yè)而言比較重要?？傮w而言，初級會計對程式化操作技能和非程式化操作技能有較高要求，而中級會計和高級會計則強調(diào)非程式化認知技能和非程式化交互技能，三者對程式化認知技能均有較高要求。

（三）專業(yè)人才技能需求測算模型設(shè)置

為考察會計職業(yè)勞動力市場對程式化操作技能（RM）、非程式化操作技能（NM）、程式化認知技能（RC）、非程式化認知技能（NA）、非程式化交互技能（NI）的總體需求現(xiàn)狀與變化，借鑒有關(guān)研究，將中國持有初級、中級和高級會計師資格證書的從業(yè)人士匹配美國行業(yè)職業(yè)分類，再根據(jù)會計職業(yè)相關(guān)數(shù)據(jù)以獲得職業(yè)與技能匹配數(shù)據(jù)，計算會計職業(yè)對上述五類技能的總體需求及其變化①。

其中

[θi=該層次會計持證人數(shù)或證書考試通過人數(shù)總體會計持證人數(shù)或證書考試通過人數(shù)] （2）

[θ=θ1…θn] （3）

D=[θX=θix程式化操作技能iθix非程式化操作技能iθix程式化認知技能iθix非程式化認知技能iθix非程式化交互技能i] （4）

（四）專業(yè)人才技能需求的計算結(jié)果

1. 專業(yè)人才技能總體需求情況分析

經(jīng)過上述方法計算后，可以得出我國三個層次會計職業(yè)對于程式化操作技能（RM）、非程式化操作技能（NM）、程式化認知技能（RC）、非程式化認知技能（NA）、非程式化交互技能（NI）五類技能的層次與需求情況，見表4：

結(jié)合表4與圖2可以看出中國初、中、高各級會計師的技能層次需求。橫向來看，高級會計師的非程式化認知技能需求最高，其次為程式化認知技能;中級會計師的程式化認知技能需求最高，其次為非程式化認知技能;初級會計師也是程式化認知技能需求最高，其次為非程式化交互技能?？v向來看，在程式化操作技能和非程式化操作技能中，初級會計師都遠遠高于中高級會計師，這可能是由于初級會計師經(jīng)常要進行單證整理、數(shù)據(jù)輸入等工作。但需要特別關(guān)注的是，在程式化認知技能需求中，中、高級會計師的分數(shù)相同，而其等級高下的主要區(qū)分依據(jù)在于非程式化認知和非程式化交互技能，可見非程式化技能的價值會隨著勞動力層次的上升而凸顯出來。

基于《中國會計年鑒2017》的統(tǒng)計數(shù)據(jù)（見圖3）可獲得會計專業(yè)人才五類技能需求現(xiàn)狀：2017年會計職業(yè)勞動力技能需求存量仍然是程式化認知技能需求為最大，但非程式化認知技能和非程式化交互技能已經(jīng)非常接近程式化認知技能的比重，這與我們原來所認為的會計專業(yè)人才總體技能由程式化認知技能主導已經(jīng)有所出入，說明會計專業(yè)人才技能狀況與其工作內(nèi)容已進行了一定調(diào)整：會計職業(yè)大部分的工作雖然是大量重復性的結(jié)構(gòu)化勞動，要求準確性與精細性，但隨著這部分工作逐漸被計算機和人工智能取代，專業(yè)人才的程式化工作內(nèi)容減少，非程式化工作內(nèi)容增加。人工智能無法具備的非程式化認知技能與非程式化交互技能越來越成為會計專業(yè)人才重要的工作技能要求。

2. 專業(yè)人才技能歷年變化分析

結(jié)合在會計考試資格評價網(wǎng)和《中國會計年鑒》中獲取的歷年各級會計師考試通過人數(shù)數(shù)據(jù)，可以粗略獲得我國會計勞動力市場對各項技能的需求變化的情況。

