复旦人工智能教授：未来3
今年5月1日国际劳动节当天，
第一波AI失业潮到来，
科技巨头IBM公司宣布暂停7800人的招聘，
称这些岗位的工作将由AI取代，
此前3月底，高盛集团发布报告，
预计全球将有3亿工作岗位会被生成式AI取代，
其中律师和行政人员受影响最大。
▲
AI生成美女图，以假乱真
▲
AI超现实创作：上班族在地铁里看金鱼、瓜农川普
在中文网站，因为ChatGPT和Midjourney，
也陆续出现了第一批失业的设计师和文案编辑。
未来3-5年，什么样的工作会被AI取代？
哪些行业是相对安全的？
如果想要成为AI工程师，需要什么样的能力？
以及文科生可以转AI吗？
一条采访了复旦大学人工智能专家张军平教授，
针对以上问题做了解答。
自述：张军平
编辑：刘亚萌
▲
张军平教授行走在复旦校园里
ChatGPT-4的出现是令人震惊的，我们做AI研究的，知道迟早会有这么个东西出来，不过没想到这么快，以及跑出来的性能这么好。
3月份以来，我朋友圈里很多人都在晒ChatGPT-4的聊天截图，非常狂热。再加上MidjourneyV5一起，大家都很担心，自己的工作会不会被AI取代？
▲
人机共存场景
一条编辑部经由Midjourney生成
这个担忧是合理的。
ChatGPT-4最令人惊艳的一点，是它的“涌现功能”，就是当它训练的数据量足够大的时候，这个复杂的系统，就诞生了其各组成部分所没有的属性——接近人类的“思维模式”和“智力表现”。
里面有个思维链，帮助ChatGPT-4去“链式思考”。就像我们有时候做作业，到了某个节点，做不出来，然后家长说“你再想一想”，其实也没说什么，但是这个学生就觉得我可能还有一些东西没掌握，通过慢慢想和一点点的引导，就突然把一个正确答案得出来了。
所以你在对话框里，让ChatGPT-4“再想想”，它也会再给你一个改进过的答案，大家就会觉得很惊讶。
因为AI对生产效率的提高，一个优秀的人才可以做很多工作，由一小部分人运营一个大市值公司的现象，以后可能会越来越多。你看Midjourney就是个典型，员工只有11人，但是年营收1亿美金。
▲
AI生成“失火”的白领工位
细看来，未来3-5年内容易被取代的工作，有两个标准：脑力工作和简单易重复。确实白领受影响比较大。
笔译和客服已经被替代得差不多了。
我自己的生活里，现在接快递电话，好多是机器人。国内科研工作者写论文要翻译成英文，以往可能要找国外的母语翻译者，以后说不定可以尝试ChatGPT-4翻译，它速度快，把领域内的专有名词限定下，应该会很不错。
▲
Office365里嵌入ChatGPT，能自动生成简报、表格
接下来最危险的是办公室文员、人力资源，还有做财务报表的。微软Office365已经把ChatGPT嵌入到Word、PPT和Excel里了，可以自动生成简报、PPT和表格，你以往费心学习的这些Office技能价值就下降了。
有个段子说“财务不会被AI替代，因为它不能做替罪羊”，虽然有点道理，但生产效率提高了，意味着公司对财务的人才需求压缩，你的就业空间就变小。
另外还有律师行业。我们知道律师很重要的一块工作是熟练法条和查找以往的案例，查找的过程是非常耗时间的，律所里应该专门有一部分人做这块工作。
换成AI的话，它把所有的案例都收过来，ChatGPT用对话的方式给你，速度非常快，那么以前做这部分工作的律师，就不再需要了。
▲
程序员们在工作
一条编辑部经由Midjourney生成
