郭绍青：人工智能助力教师教学创新
人工智能作为关键共性与颠覆性技术，正在对产业结构、生活环境等产生影响。人工智能进入教育领域，推动了智能学习系统、虚实融合学习环境、智能教育助理等智能系统和工具的开发与供给，智能教育环境建设已现端倪。实现机器智能与人类（教师）智慧相融合指向学习者的高级思维发展、创新能力培养，启迪学习者智慧的新教育，培养复合型、创新型、战略型、智慧型的人才，能够对人工智能与人类智慧相融合从事社会工作的劳动者的智慧教育进行广泛讨论。教师作为人工智能融入教育的直接利益相关者，具备利用人工智能学习系统和工具开展教学的知识与技能，提升人工智能技术素养显得十分重要。当前人工智能教育产品正在快速进入学校与课堂，为教师利用人工智能技术实现教学创新提供了支撑。
智能诊断助力教师优化课堂教学。适应性学习系统、手写板、智能阅卷等系统进入学校，为教师提供了对学生个体、小组、班级等随堂数据和课外数据采集与分析的手段，教师利用数据分析结果，精准定位学生个性学习问题与班级的普遍问题，找准学生个性与共性薄弱点、聚集学生学习障碍点，改进教学策略与方法，进行分层、分类教学，提升教师在课堂教学中解决学生学习问题的针对性与教学效率。
学习分析技术助力教师开展规模个性化教学。《中国教育现代化2035》提出“走班制、选课制等教学组织模式……利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合”的要求，具备大数据学习分析功能的网络学习空间的应用，对学生学习的精准画像，使教师在精准掌握学情的基础上，能够有效组织翻转课堂、小组合作学习、探究学习等学习活动。同时，学习分析技术正在推动网络学习空间中以个性化发展为核心的动态学习组织的发展，并引发实体学校动态走班制度的建立，实体学校与网络学习空间相融合的动态学习组织发展，将使教师实施规模个性化教学成为现实。
课堂智能分析助力教师精准教研。集自然语言处理、计算机视觉、生物特征识别等技术的课堂教学智能分析系统的应用，实现了对课堂教学过程数据的伴随性采集，汇聚课堂教学多维数据的智能分析能够形成更加精准的教师课堂教学行为的可视化分析结果。跨校际、跨区域的教研活动，利用课堂教学智能分析系统的分析报告，结合教研员与优秀教师评价分析，为研修教师提供精准服务，指导、组织、协助研修教师进行深度学习，对提升研修效果与效率具有显著作用。
智能学习系统助力教师提升教学质量。目前相对成熟的智能学习系统主要集中在智能语言学习方面。英语流利说、英语趣配音等一批利用自然语言处理技术开发的智能语言学习系统进入了教育领域，教师利用英语智能学习系统能够支持学生的听说训练，特别是在面向农村教学点的专递课堂中的应用，能够弥补教师自身的能力缺陷。同时利用自然语言处理技术与AR/VR相融合开发的藏、维双语智能学习系统将为学生提供多通道的人机交互，提升国家通用语言的学习质量。
人工智能助力教师家校协同。人工智能技术在家校协同教育中的应用，正在改变家校教育分离、难以形成合力与协同监管的现状。一些县区在推动人工智能教育应用过程中，利用人工智能技术助力家校协同教育，利用智能校徽与体温和人脸采集摄像机，无感采集学生体温、运动量、行动轨迹等数据，协助教师与家长掌握学生健康状况、安全信息、运动强度。要求学生阅读课外书籍，并在每天规定时间内利用纸笔系统写出读后感，教师能够及时进行点评，对培养学生的学习习惯、扩宽知识面等发挥了积极作用。（西北师范大学郭绍青）
2023人工智能教育蓝皮书：现状、挑战与发展建议｜附下载
周丹腾讯青少年人工智能教育负责人
吴朋阳腾讯研究院智慧产业研究中心主任
人工智能作为新一轮科技革命和产业革命的重要驱动力量，正在深刻改变人们的生活、工作和教育学习方式，人工智能技术越来越多地应用在教学管理的各个环节，人工智能课程也逐渐成为中小学阶段的重要教学内容之一。