從表5可以看出：從2011年至2015年，程式化與非程式化操作技能需求總體呈現(xiàn)下降趨勢，程式化認知技能、非程式化認知技能與非程式化交互技能需求是在上漲的，其中上漲幅度最大的是非程式化認知技能。而由于2017年會計師從業(yè)資格證書考試取消，2017年初級會計師報名人數(shù)與通過人數(shù)猛增，因此2017年的技能需求數(shù)據(jù)僅作參考。

程式化操作技能需求自2011年至2015年一直呈現(xiàn)下降趨勢并且下降速度加快，僅在2017年初級會計師人數(shù)擴大時回暖，而非程式化操作技能需求卻在2011—2013年下降之后在2015年重新恢復增長，這與普通認知中操作技能會被機器人最早替代的判斷也并不相同，可能是由于目前技術(shù)水平仍然無法達到敏感感知周圍環(huán)境并做出精確化操作的原因。

程式化認知技能需求仍然保持了增長的態(tài)勢，在一定程度上說明目前許多程式化認知工作仍然需要人類自主或半自主地完成。但程式化認知技能需求的增長量與非程式化認知技能和非程式化交互技能需求之間的差距很小，同時后兩項技能需求的增長速度也呈現(xiàn)出加速狀態(tài)，對這兩項技能的需求大量增長可能是2017年會計職業(yè)技能需求現(xiàn)狀改變的重要推動因素。值得注意的是，非程式化認知技能需求的增長速度除2017年外均高于程式化認知技能需求，隨著人工智能的進一步發(fā)展，程式化認知技能的地位可能會更加邊緣化。

六、基于中國現(xiàn)實數(shù)據(jù)的職業(yè)技能要素挖掘

基于美國職業(yè)信息網(wǎng)絡(luò)O*net的評估數(shù)據(jù)，上文呈現(xiàn)并分析了會計專業(yè)人才技能需求現(xiàn)狀及其發(fā)展變化的基本畫像。但在現(xiàn)實狀況下，美國與中國的勞動力市場情況與勞動力素質(zhì)不盡相同。同時，由于中國會計師資格證書考試設(shè)有眾多準入門檻并在近年有幾次重大調(diào)整，導致歷年各級會計師資格證書考試通過人數(shù)變化起伏不定。為進一步驗證上述模型運算結(jié)果，本研究仍然需要根據(jù)中國勞動力市場的現(xiàn)實數(shù)據(jù)去切分其中具體的技能要素。目前，最為直觀和及時響應(yīng)市場技能需求的方面是互聯(lián)網(wǎng)招聘網(wǎng)站。互聯(lián)網(wǎng)招聘廣告具有即時性、廣泛性和互動性，不僅完整地展現(xiàn)了目前雇主對人才的需求，其中也包含了大量技能要求信息。

本文利用Python技術(shù)在BOSS直聘、前程無憂和智聯(lián)招聘三大招聘網(wǎng)站中抓取了2019年4月份的9，875條會計職業(yè)招聘記錄進行文本挖掘。這三家網(wǎng)站均為國內(nèi)成立較早、規(guī)模較大的人力資源服務(wù)商。同時，專業(yè)媒體評估網(wǎng)站Alexa也表示這三家網(wǎng)站在中國招聘網(wǎng)站活躍度排名中位居前三位，是企業(yè)發(fā)布招聘信息和求職者求職常用的招聘網(wǎng)站。文本挖掘的具體操作步驟是以“會計”為職業(yè)檢索關(guān)鍵詞，檢索時間是2019年4月，發(fā)布日期為近一個月，職位類型主要為全職，學歷要求、工作地點、工資待遇、公司性質(zhì)等條件不限。由于本部分研究著眼于社會對求職者的技能需求，因此將崗位職責中的技能需求信息作為主要研究數(shù)據(jù)基礎(chǔ)，借助Python語言，使用Selenium自動化技術(shù)設(shè)計爬蟲程序并配合瀏覽器驅(qū)動獲取三大網(wǎng)站的9，875條招聘文本信息，將其保存為MySQL文件存入MySQL數(shù)據(jù)庫中，以進一步分析目前勞動力市場對會計人才技能的實時需求。在已挖掘的實時招聘文本中使用TF-IDF（term frequency-inverse document frequency）方法統(tǒng)計詞頻，確定重要技能需求的關(guān)鍵詞。該方法能有效過濾對文檔主題沒有實際意義的詞匯，突出關(guān)鍵詞匯，相較簡單的詞頻統(tǒng)計可以更為客觀和準確地統(tǒng)計出關(guān)鍵詞匯，能夠更有效地發(fā)現(xiàn)所需要的關(guān)鍵技能。技能需求分類過程主要應(yīng)用LDA（latent dirichlet allocation）模型進行分析。LDA模型是一種文檔主題生成模型，適用于大量文本主題結(jié)構(gòu)探索，也可單獨或與其他方法結(jié)合用于標簽推薦、主題檢索等。由于研究中包含大量文本數(shù)量，常規(guī)的內(nèi)容分析法效率不高，所以將LDA模型用于對招聘廣告正文的處理，對招聘信息中崗位職責或關(guān)鍵技能進行自動分類并分析不同類別中的主題強度。將文本挖掘結(jié)果利用BIBEXCEL進行詞頻排序，得到表6。