ChatGPT-4也会生成代码的，部分程序员会受到影响，尤其是前端。因为前端设计比较模块化，并没有涉及到很复杂的计算。OpenAI有个演示，就是在纸上画个草图，然后ChatGPT-4就给你跑出来了一个网页。
从公司的角度，有可能以后会更加倾向于ChatGPT写代码。因为每个人写代码的风格是不一样的，一个员工走了，新员工过来，因为不顺手，可能要重写代码。那么ChatGPT的一致性会更好，从公司的角度来说，更加有效率。
▲
AI生成的风格插画
受Midjourney影响的插画师、设计师，我网上看到有些人已经被裁员。你人完成一副插画可能要花2天时间，机器几分钟就出来了，效果还很好，这在迫使大家去做更具有创新性的工作。
一个有意思的现象是，一部分AI研究者自己的工作，都被AI干掉了。
据说现在美国一些大学，在自然语言处理、计算机视觉和语音识别方向的教职，不再增加了。
然后我们就讨论是为什么？以往科研院校，3-5年会出些成果，细细碎碎的需要那么些人去做，但是ChatGPT-4出来之后，它把很多问题都解决了，剩下都是一些非常难啃的硬骨头，那么你是不需要那么多教职去做的，就导致一些岗位被减掉。
▲
制作漆器的手工艺人
首先，跟实体相关的工作，比如医生、护工、驾驶员，还有小众手工艺者，比如做古琴的、做陶瓷的艺术家，都是依赖个人经验来做的，被AI替代的概率较小。
因为一直以来AI大多在做认知相关的任务，感知这块下的功夫少，现阶段跟实体相关的都做不好，与人类相比，机械手比较初级，拧一个瓶盖还是很难的事情。
就连打扫卫生，对我们人类来说是“简单易重复”，但对机器却是一个模糊的概念，没有办法程序化或形式化。
那么对于白领工作，还有一部分比较安全，就是大数据进入不了的行业。
▲
《滚蛋吧，肿瘤君》剧照
我们想想ChatGPT是怎么起来的？它的数据都是Billion级的，就是10亿级以上，这就意味着这么多数据，很有可能都是不设隐私的，才能被它调用。
如果一个行业涉及到隐私，数据不能公开，不能上模型训练，那么AI就挤不进去。比如说医疗、银行、生物等领域，相对来说是安全的。
所以我的一些学生，他们就不在互联网公司找工作了，而是会去一些数据相对封闭的领域，稳定一些。
如果高中生选专业，只考虑就业前景的话，我觉得人工智能方向目前还是最好的，所谓“不入虎穴焉得虎子”。
我们有个新名词叫做AIforScience，用人工智能帮助科学发展，以后各行各业都需要AI的辅助，要由懂AI方向的人来操作，那么就会有一个非常大的人才缺口。
▲
AI研究员
一条编辑部经由Midjourney生成
一个好的AI研究者或工程师，需要三个基本素质：数学基础、编程能力、英文。学英文是因为要跟踪国际最前沿的技术，读文献资料，然后对编程能力的要求，要比数学高一些。
现在不像以前那样需要了解特别深的人工智能知识，如果你是计算机或其他理工科专业，转AI的话门槛并没有那么高。
首先，现在的研究大部分是模块化，深度网络都是一些模型，就像积木一样在搭。算法方面，在ArXiv上你能够快速知道最新的算法是什么样子，代码呢本身就有很多网站，比如Github上的代码是共享的。这三点，就使得你现在进入这个行业是比较容易的。
文科生也有机会转AI的，我们复旦有中文系的学生，转到我们做自然语言处理的这个组，做得还挺好的。
▲
机器人与女孩一起在农场工作
一条编辑部经由Midjourney生成
首先，我们确实需要追赶，不追不行，要不然就会被卡脖子。
据说GPT5已经训练完了，那我们什么时候能追上国外的？目前有两派，一派是乐观派，觉得问题不大，2-3个月能追上。另一派是悲观派，觉得需要1年至1年半。