为贯彻落实《中国教育现代化2035》，更全面地调研我国中小学人工智能课程教学和技术赋能教育的现状，腾讯研究院联合华东师范大学、中国教育科学研究院开展全国人工智能教育现状调研，编写了《2022人工智能教育蓝皮书》，旨在为未来中小学人工智能教育落地提供有效路径参考。
本次蓝皮书面向全国25个省市的中小学校长、教师和学生进行问卷抽样调查，从2021年9月至10月获得有效问卷总计超过19万份，样本量较为充分。蓝皮书从人工智能教育的定义及应用比较、人工智能赋能教育的技术应用情况、人工智能课程的教学设置及师资实践等维度，通过不同地区校长、教师和学生不同视角的比较研究，反映出当下人工智能教育的现状及挑战，并对未来发展给出建设性建议。（文末提供本报告电子版和纸质版的获取方式）
人工智能教育的内涵和关键词
教育学者从不同的视角和层次出发，按照观点内容的指向性，将人工智能教育的内涵分为三大类：第一类是工具，人工智能教育即人工智能赋能教育，主要指向人工智能的应用层面，支持教、学、管、评等教育活动的技术手段，利用智能工具对教育系统各要素进行自动分析，支持规模化教学与个性化学习，加快人才培养模式和教学方法的改革。第二类是内容，人工智能教育即人工智能课程教学，以人工智能为学习内容的教育，包括人工智能知识教育、应用能力教育和情意教育等，是提升个体人工智能素养的泛学科性教育。第三类是工具与内容的组合，将以上两类观点进行整合，实现学习层面与应用层面的统一与融合。
图1人工智能教育的分类
工具：
人工智能赋能教育的重要发现
1.学校信息化智能系统建设仍处于“重硬轻软”阶段。受访学校的信息化硬件设备总体情况较好，并配备了一定数量的智能设备，但是人工智能技术教育应用的相关软件系统还较为欠缺。
图2学校所拥有的人工智能软硬件教育装备情况（N=1423）
图3学校在课堂教学中应用人工智能技术的情况（N=1423）
2.学校管理层愿意推进人工智能教学应用，同时对系统安全诉求强烈。受访校长对人工智能技术在学校管理方面的应用满意度较高，并且愿意继续推进人工智能技术在学校中的进一步应用；学校都愿意通过设立“教学服务团队”、“邀请人工智能专家提供指导”等渠道为人工智能在教育方面的应用提供支持；校长们还认为教师最需要的外部支持是为教师创造在教学中使用人工智能产品的文化氛围、配置成熟的人工智能教学应用产品、增加教师在教学中使用人工智能产品的激励机制。由于人工智能技术在教育应用中可能导致师生的个人信息泄露或被监视等问题，因而校长对搭建校园安全预警防范系统的态度较为强烈。
图4校长对人工智能技术在学校管理应用的满意度情况（N=1423）
3.教师整体认可人工智能教学工具的价值，但也受阻于相关产品的不成熟和系统培训的缺乏。受访教师对人工智能在教学中的应用较为满意，认为在教学中应用人工智能技术可以提高他们的教学自信心，但同时也反映在操作人工智能产品中遇到困难的问题。教师认为最阻碍在教学中有效应用人工智能技术的因素是缺乏成熟的智能产品以及配套的资源与服务，其次是中小学中缺乏对一线教师进行人工智能相关课程的系统培训。
图5教师应用人工智能技术的阻碍因素（N=26806）
4.学生普遍愿意使用人工智能学习工具，希望获得个性化评估与辅导。大部分受访学生都对人工智能教育持有积极的态度，愿意使用人工智能学习工具，并认为使用人工智能技术会促进学习。仅有不到一半的受访学生使用过人工智能学习工具辅助学习，使用过的学生则都能够利用人工智能学习工具自主获取所需要的学习资源，实现学习方式的多样化。
图6学生使用人工智能学习工具的类型（N=54684）
大部分受访学生认为，智能评价系统从不同角度分析学习数据，能精准反映实际学习情况，对学习有很大帮助，并期望智能学习工具能够基于问题给予学生详细的解析思路和过程，在此基础上配备相应的讲解视频，全方位多角度地对学生进行有针对性的辅导。
图7学生期望的智能学习工具（N=46462）
内容：
人工智能课程教学的重要发现