“溝通”“管理”等詞語在三家網(wǎng)站招聘廣告中的高頻率出現(xiàn)進一步驗證了非程式化交互技能在會計人才技能需求中的重要地位和增長趨勢。同時，我們也能看到“決策”“分析”等代表要求更高的非程式化認知能力的詞語出現(xiàn)頻率位于兩家網(wǎng)站的前列?！皩徍恕边@一應(yīng)用程式化認知技能的工作內(nèi)容也在一家網(wǎng)站上高頻出現(xiàn)。值得注意的是，“軟件”一詞也在兩家網(wǎng)站中高頻出現(xiàn)，這反映出雇主要求應(yīng)聘者具有一定的會計電化軟件操作技能，需要程式化認知技能與非程式化操作技能相結(jié)合，同時也要求應(yīng)聘者具有較好的學習能力與技能遷移能力。

綜合來看，對國內(nèi)招聘網(wǎng)站進行數(shù)據(jù)挖掘和文本分析所得到的結(jié)果，與上文基于ALM模型將美國職業(yè)信息網(wǎng)絡(luò)的技能測量指標與中國會計職業(yè)數(shù)據(jù)相結(jié)合計算的各項技能要求相一致，從而驗證了結(jié)果的穩(wěn)健性。

七、人工智能背景下專業(yè)人才培養(yǎng)的挑戰(zhàn)與對策

研究結(jié)果顯示，非程式化的交互技能、認知技能和操作技能在會計職業(yè)技能需求結(jié)構(gòu)中日益占據(jù)重要地位而且顯示出巨大的增長潛力，會計專業(yè)人才培養(yǎng)應(yīng)進行必要調(diào)整乃至變革，以適應(yīng)當下及未來會計職業(yè)與會計專業(yè)人才技能要求的巨變。但對多所應(yīng)用型大學與高職院校會計專業(yè)人才培養(yǎng)方案的分析顯示，整個會計教育系統(tǒng)仍強調(diào)理論知識的傳授和基礎(chǔ)技能的掌握，會計專業(yè)人才培養(yǎng)的改革顯得滯后而遲緩，具體體現(xiàn)在：在培養(yǎng)方案中，以會計基本原理和方法以及財務(wù)相關(guān)知識傳授為主的專業(yè)理論課占據(jù)主要地位，而專業(yè)技能培養(yǎng)主要以會計基本技能（如會計憑證填制）和財務(wù)基本技能（如報表繪制）為主。由此可以看出，現(xiàn)有會計專業(yè)人才培養(yǎng)以程式化認知技能和程式化操作技能的培養(yǎng)為主;會計專業(yè)普遍采用會計軟件來培養(yǎng)學生的實操能力，作為提升非程式化認知技能的有效途徑，但在實際教學中往往過于強調(diào)對程式化認知技能和非程式化操作技能的反復練習，而對推理分析、問題解決等非程式化認知技能的重視程度不夠。