可能你觉得1年时间不算太久，其实这里面有些麻烦的地方。
目前AI主流的发展路径是三大块：模型、算力、大数据。
乐观的地方是，模型框架前辈们都做好了，几乎是公开的，研究人员把它做大、做深就行了。
▲
深度学习之父GeoffreyHinton
2006年GeoffreyHinton就提出来了深度学习模型，之后有一个图像分类竞赛上采用了大规模数据集ImageNet，2012年GeoffreyHinton就带着他的学生为这个竞赛做了新的深度学习模型，一下子就令人震惊了，比上一届冠军性能提升了将近10个百分点。
这是什么概念呢？如果你是用传统机器学习方法来做，每年就提高0.3-0.4个百分点。这意味着，深度学习的方法比传统机器学习方法，加快了20年左右。所以那时候，大家都转到做深度学习模型。
但是深度学习模型，是需要强大的算力的，在特定的GPU芯片上面跑。
据说ChatGPT有1万块A100的GPU做支撑，单块A100的售价在1万美元左右，光是GPU成本就是1亿美元（约合6亿人民币），这就是为什么OpenAI不到100人的小公司，微软投资了20亿美元上去的原因之一。所以大模型，几乎只能由大公司、大机构来做。
但是我们国家，目前在算力上有瓶颈，因为2022年12月份，美国对中国禁售了A100以上的GPU。这样国内没法用A100（有替代品，但通讯模块受限），但国外还能用比A100更好的卡，这就有点麻烦了。
现在我们做研究成本很高，也是因为GPU，以往你发文章只需要时间和人力成本，但是现在一篇论文的成本说不定在10万人民币左右。
再一个就是大数据，中文语料库推不上去。
ChatGPT有10亿级以上的数据做预训练，它都是英文的，但是我们中文的每个平台，都设了一个进入的门槛，防止你大范围搜索，另外还有格式的问题，这就导致我们堆数据，没有国外那么方便。
而且ChatGPT-2之后就没有开源了，你也不知道确切的差距到底在哪里。
现在国内的AI投资很火，资本层面的驱动还是蛮重要的。而且我们复旦前段时间发布了一个Moss系统，还开源了，相对来讲还是一个比较小的模型，大家都还是在努力的。
▲
上海街头的机器人
一条编辑部经由Midjourney生成
从历史上来讲，人工智能不到90年，我们一般认为它的开端，是1936年的图灵机，期间一直经历涨跌的过程。
七八十年代它经历第一次寒冬，当时如果你说自己是做人工智能的，是拿不到项目的。在90年代初，又经历了第二次寒冬。
我自己是从小喜欢看科幻小说，接触AI是在1997年，当时更流行叫自己是做机器学习而非人工智能的。
我的感受是到了2012年，也就是GeoffreyHinton带着学生赢得了竞赛那一年，人工智能才真正迎来腾飞。
▲
2016年AlphaGo对弈韩国围棋手李世石
到了2016年AlphaGo赢了李世石，然后2017年谷歌研究出了Transformer网络，这之后才有了ChatGPT的一系列工作，还有自动驾驶、AI金融、AI医疗等各个领域都在前进。
但其实到2022年，AI行业有点往下走的趋势了，因为大家觉得该做的都做了，并没有看到很好的应用，很明显的是有些大公司的深度学习这块，已经在裁员了。但突然今年3月一下子ChatGPT-4出来了，就又把大家都拉了回来。
所以它有兴盛期，也有衰败期。我自己在这个领域待久了，对于ChatGPT-4掀起的热潮看得比较冷静一些吧。AI的研究范围是很宽泛的，很多问题很难，难以在短时间内变现，人类对智能的理解还有很长的路要走。
作为一名研究者，乐趣还是在于探索未知，你在未知里面可以找到一点点进步，那个愉悦感就很令人满足了。