1.政府拨款采购是人工智能课程资源配置的主要方式。受访学校拥有的智能技术硬件设备或软件设施等资源，超过半数以上是通过“政府拨款采购”的方式获取的，这表明在人工智能进入中小学的过程中，政府发挥着重要的作用，为课程资源的配置提供坚实的政策和资金支持。
图8人工智能课程资源获取途径（N=1423）
2.学校管理层普遍积极推进人工智能课程，教师能力培养和课程体系完善是当务之急。对于中小学人工智能课程的发展前景，大多数的受访校长保持积极的态度，认为人工智能课程具有光明的应用前景。超半数的受访学校已经开设或正在筹备人工智能教育教学活动，聚焦人工智能课程的教师培养、课程规划以及硬件设备、设施环境等。
图9人工智能教育教学活动的开展情况（N=1423）
图10学校开展人工智能课程建设的主要工作类型（N=838）
3.人工智能课程的教师数量较少，大部分教师认为自身专业知识和能力一般需要进行系统培训。受访的中小学校中，参与人工智能课程教学活动的教师数量较少，专职讲授人工智能课程的教师寥寥无几，大多数受访教师认为自己对于人工智能专业知识和相关工具的掌握程度一般，且开设的人工智能课程尚处于了解与体验阶段，授课时间频率在1周1课时。
图11教师对人工智能相关知识的掌握情况（N=2159）
图12教师开设人工智能课程的阶段（N=2159）
讲授人工智能课程的教师普遍认为，中小学有必要开展与人工智能教学相关的职前培训，仅有三成左右的教师在高等教育阶段接受过人工智能教学培训，且认为培训课程的难易程度适中。
中小学人工智能课程教材的获取途径主要分为两种：直接采购和自主研发；教材的购买主体一般为学校，而教材的开发主体一般为人工智能课程教师，仍有近三分之一的教师表示其所在学校的人工智能课程并没有配备相应的教材资源。
图13人工智能教材资源的配套情况（N=838）
4.学生学习人工智能课程普遍喜欢课外活动、竞赛等多元化的教学方式。大部分受访的学生对自主探究和小组合作的授课形式表示满意，认为项目式的学习方式有益于教学活动的开展，贴近生活的情境学习可以激发他们的学习兴趣，运用人工智能技术解决问题的方法能够提高他们动手实践和创新思维的能力，希望学习人工智能课程可以走出课堂，参加丰富多元的课外活动或竞赛。
图14学生期待的人工智能课程开展形式（N=105955）
地区发展差异分析
1.东部地区学校的信息化基础设施情况和人工智能设施设备情况都是最好的，而东北地区的人工智能系统情况不够乐观，这将导致地区间差异逐渐拉大，更会影响后续人工智能课程的开设与发展。
图15不同地区学校在课堂教学中应用人工智能技术情况
2.东部地区的校长对于人工智能在教育管理上的应用持有赞同态度的比例最高，而东北、中部、西部地区的认同态度比例明显低于东部地区，中部地区最低。
图16不同地区校长对工智能教育管理应用的赞同比例
3.目前各区域人工智能教师培训内容以人工智能教育的理念和理论为主，其中东部地区人工智能教师的培训内容丰富度最高，其他各方面的占比均高于其他地区。
图17不同地区人工智能教师培训内容
4.根据学生使用人工智能工具类型可看出，东部地区中小学生能够自主寻找网络资源满足自己的学习需求，并根据系统的评价与反馈进行自我反思，其信息化素养较高且利用技术解决现有问题的意识也比较强烈，人工智能工具对西部地区中小学生的学习有着更为明显的促进作用。
图18不同地区学生使用人工智能工具情况
5.大部分区域中开设人工智能课程的学校已经具备相关的配套教材资源，其中教材获取途径以学校自主研发为主。
图19不同地区人工智能教材配套情况
6.在“双减”政策下，各区域均考虑开展人工智能课程的课后托管服务，其中中部地区最为突出。
图20不同地区学校考虑开展人工智能课后托管情况
人工智能教育的未来展望
综观人工智能教育发展现状和主要问题，未来发展可从以下几个方面重点考虑：