總體而言，目前的會計專業(yè)人才培養(yǎng)方案和教學實施偏重于程式化操作技能、程式化認知技能和非程式化操作技能，非程式化認知技能培養(yǎng)明顯不足，而非程式化交互技能培養(yǎng)則更加欠缺。由于技術(shù)的推廣應(yīng)用需要一定時間，其影響勞動力市場進而推動專業(yè)人才培養(yǎng)變革也會有一定的時滯，但在這個時間窗口專業(yè)人才的培養(yǎng)不能被動等待和應(yīng)付，而應(yīng)主動對接勞動力市場對專業(yè)人才各項技能的要求來改造專業(yè)人才培養(yǎng)，將培養(yǎng)重心由程式化技能擴展到非程式化技能，尤其是非程式化認知技能和非程式化交互技能，培養(yǎng)多層次、復合型、前端化的專業(yè)人才，以應(yīng)對人工智能背景下會計專業(yè)人才培養(yǎng)面臨的挑戰(zhàn)。

（一）強化非程式化技能，多層次植入培養(yǎng)過程

1. 創(chuàng)建培養(yǎng)非程式化交互技能的訓練場景

著名日本企業(yè)家稻盛和夫?qū)媽I(yè)的本質(zhì)有“人的會計學”這樣的表述：會計從業(yè)者并不應(yīng)該只會照搬原則、呆板做事，而應(yīng)該是會用會計語言與會計方式來處理復雜經(jīng)濟關(guān)系與社會關(guān)系的專業(yè)人士。首先，會計專業(yè)人才培養(yǎng)要重新認識非程式化交互技能，它不僅是與人交流溝通的能力，也是認識自我與控制情感情緒的能力。這需要在傳統(tǒng)會計人才培養(yǎng)范式中融入更多社會教育的成分。在學校課程實施上要注重第二課堂的延伸，利用各種學生組織與社團活動植入培育情商的機會。同時，真實場景下的企業(yè)實踐應(yīng)該成為會計專業(yè)學生的必修課?，F(xiàn)實中會計角色與各個崗位人員之間的互動是復雜、多樣且廣泛的，而且是無法在校園中復制的，需要學生自我真實代入某個具體崗位去適應(yīng)和摸索，進而提高對職業(yè)情況與自身責任的理解。

各行各業(yè)都面對著非程式化技能的崛起，一般專業(yè)人才教育發(fā)展需要在遠離原本固化的“工廠系統(tǒng)”的原則下重點關(guān)注學生非程式化交互技能的培養(yǎng)，包括溝通技巧、激勵和啟發(fā)他人、管理能力等。實際上，這些非程式化交互技能雖然難以標準化培養(yǎng)，但實際上時刻影響著工作內(nèi)容中的每一項任務(wù)，因此需要將其納入實踐教學中，在靈活多樣的教學環(huán)境中自上而下地把非程式化交互技能的指導與評價添加到教學和實踐的各個環(huán)節(jié)當中。

2. 開辟培養(yǎng)非程式化認知技能的思考空間

會計專業(yè)教材中理論基礎(chǔ)知識占據(jù)了絕大部分篇幅，內(nèi)容涵蓋寬泛，更新速度緩慢，甚至部分內(nèi)容與實際工作脫節(jié)。其典型特點在于觀點明確，很少設(shè)置學生能夠開展討論和進行思考的環(huán)節(jié)。這一安排實際上更加無法匹配會計工作中常出現(xiàn)的對錯參半的復雜任務(wù)，導致學生面對實際工作時手足無措。無論是編寫教材還是開展教學，都應(yīng)該精簡理論知識，設(shè)置更多啟發(fā)式主題，以列舉觀點進行比較替代直接進行是非判斷，鼓勵學生自主尋找信息、表達觀點，以鍛煉他們的開放性思維和決策能力。