原标题：《复旦人工智能教授：未来3-5年，哪些工作会被AI取代？》
阅读原文
人工智能能否替代人类有哪些行业不会被人工智能取代
实际交流中，我就发现一些候选者报价比较贵，但技术人员的水平是真的高，一问出问题来，就知道他们认真分析过零件特点，并且能准确找到重点、难点；但是另一些供方，问出的问题都是“次要”的，关键部分却只字未提。
最后的结果也很明了：设备都差不多，但人员更专业的一方，做出来的东西确实更好。
显然这种技术人员的个体差异，不是说你看懂图纸就能弥补上的；面对一种新零件，对重点对筛选与细节的分析，这个是需要过硬的专业素养，与足够的经验积累的。
无论是显性知识所代表的「技术」，还是隐性知识所代表的「技能」，其背后反映出的最真实的竞争力其实是「时间」——
因为技术需要时间来学习，而技能需要时间来积累。只有经历过时间的打磨，这些关键因素才能够在生产线上发挥其真实价值。
毫无疑问，中国的生产链体系是经过了常年的训练的，已经积累起了「时间」这一维度的竞争力。
不仅如此，技能的打磨不仅需要时间的积累，还需要在规模足够大的供应链网络中有足够的实践，而后者起到的是提升单位「时间」的技能积累效率的影响。
知识可以分为显性和隐性，显性知识可以通过学习等方式获得，可以说是人人都有机会去得到的知识。而隐性知识则不同，隐性知识更依赖于大量的实践和丰富的经验，它无法直接习得，只能依靠转化来实现。
几年前我也曾担心过未来人工智能和机器对人的替代程度，不过我现在也极大改变了这样的观念，人的重要性依旧无可替代，前提是人需要发挥出自己的独特优势，而不是做那些机器就能做的事情。
中国制造业的发展不仅仅要靠技术，更要靠人。技术可以在很多环节上节省成本以及提高效率，但如何发挥出机器最大的优势，则是人要去考虑的。
哪怕在现在看来机器替代人的程度很高的制造业，将来也会有人们巨大的用武之地，我们要思考的就是如何让人和机器协作的效果和产出达到最高。
所以说，对于生产环节而言，中国通过「常年的生产链体系实践」以及「规模足够大的供应链网络」这两点优势，训练出了有足够「时间积累」的工程师和手艺人，这是中国制造体系中无法替代的竞争力。
“隐性知识”具有两个主要特点：
第一、难以简单标准化。如模具设计前对接客户的需求、生产过程中对“火候”的把握、解决不同问题的经验等，其中的模糊性需要人能够根据实际情况做出动态调整，所以难以在标准化的机器操作中实现。
第二、技能沉淀的特殊性。这种隐性知识不仅需要时间积累，而且需要在一个需求极大的环境中通过实践中的反复打磨来获得，两者缺一不可，属于“不可编程”的技能。
我们不妨思考一下，自己具有或需要培养哪些“隐性知识”。
所谓隐形知识，其实就是去掉了可编码知识之后，依然剩下来的东西。你说他是智慧也好，还是把它看成制造，这都无所谓。
关键在于，这些隐形知识需要人的参与，这才是人的价值所在。
标准化和流程化的前提是一定的规模性，就像企业从小到大生长的过程中也会越来越注重制度建设；同时，机器对人的替代也一定是这些标准化、重复性极高的工序，中国在智能制造的前景广阔，也为此发布了《中国制造2025》规划蓝图。
彼得·德鲁克认为，隐性知识是不可用语言来解释的，它主要来源于经验和技能的，学习的惟一方法就是领悟和练习。
所以人工智能，目前来看，在制造业环节，可能只能在显性知识部分（能够明确表达的知识）替代人类。未来，人类和人工智能的关系，至少短期来看，是互相配合，而非取代的关系。
但是在模具行业，我觉得需要客户沟通确认材料和图纸的环节，还是需要人类工程师。在编程环节，是有可能由机器来完成的。