一是构建公平而有质量的人工智能教育生态系统。人工智能发展带来了社会全方位的变革，也对教育提前布局人力资本提出前所未有的要求。首先，从国家战略的角度要对人工智能教育进行顶层设计，在国家层面制定宏观的规划与方案，再根据地区的差异因地制宜进行调整。其次，国家要大力投资与人工智能教育相关的研究项目，制定高精尖人才培养政策，建设人工智能精英人才库，为人工智能人才提供实践的大舞台。最后，要树立正确的人工智能价值导向，培养人工智能时代具有社会责任感的中国公民，并高度重视人工智能教育发展可能带来的伦理问题，为构建一个和平、包容、稳定的社会做出贡献。人工智能专业人才的培养，不仅依托智能化资源与内在价值认同等基础条件，也需要社会生态与文化情境的有力支撑。
二是提高教师应用人工智能教育技术的能力。未来的课堂，将由人类教师与人工智能教师共同协作承担教学任务，两者各自发挥优势，各司其职。其一，积极开展跨校际、跨区域的教研活动，利用课堂教学智能分析系统，结合不同地区优秀教研员的点评分析，为研修教师提供精准服务，指导、组织、协助研修教师进行深度学习。其二，组织开展人工智能的相关技能培训，转变教师的教学理念，帮助教师精准掌握人工智能的技术，完善学校教师的激励机制，推动教师积极应用人工智能技术开展教学活动，协同实现个性化教育、公平教育与终身教育,促进人的全面发展。
三是推动学校教育评价改革，完善学生评价机制。响应《深化新时代教育评价改革总体方案》中提出的“改进结果评价、强化过程评价、探索增值评价、健全综合评价”、“提升教育评价的科学性、专业性、客观性”的明确要求，一方面，借助大数据、人工智能等技术，以学生在学习过程中的动态数据为基础，实施学习诊断分析，建立围绕学生成长的数据档案，探索各学段学生学习情况的全过程纵向评价。另一方面，优化教育评价方式和转变评价焦点，定期完成核心评价指标的统计和分析，聚焦学生核心素养发展，构建“五育并举”的学生综合素质评价体系，推动德智体美劳全要素的横向评价落地，构建一条完整的人工智能赋能教育领域的清晰路径。
报告全文提供两种获取方式：
1.希望获得电子版报告的读者，请扫码填写您的邮箱地址和单位信息，我们将及时发送；
2.希望获得纸质版报告的读者，请在留言区留下您对人工智能教育的看法，我们将根据点赞数量，选出10位寄送。
人工智能时代学校教育的现状及发展趋势
（二）积极开展教师人工智能教育培训
教师作为学生培养者、人工智能教育实践者，提升自身人工智能素养是实现教育现代化的重要保障。针对当前教师对人工智能教育认识分化，人工智能教育利用不合理情况，学校与教育主管部门应定期对教师进行相关教育培训。第一，深入调查研究了解当前教师关于人工智能教育认识程度、使用熟练度、存在具体问题及相关建议，由此制定具有针对性的培训内容。第二，针对调查结果结合不同地区实际教育发展需要，制定人工智能专项教育培训计划，达到教师正确认识并熟练运用目的。第三，邀请人工智能专家、教育专家、资深教师进行培训课程研发。使培训课程贴近生活、贴近课堂、贴近学生，做到为教育服务。第四，为保证培训效果，将人工智能教学技能作为教师综合考核标准之一，督促、激励教师向数字化教师转型，带动教育事业走向现代化。
（三）合理为学生制定个性化学习方案
人工智能教育使教师对学生学习过程具有深入了解，可以针对不同层次学生制定个性化学习方案。传统课堂教师无法兼顾学生学习差异，授课内容只能以班级大多数学生水平为参照，导致优等生得不到突破，后进生理解困难，难以真正达到因材施教。在人工智能教育帮助下，通过自适应学习程序、游戏和软件等系统响应学生的需求，全过程搜集学生的学习数据，通过分析数据，最后向学生推荐个性化的学习方案。课前，教师通过数据反馈结合学生学习需要制定本节课教学计划。课中，依据学生课堂表现，教师可以有针对性的对学生薄弱环节，进行深入讲解加深学生印象。课后，分层次布置作业，在确保夯实基础知识前提下，适当拔高作业难度，既能巩固知识，又能减少学生学习挫败感调动学习积极性。人工智能教育把传统课堂的优势与数字化教学的便利相结合，实现线上教育与线下教育的混合式教学，达到个性化教学目的。