這一培養(yǎng)方式適用于各類專業(yè)人才的能力提升。對于能力層次要求較高的非程式化認知能力而言，首先需要培養(yǎng)學生獨立思考與分析的意識，幫助學生養(yǎng)成良好的非程式化認知習慣。同時，需要改變傳統(tǒng)的單科教育模式，將體系化的非程式化技能因素納入已有的教學框架，挖掘出貫通專業(yè)的通用能力。將這種培養(yǎng)方式作為一種新教育模式不斷實驗，進而不斷調(diào)整培養(yǎng)非程式化認知技能的方法，發(fā)揮“人的教育”在人工智能背景下的巨大發(fā)展?jié)摿Α?/p>

（二）程式化技能復合升級，突破單一化培養(yǎng)內(nèi)容

對于會計行業(yè)而言，傳統(tǒng)的賬務(wù)職能正逐漸由智能化軟件來實現(xiàn)，戰(zhàn)略規(guī)劃、風險控制等管理會計的決策貢獻才是當下乃至未來市場希望會計人才去創(chuàng)造的價值。會計專業(yè)教育中專業(yè)核心課程不能僅僅停留在“會計學”“財務(wù)管理”等基本課程上，也不能把與會計相關(guān)的“管理學”“國際會計”等課程定格于考查范圍。在重視會計專業(yè)基礎(chǔ)的前提下，培養(yǎng)課程需要打通與經(jīng)濟學、金融學等學科之間的壁壘，整合大會計學視野下的各學科知識，形成完整的綜合性的知識體系，包括專業(yè)基礎(chǔ)課程和經(jīng)濟管理、國際會計、數(shù)據(jù)分析等相關(guān)課程，實現(xiàn)與相關(guān)領(lǐng)域的貫通和與前沿技術(shù)的對接。

其他專業(yè)同樣應(yīng)遵循技能復合化的人才培養(yǎng)思路。許多社會學家和經(jīng)濟學家在新技術(shù)時代下提出了復合型工作者（portfolio workers）的概念：這些勞動者需要“復合型新技能”（skillportfolio），如擁有許多不同的工作技能與證書，以幫助他們在職業(yè)生涯中在不同崗位進行流動（Fraser， 2001）。世界銀行發(fā)布的《2019年世界發(fā)展報告：工作性質(zhì)的變革》也指出，技術(shù)的變革對不同技能類型組合的回報似乎在增加。這些變化不僅體現(xiàn)在新工作取代舊工作這一點上，還體現(xiàn)在既有工作技能組合的變化上。在科技發(fā)展呈爆炸式增長的情況下，技術(shù)也在朝著更為容易操作的方向發(fā)展。這些技術(shù)并不要求工作者具備完善的專業(yè)知識，只需要他們具有較強的適應(yīng)性且能快速掌握新技能以益于生產(chǎn)發(fā)展。這就要求勞動者在專業(yè)技能之上擁有較強的技能組合能力，能將現(xiàn)有的技能遷移到新的情境之中，靈活地應(yīng)對市場和技術(shù)的變化。專業(yè)人才培養(yǎng)需要重新挖掘?qū)W生的素養(yǎng)形成和技能發(fā)展的底層規(guī)律，幫助他們在掌握專業(yè)技能之外，具備更加基礎(chǔ)性的核心素養(yǎng)與能力，以應(yīng)對快速變化的勞動力市場。

（三）人才前端化發(fā)展，培養(yǎng)層級整體上提

就會計專業(yè)領(lǐng)域而言，人才培養(yǎng)需要從核算型向管理型轉(zhuǎn)變。專業(yè)基礎(chǔ)知識需要根據(jù)工作內(nèi)容和流程進行重新梳理，通過反復強化訓練與崗位模擬實現(xiàn)知識的內(nèi)在化與系統(tǒng)化。在此基礎(chǔ)上，模仿公司運營流程進行仿真運營管理、核算、輪崗處理虛擬企業(yè)經(jīng)濟業(yè)務(wù)。這些業(yè)務(wù)需要結(jié)合實際進行設(shè)計，原始數(shù)據(jù)可以由學生自己制作與整理，甚至可以模擬公司之間的對抗運營。同時，會計電算化與信息化方面的培養(yǎng)也不能限于使用電算軟件，更應(yīng)該在業(yè)務(wù)財務(wù)一體化背景下提高數(shù)據(jù)分析和利用能力。除了要進一步挖掘傳統(tǒng)電算軟件的功能之外，培養(yǎng)課程中還需要納入數(shù)據(jù)分析軟件的基本操作，甚至進一步開設(shè)大數(shù)據(jù)處理、云計算等課程以培養(yǎng)會計人才的預測、決策和管理能力。