因为编程环节，实际上已经是将所有规则显性化了，只是通过机器语言来表达。
此外，像3D打印这样新的制造技术的兴起，会部分替代和改变传统材料生产工艺，逐渐对很多行业造成影响，可能导致部分环节不需要人类。
隐形知识无法传承的问题应该是个“古已有之”的问题，要不然怎么有很多影视作品里关于过去“失落的秘密”的精彩描述。
过去我看“传统技艺”，总有一种后来者的偏见，觉得有了新的计算器当然不该费劲学珠算，现在我对这个问题有了新的思考。
人类所谓的“学习”，不是简单的复制粘帖，从师傅那里学来的，一定也有自己继承和发扬的部分，这里面必定是同时存在与时俱进和优胜劣汰的。学习传承本身也是这项知识和技艺的成本之一。
设计、研发、编程环节很难被机器替代，这确实是最难被替换的环节，但是也在逐渐被机器替代。
例如说，数码相机的出现、手机的出现，让拍照变得更加简单，对专业摄影师需求下降了；再比如说，python语言中有很多标准化封装好的程序包，大大降低了编程的门槛，让更多的人开始在日常工作中探索机器学习、数据分析等。
和同事去客户那边开会，大家喜欢让我写会议纪要，为什么呢？
是我文笔好吗？当然，文笔好是事实，但是这不是原因。我写会议纪要会对内容进行分类排列，硬生生把一件可编码工作，加入了很多隐形知识。
这样做的好处，是我可以对会议纪要进行分析，提炼出客户的真实需求。别人都把它当成会议纪要，但是在我的眼中，它是数据源。
正因为我赋予了他不同的意义，所以我才能把别人不愿干的事做得津津有味。
制造业的隐性知识没有被显性化还有一个原因其实是相对而言，中国制造业的逻辑还处于工业时代，互联网化的程度不高，特别是工厂生产线上的数字化程度相当低，可以说这是中国供应链暂时无法被迁移出去的一个很重要的原因。
其次就是中国目前还有工程师的红利，制造业中对产品的设计/研发/工艺需要大量的工程师，要整体转移出去的成本相对较高，如果仅仅是转口贸易，核心团队是不会转移出去的。
隐性知识和显性知识是一种相辅相成的关系。
就像话剧行业。有很多理论知识，表演，导演，编剧，舞美，服化道等等，这些都有一定的知识可以直接学习。但是如果你只会这些，你一定不是顶尖人才。因为谁都可以会的东西意味着谁都可以替代你。
尤其是在表演上，隐性知识特别重要。为什么那么多人喜欢表演做演员，但是最终能挣钱养活自己的都已经算是少数人了呢？
因为这其中涉及到很多的隐性知识。你知道表演理论和你能真正的表演好一个角色是有很大的距离的。
尤其是话剧每场演出都要面对现场的真实观众，面对着观众最真实的反馈，演得好会有掌声和笑声，演得不好，则会有尴尬的冷场。而这些经验光靠说是很难让对方理解的。
演员会在一场场的演出之后，不断的感受到什么样的表演是观众喜欢的，什么样的表演是观众讨厌的。然后再结合显性的表演理论知识，去不断地改善自己的表演。
突然想到一个词———量身定做。
服装行业是对“量身定做”这个词最好的解释。
一件衣服在批量生产前是需要做样衣的，做样衣的师傅就是那个具备“隐性知识”的手艺人。
他在拿到设计师的款式图后会下意识地知道哪里要多走两针，哪里要走一个饱满的弧度等等才会做出一件穿着既不别扭又符合设计师理念的衣服。
我相信机器是无法取代这样的手艺人的，别看程序简单，但每一道程序下的细节都不容忽视，就拿服装来说，有的地方在用机器缝制的时候就需要把下层的布料拉一拉，同时推动上层的布料多一些吃量，这样做出来才会既不出褶皱又有型。这种小的细节在服装中会有很多，机器是做不出这样一身合身的成衣的。