（四）考核体系实现素质评价精准化
当前以知识为核心的考试制度，虽然提高了升学率，但是制约了教育创新发展，不利于学生综合素质提升。随着人工智能数据采集方式的不断完善，充分利用大数据智能分析对学生的学习过程、学习行为、学习水平等进行分析，基于学生的个性特点精准建立学习者的动机、能力、爱好、水平、体能、心智水平等要素构成的学习方案，具备大数据智能过程性评价的新制度将从根本上优化当前的以知识为核心的考试制度，以学习者动态发展学业水平为基础的适应性双向匹配与选择制度将被建立，从而实现素质评价精准化，提升学生学习的积极性与主动性。
三、人工智能对未来教育影响
（一）促进学生深度学习
理想的学习效果是让学生认识到学习意义，从而全身心投入到未知领域的学习中，达到深度学习目的，人工智能教育利用技术优势实现学生深度学习。首先，真实地学。真实是深度学习发生的基础，在课堂中减少虚假学习行为，聚焦学生内心世界，了解学生学习困境，进行针对性教学，从而促进学生深度学习。其次，充分使用工具。人工智能为教育提供丰富多样的学习工具，学生结合自身学习特点，合理选择学习工具，提高学习效率促进深度学习。最后，整体地学。关于深度学习，我们应走出碎片化学习误区，利用人工智能辅助学习工具，把知识与生活相联系与学生学习过程体验相结合形成整体教学。人工智能时代深度学习不仅是大脑参与的思维层面的学习，更是人机协同的系统化学习。
（二）促进学生跨学科学习
单科学习让学生有完整系统的学科知识，但其局限性无法满足新时代对学生综合能力提出的要求，新时代跨学科学习是未来创造者的必修课。这种学习方式打破不同学科、领域之间的知识隔阂，在帮助学生解决复杂问题的同时拓宽认识边界，培育学生的发散思维和创新能力。人工智能时代跨学科学习，不再局限于学校学科之间的跨越学习，而是提倡学生学习社会各个学科领域的重要知识，并用此指导实践。进行跨学科学习应使用交流合作的学习方式，在学习过程中取长补短，融百家之所长，实现知识的流动、转换和创新，在理性的学术争论中，帮助学生完善知识，提升学生创新水平。
（三）促进学生思维方式转变
人工智能教育颠覆了不同个体的学习过程和学习方式，促进学生思维方式转变。在应试教育背景下，学生常用死记硬背的学习方式，不考虑知识的来源、用处与其他知识的关联，缺乏在实际生活中运用。针对这一问题，人工智能用庞大数据库和丰富实践案例，来引导学生思维方式从零维上升到一维。线性思维强调不同事物之间彼此关联和相互连接，利于学生用所学知识连接现实解决困境。建立不同知识点的因果联系，有助于提高学生创造力、展现个性。人工智能作为人类学习辅助工具，极大地优化了学生的思维方式，加速素质教育实现。
四、结语
人工智能技术发展使学校教育得到优化，为人类社会发展带来动力和创新契机，我们应从理性的角度出发，合理利用技术推动教育进步，提升教育质量，真正发挥教育立德树人作用。在进行教育体系建设时，始终坚持教育的初心和使命，坚持科学精神、创新精神、实践精神，发展具有中国特色的新时代智能教育。
参考文献：
［1］梁迎丽，刘陈．人工智能教育应用的现状分析、典型特征与发展趋势［J］．中国电化教育，201（8 03）：24-30．
［2］吴晓如，王政．人工智能教育应用的发展趋势与实践案例［J］．现代教育技，201（8 02）：5-11．
［3］余胜泉．人工智能教师的未来角色［J］．开放教育研究，201（8 01）：16-28．
［4］张剑平，张家华．我国人工智能课程实施的问题与对策［J］．中国电化教育，200（8 10）：95-98．
人工智能赋能教师教育：基本逻辑与实践路向