Autor等（2014）對勞動力市場的研究發(fā)現(xiàn)，新技術(shù)和新機器所創(chuàng)造的新就業(yè)崗位其實遠遠超過它們所擠占的舊崗位，其中大多數(shù)是與新技術(shù)與新機器相關(guān)的上下游產(chǎn)業(yè)鏈中的一線工作崗位。從目前來看，市場上對于程序員、工程師等崗位的需求變得空前巨大，而諸如幫助機器進行人工智能學習所需要的訓練師、為3D打印服務(wù)的設(shè)計師等新崗位也應(yīng)運而生。與此相似，人工智能在替代程式化職業(yè)人才的同時，也會大量增加對于與人工智能操作相關(guān)的職業(yè)人才的需求，可能是幫助人工智能進行運轉(zhuǎn)的培訓者，也可能是緊急解決一些問題的維護者，等等。這都需要相關(guān)從業(yè)者具備前端的人工智能知識和高質(zhì)量的專業(yè)領(lǐng)域技能。因此，專業(yè)人才培養(yǎng)一方面需要推動專業(yè)人才在人工智能基準之上提高各項能力素質(zhì)，深耕相關(guān)領(lǐng)域通用能力的開發(fā)與培養(yǎng)，同時也需要時刻關(guān)注技術(shù)發(fā)展前沿，思考專業(yè)人才與未來職業(yè)接軌的途徑。

（四）人才終身化培育，建立工作實踐優(yōu)勢

英國是世界上第一個建立現(xiàn)代意義上的會計職業(yè)團體的國家，會計教育底蘊深厚，被公認為會計教育強國。其會計教育的基本思想就是終身學習理念，并根據(jù)金融工具、金融市場的變化不斷調(diào)整課程設(shè)置，大量吸引已經(jīng)畢業(yè)的從業(yè)者重新回到學校進行學習。甚至，當學生取得了英國特許會計師（ACCA）職位后，仍然要接受繼續(xù)教育，以保證他們能夠不斷適應(yīng)變化中的工作世界。

人工智能的發(fā)展正在重塑工作及其所要求的技能。然而，傳統(tǒng)教育體系面對技術(shù)變革存在巨大的發(fā)展滯后性，甚至抵制變革。技能供給再調(diào)整較多地發(fā)生在義務(wù)教育或者正規(guī)就業(yè)以外的領(lǐng)域，在這些領(lǐng)域堅持終身學習以適應(yīng)工作性質(zhì)的持續(xù)變化已經(jīng)成為一個重要策略。特別是在發(fā)達國家和一些面臨老齡化問題的發(fā)展中國家，終身學習更是與個體技能的再調(diào)整息息相關(guān)。工作生涯如此漫長而且變化迅速，僅將接受教育局限于人生初期是不夠的，獲取新技能必須貫穿人們的整個職業(yè)生涯。這需要在傳統(tǒng)的受教育階段將終身教育的觀念普及到每一個人工智能時代勞動者的學習態(tài)度之中。

[參考文獻]

袁玉芝，杜育紅. 2019. 人工智能對技能需求的影響及其對教育供給的啟示：基于程序性假設(shè)的實證研究[J]. 教育研究，40（2）：113-123.

張志禎，張玲玲，李芒. 2019. 人工智能教育應(yīng)用的應(yīng)然分析：教學自動化的必然與可能[J]. 中國遠程教育（1）：25-35，92.