中国的服装面料也有很多是机器不能替代的，例如一些缎锦绸，刺绣之类的，这都需要一些有经验的师傅们一针一线的去织。
“受过良好规范化教育的人，通过实践发展出隐性知识的能力会比教育水平差的人更好”，这句话我深有体会，好的缝纫师傅可能一辈子就是好的缝纫师傅而已，而一个好的缝纫师傅如果受过良好的规范化教育，那他就可能会成为一个好的设计师。
内隐知识，本质是程序性知识。程序性知识的获得划分为三个阶段。
（1）认知阶段。在这一阶段，新知识进入原有的命题网络，与原有知识形成联系。学生将使用自己已有的为达到一定目的有效方法，对某一技能作出陈述性解释，并对这一技能的各项条件及行动形成最初陈述性特征的编码。
（2）联系阶段。经过各种变式练习，使贮存于命题网络中的陈述性知识转化为以产生式系统表征和贮存的程序性知识。
在这一阶段，原先指导行为的知识将发生两种转变：第一，最初对技能所作的表征将慢慢转变为特殊领域里的程序性知识；第二，构成这一程序的各个部分的产生式间的联结将得到增强。
（3）自动化阶段。在这一阶段，整个程序本身将得到进一步的精致和协调。过程性知识依据线索被提取出来，解决“怎么办”的问题。
读破万卷,神交古人。神交，必须在实践中领悟，光读是领悟不来的。
我们的教育体系都是偏重在温室里培养逻辑思辨人士，口水战高高手，真正一上场，就蒙了。
这也是为什么足球，篮球在经济如此发达的西欧美国，还如此重视运动这种技能的市场价值的挖掘。
反而是古人，勤学武艺给我们树立了典范，他们每日都在践行。
师傅领进门，修行在自身。
说得具体一点，医生可以告诉人们如何生娃，但是具体生娃的事还得自己行动！返回搜狐，查看更多
人工智能时代需要怎样的教师
“我的工作会被机器人取代吗？”人工智能的迅猛发展，让越来越多的人开始担心自己的“饭碗”。而随着人工智能进军教育领域，许多教师也开始忧虑起来：“机器人会让我失业吗？”
实际上，这种担心并非空穴来风。2016年5月，美国佐治亚理工学院计算机科学教授艾休克·戈尔，在自己的网络课程中，将一款聊天机器人安排为自己的助教。这一聊天机器人在后台回答问题的功能非常强大，学生们根本没有注意到自己的聊天对象是机器人。人工智能会取代教师吗？
教师被人工智能替代的几率为0.4%
“如果你的工作包含以下三类要求，那么你被机器人取代的可能性非常小：社交能力、协商能力以及人情练达的艺术；同情心以及对他人真心实意的扶助和关切；创意和审美。”北京师范大学教育学部副部长余胜泉说，“反之，如果你的工作符合以下特征，那么被机器人取代的可能性就非常大：无需天赋，经由训练即可掌握的技能；大量的重复性劳动，每天上班无需过脑，但手熟尔；工作空间狭小，坐在格子间里，不闻天下事。”
余胜泉告诉记者，英国广播公司（BBC）基于剑桥大学研究者的数据体系，分析了365种职业未来的“被淘汰概率”。其中，电话推销员、打字员、银行职员等职业，分别以99.0%、98.5%、96.8%概率，被列为可被人工智能取代的职业；而艺术家、心理医生、教师等职业，分别以3.8%、0.7%、0.4%的概率，被列为最不可能被人工智能取代的职业。
“BBC分析认为，教师被机器人替代的概率只有0.4%，但英国教育专家AnthonySeldon则预测现在离人类教师消失只剩下3000天。孰是孰非呢？”《华东师范大学学报（教育科学版）》主编杨九诠说，“我想不可能有也不应该有肯定的答案。但值得注意的是，此‘教师’已非彼‘教师’。在未来新的社会样态、教育样态、知识样态和学习样态中，教师的思想观念、心智结构、生活方式和角色意识等，以及教师与社会、组织、学生、同行的关系，都可能发生颠覆性的全新变化。”