近年来，自然语言处理、机器学习、人脸识别等智能技术快速发展，促使教育信息化逐渐呈现智慧特性，人工智能赋能教育创新发展已成我国教育改革的关键抓手。传统信息技术逐步实现智能升级，技术赋能教师教育的形态也实现重大变革。2018年，《教师教育振兴行动计划（2018—2022年）》推出“互联网+教师教育”创新行动，并强调应充分利用大数据、人工智能等新技术，助力教师教育理念与模式变革，推进教师教育信息化建设与应用。2022年，《教育部教师工作司2022年工作要点》指出，“推进第二批人工智能助推教师队伍建设试点工作，开发和应用教师智能助手，探索开展教师智能研修，推广完善‘双师课堂’。”基于此，本研究尝试聚焦人工智能赋能教师教育这一议题，理顺人工智能赋能教师教育的基本逻辑，并面向中小学教师群体开展问卷调研，从而进一步挖掘人工智能支持下教师教育变革所面临的现实困境，归纳提炼人工智能赋能教师教育的实践路向，以期为新技术时代教师教育变革提供有益参照。
一、信息技术赋能教师教育的历史变革
随着信息技术的不断升级与发展，一些具有“类人功能”的智能产品逐渐应用于教育教学领域，促使教育信息化样态逐渐具有智能属性。就教师教育而言，信息技术赋能教师教育的历史进程主要经历了三个发展阶段。
（一）电化教育时代：信息技术赋能教师教育的初步探索期
1978年4月，全国教育工作会议指出，应充分利用广播、电视等工具，大力培训师资。此次会议不仅有力地推动了我国电化教育的发展，也促进了广播、电视等现代化技术手段在教师教育中的应用，开启了信息技术赋能教师教育的初步探索。1981年10月，教育部颁文要求“发挥电化教育在提高师资水平中的作用”。20世纪80年代中后期，随着计算机技术和网络通信技术的不断进步，信息技术赋能教师教育的工具与方式逐步得以拓展。1996年，《中小学计算机教育五年发展纲要（1996—2000年）》指出，应面向师范生开展相关培训，提升计算机辅助教学的知识与技能，并强调教师需对计算机等电化教育教学手段予以掌握。归纳来看，在电化教育阶段，教师教育的实践理念与行动方式逐渐融入技术元素，但这一时期教师教育存在着信息共享滞后、技术应用水平低下等诸多问题，教师教育过程与投影、录音、录像、电视、计算机等传统教育技术媒体之间的融合尚处于浅层阶段。
（二）教育信息化时代：信息技术赋能教师教育的快速发展期
21世纪初，我国的教育信息化发展较为关注项目及工程建设，以远程教育、开放教育等方式为依托，致力于提供多样化的教育信息化服务。在教育信息化背景下，我国教师教育理念与方式发生重大变革，信息技术赋能教师教育也逐步从电化教育时代迈向教育信息化时代。2002年，教育部发布《关于推进教师教育信息化建设的意见》，对教师教育信息化原则、目标以及具体举措等诸多方面作了基本要求，为我国教师教育信息化快速发展奠定了行动方向。随后，我国教师教育信息化建设开始逐渐关注宏观指导与项目实践相结合的推进方式。《2009—2012年中小学教师国家级培训计划》等文件以具体的实践项目来推动教师教育信息化。随着互联网、云计算等技术的快速发展，教师教育体系也积极顺应信息技术发展趋势，致力于培养具有信息化教学技能的新型师资。但由于这一时期信息资源良莠不齐，教师教育过程的数据挖掘和分析还相对滞后，对于硬件设施投入与建设的关注高于软件设施，教师教育课程资源尚未实现有效的区域联通。
（三）“智能教育”时代：信息技术赋能教师教育的战略转型期
2017年，《新一代人工智能发展规划》中明确提出，应利用人工智能技术满足社会大众对于教育、医疗等方面的民生需求。随着机器学习、智能感知等智能技术与教育教学的整合成效逐渐凸显，2018年，《关于开展人工智能助推教师队伍建设行动试点工作的通知》中更是强调应提升教师对于人工智能的胜任力与适应力。2021年4月，教育部发布《关于开展第二批人工智能助推教师队伍建设试点推荐遴选工作的通知》，强调应通过建立师范生大数据评价管理机制、创新“人工智能+教师研修”模式等手段，促进人工智能、大数据等技术与教师队伍建设的有效整合，助推教师教育理念与模式的智能转型。此外，人工智能与教师培训的整合也逐渐得到广泛关注，2021年5月，教育部、财政部发布《关于实施中小学幼儿园教师国家级培训计划（2021—2025年）的通知》，强调应推进人工智能与教师培训融合发展，形成人工智能支持教师终身学习的新机制；《教育部教师工作司2022年工作要点》亦强调应推进人工智能助推教师队伍建设，发掘推广一批人工智能助推教师队伍建设的先进典型，推进教师资源数字化建设和教师队伍数字化治理。