楊偉國，邱子童，吳清軍. 2018. 人工智能應(yīng)用的就業(yè)效應(yīng)研究綜述[J]. 中國人口科學（5）：109-119，128.

王文靜，莊西真. 2018. 人工智能視閾下職業(yè)教育的機遇、困厄與出路[J]. 中國職業(yè)技術(shù)教育（22）：33-37.

劉曉莉，許艷麗. 2018. 技能偏好型技術(shù)進步視閾下人工智能對技能人才就業(yè)的影響[J]. 中國職業(yè)技術(shù)教育（15）：41-46.

王嵐，許艷麗. 2018. 智能時代：職業(yè)風險與高職教育應(yīng)對[J]. 高等工程教育研究（2）：189-194.

姜志堅，趙興民，盧德生. 2017. 人工智能背景下職業(yè)教育發(fā)展的策略[J]. 中國職業(yè)技術(shù)教育（30）：54-59.

徐國慶. 2016. 智能化時代職業(yè)教育人才培養(yǎng)模式的根本轉(zhuǎn)型[J]. 職教論壇（16）：61-62.

劉曉，徐珍珍. 2015. “機器換人”與職業(yè)教育發(fā)展：挑戰(zhàn)與應(yīng)對[J]. 教育發(fā)展研究，35（21）：13-17.

張媛，劉海，李中傲. 2018. “智慧財務(wù)”下創(chuàng)新教育對人工智能商數(shù)的需求：以數(shù)據(jù)分析法案例教學為例[J]. 財會月刊（24）：98-104.

世界銀行. 2019. 2019年世界發(fā)展報告：工作性質(zhì)的變革. 華盛頓特區(qū)：世界銀行. doi：10.1596/978-1-4648-1328-3.

Agrawal， A. K.， Price， H. J.， & Gurbaxani， S. H. （1980）. Transient response of multiconductor transmission lines excited by a nonuniform electromagnetic field. IEEE Transactions on electromagnetic compatibility（2）， 119-129.

Autor， D. H.， Levy， F.， & Murnane， R. J. （2003）. The skill content of recent technological change： An empirical exploration. The Quarterly Journal of Economics， 118（4）， 1279-1333.

Benzell， S. G.， Kotlikoff， L. J.， LaGarda， G.， & Sachs， J. D. （2015）. Robots are us： Some economics of human replacement. （NO. w20941）. National Bureau of Economic Research.

Braverman， H. （1998）. Labor and monopoly capital： The degradation of work in the twentieth century. New york： NYU Press.

Fraser， J.， & Gold， M. （2001）. ‘Portfolio workers： Autonomy and control amongst freelance translators. Work， Employment and Society， 15（4）， 679-697.

Frey， C. B.， & Osborne， M. A. （2017）. The future of employment： How susceptible are jobs to computerisation？ Technological Forecasting and Social Change， 114， 254-280.

Finlayson， M. A.， Richards， W.， & Winston， P. H. （2010）. Com putational models of narrative： Review of a workshop AI Magazine， 31（2）， 97-100.

McCorduck， P. （2009）. Machines who think： A personal inquiry into the history and prospects of artificial intelligence. Boca Raton， Florida： AK Peters/CRC Press.

Mokyr， J. （1992）. The lever of riches： Technological creativity and economic progress. Oxford， England： Oxford University Press.

Nilsson， N. J.， & Nilsson， N. J. （1998）. Artificial intelligence： A new synthesis. Burlington， Massachusetts： Morgan Kaufmann.

Pinker， S. （2018）. Enlightenment now： The case for reason， science， humanism， and progress. London England： Penguin.

Searle， J. R. （1980）. Minds， brains， and programs. Behavioral and Brain Sciences， 3（3）， 417-424.

收稿日期：2019-07-04

定稿日期：2019-09-16

作者簡介：王奕俊，博士，副教授，碩士生導師;楊悠然，碩士研究生。同濟大學職業(yè)技術(shù)教育學院（200092）。

責任編輯 單 玲