“传道、授业、解惑，是教师的主要职责。随着人工智能的出现，智能机器人可以代替教师传授知识、解疑答难、展示方法、考试阅卷，但在‘传道’这一块是替代不了的。”新疆呼图壁县教科局局长朱新宇说。
“目前的智能教学系统还是对优秀教师的模拟，建立教师模型、学生模型、教学法模型和交互模型等。所以说，人工智能远远谈不上对教师、特别是优秀教师的直接威胁。我们可以将人类智慧编码输入电脑，但不可能将电脑芯片植入一个健康的大脑。”北京大学教育学院教育技术系教授贾积有说。
人工智能将是教师的得力助手
“人工智能不可能取代教师，而是要成为师生的强大助手，可大幅提升教与学的效率和效果，所以学校应积极拥抱人工智能。”科大讯飞轮值总裁吴晓如说。贾积有也表示，人工智能技术在教育领域的应用与传统教学方法相比具有比较显著的正面影响。
贾积有介绍，数据挖掘技术应用到教育上，可以实现教育决策和管理的民主化及科学化；学习分析技术可以帮助教育者更好地实施个性化和适应性教学活动，也可以帮助学习者更准确地认识自己，开展针对性学习，改进学习效果，提高学习效益；模式识别技术如情感识别等可以自动识别学生的情感状态，以便实施适应性教学；自然语言处理技术一方面可以作为辅助工具应用到语言教学上,促进学生听说读写译各个方面的发展，另一方面作为人机交互手段应用到智能教学系统上，实现自动答疑。
余胜泉也认为，人工智能在教育未来的许多方面，如自动出题与批阅、学习障碍诊断与及时反馈、问题解决能力测评、学生心理素质测评与改进、青少年体质健康实时监测、学生成长发展指导、智能学习伴侣、个性化智能教学、综合素质评价报告等方面，都可以承担起教师的角色。
“人工智能将引发现代教与学的革命，众多语音图像识别、可穿戴设备、虚拟现实成像技术渗入课堂，使得现行的教学媒介、师生评价反馈、深度学习等都发生改变，学生个性化、任务单式的学习，团队项目式的学习，多学科的统整融合实践等，都将在智能设备的支持下变得更便捷。”广东省深圳市南山区后海小学校长蒋和勇说。
“人要驾驭机器，而不能被机器奴役。”北京市第十八中学校长管杰表示，有了人工智能的辅助，教师可以腾出更多的时间和精力，创新教育内容、改革教学方法，让教育变得更好。教师就不再仅仅是知识的传授者，还是满足学生个性化需求的教学服务提供者、设计实施定制化学习方案的成长咨询顾问，成为学生学习的陪伴者、动力的激发者、情感的呵护者，真正成为学生“灵魂的工程师”。
不会使用人工智能的教师有可能被淘汰
“显然，未来的优秀教师将是那些善于使用人工智能的教师，教师要主动拥抱人工智能。”教育部基础教育课程教材发展中心主任田慧生说，“我们应该积极面对人工智能带来的挑战，同时提高自身的自主学习能力，培养创造力。创新思维的培养，就是要呵护学生的好奇心和求知欲，鼓励学生发现问题。”
“人工智能不能取代教师，但是使用人工智能的教师却能取代不使用人工智能的教师。”余胜泉说，未来的教育是人与人工智能协作的时代，充分发挥机器与人类不同的优势是提高教育生产力的关键，人工智能将会取代简单重复的脑力劳动，教师要发挥人类的创新、复杂决策、情感关怀激励等优势。
朱新宇认为，在人工智能时代，教师教学必须抓住3个核心：一是教授学生有价值的知识，同时培养学生探寻知识的兴趣、欲望和方法；二是培养学生良好的品行；三是启发学生寻找人生的价值和意义。
“最基础的教育，将不再需要教师；而‘更好教育’的需求以及市场选择中不同的支付渠道和交换方式，将大大提升教师的薪资水平和社会地位。”杨九诠认为，“教师将成为未来社会不同类型、不同规模的学习中心重要的共同规划者和运行者，从而成为社会与教育的协同创生力量；在工作性质和社会筛选的相互作用下，教师的道德水平将提升到新的境界，甚至可以想象，未来教师的薪资中将可能包含社会供养的成分。”
教育部教师工作司司长、北京外国语大学党委书记王定华说，教师要不断增长本领，善用人工智能，提高教学效果，扩展知识疆域，调动学生兴趣，不能对其漠然置之、不屑一顾。同时，教师也要体现主体地位，永做学校主人，关注学生成长。人不仅是学习知识的认知体，更是有血有肉的生命体。教师职业必将长期存在，人工智能则发挥必要辅助。
“面对信息技术和人工智能的日新月异，有关大学和中小学应加快教师发展信息化步伐，主动拥抱人工智能，进一步推动信息技术在教育教学、教育管理、教育服务过程中的应用，利用智能技术支撑人才培养模式的创新，支撑教学方法的改革，持续不断地造就一批又一批掌握信息技术、具有创新思维的教师。”王定华说。（本报记者苏令）
人工智能将取代大量岗位，哪些职位不会被替代
在科技日新月异的今天，人工智能（AI）的发展速度令人瞠目。投资银行高盛预测，AI可能会取代全球300万个全职岗位，这其中包括电话客服、平面设计师、程序员、作家和教师等。然而，也有一些职业在AI的冲击下依然稳固。那么，哪些职业能在AI的浪潮下安然度过呢？
据英国招聘网站Adzuna的研究，专业医疗人员如肿瘤科医生、矫形牙医和儿科医生的职位最不可能被AI取代，他们的年薪甚至超过了10万英镑。这些职业的稳定性主要源于其对专业知识和人类情感理解的高度需求，这是AI目前还无法替代的。
不过，AI的影响已经开始显现。据普华永道的一项研究，约有一半的英国工人担心他们的工作在未来五年内会受到AI的影响。就在上个月，英国电信宣布将裁员55000人，并用AI替代五分之一的员工。这无疑加剧了人们对AI可能取代整个行业的担忧。
在这种背景下，Adzuna根据OpenAI和宾夕法尼亚大学的研究，列出了最不可能被AI威胁的最高薪酬职业。其中，法官和政治家等需要主观推理的职业被认为是安全的。英国议会议员的年薪为86584英镑，法官的薪酬则远超10万英镑。
此外，Adzuna在6月份列出了731个首席执行官的职位，尽管平均薪酬较去年下降了4.6%，从85143英镑降至81205英镑。
Adzuna还指出，社会可能会抵制一些涉及“人类故事或动机”的工作被AI取代，如影响者、生活教练或个人教练。然而，这些职业的薪酬也出现了下滑。例如，个人教练的薪酬从48575英镑降至40560英镑，下降了16.5%。
值得注意的是，手工劳动也被认为是免受自动化威胁的。蓝领工作，如铺设和夯实设备操作员（平均薪资85800英镑）、架空线工人（51886英镑）和砖石工匠（50345英镑）等职业在榜单上占据主导地位。石油钻井工人、起重机驾驶员和木匠也位列其中。
尽管许多公司正在接纳AI，但AI的存在也预计会创造出一些专门监控其使用的工作岗位。Adzuna预测，AI工程师、AI伦理官和AI审计员等职位在不久的将来将变得常见。
然而，AI的影响对一些科技行业的工人来说是毁灭性的。例如，道德黑客（测试公司在线安全的人员）的薪酬是去年的一半。在广告数量相似的情况下，薪酬从89888英镑降至41417英镑。
最后：AI的发展无疑会对全球就业市场产生深远影响。然而，也有一些职业在AI的浪潮下依然稳固。这些职业的稳定性主要源于其对专业知识和人类情感理解的高度需求，这是AI目前还无法替代的。因此，我们需要对AI的发展保持警惕，同时也要看到其带来的机遇。