二、人工智能赋能教师教育的基本逻辑
在“人工智能+教师教育”生态系统中，信息技术能够对教师教育的课程设置、教育模式、评价方式、应用实践、培训和终身学习等方面产生影响，解决教师培训方式变革以及教师教育的管理问题也是推进人工智能与教师教育体系深度融合的关键。
（一）课程层面：智能资源共享赋能教师教育课程体系完善
教师教育课程是构成教师教育体系的重要内容，这也是人工智能赋能教师教育的基本着力点。人工智能在资源推荐、资源整合等方面具有智能特性，人工智能赋能教师教育的一大优势在于可通过智能资源共享推进教师教育课程体系趋向完善。首先，人工智能可为教师教育课程资源的开发与获取提供技术保障。可通过智能化资源开发平台，设计与整合海量教案、课件、课堂实录、习题等教学资源数据，且利用大数据的智能匹配与分析功能为教师筛选出最优质的课程资源并为其推荐最适切的学习资料，有助于为教师专业发展提供精准化的培训课程资源。例如，华中师范大学“现代教育技术应用”课程通过引入虚拟仿真实验和桌面VR交互一体机，促进师范生自身学科内容与新兴形式资源的融合，设计、开发和生成多种沉浸式、交互式的教学资源。其次，人工智能可助力教师教育课程管理建设。基于智慧课程管理系统为教师及教师教育者提供留言、点评、交流、反思等信息共享功能，可实现海量的教师学习行为数据的精准采集与分类，并利用数据分析与共享技术为教师教育者改进课堂教学方式与内容设计提供证据支持。归纳来看，智能资源共享本身是一种信息共享，有助于拓展教师教育课程学习的资源内容与空间场域，此为人工智能赋能教师教育的课程逻辑。
（二）评价层面：机器学习赋能教师教育质量精准改进
机器学习赋能教师教育质量精准改进可被视为人工智能赋能教师教育评价的重要环节。首先，机器学习有助于实现教师教育过程性数据的精准挖掘。长期以来，教师教育质量缺乏相对全面的评价标准，教师教育质量评估往往侧重于结业考评、期末考评等总结性评价方式，较为忽视教师教育过程的数据记录与信息采集，教师教育者可能对于自身教学过程中的潜在问题也难以发觉。其次，机器学习立足于对海量数据全生命周期的伴随式采集、深度挖掘与分析，其能够通过挖掘数据背后的潜在关系，不仅能够实现基于理性证据的科学决策，也能够为教师教育质量的精准监测与改进提供实践路径。机器学习可通过智能传感、人脸识别、图像识别等技术实现在线教师教育数据、线下教师教育数据的有效采集与智能分析，有助于以大数据分析方式来可视化呈现教师教育质量分析结果。基于质量分析结果，教师教育者能够迅速识别其教育教学的缺点，并能够有针对性地予以改进，进一步掌握当前教师教育课程、管理、实践等方面存在的实质性不足，这为教师教育质量的精准改进提供了诸多便利。例如，黄慕雄等人以广东省教师教育大数据智慧系统为例，构建了一种多源多层的教师专业发展分析模型，采用较为成熟稳定的协同过滤推荐算法综合分析并精准制订培训发展方案，是满足教师培训机构为教师智能化制订培养方案需求的部分体现，为精准评估与改进教师教育质量提供了有效支持。
（三）管理层面：智能决策助力教师教育治理机制重塑
人工智能拥有规模化数据、深度学习算法以及高度计算力，其通过科学规范的数据聚类、数据认知、决策优化等过程，挖掘数据的复杂性关联和潜在价值，使智能决策得以实现。首先，智能决策为以单向性、强制性及刚性为核心特征的传统教师教育管理模式走向科学民主式的教师教育治理模式提供了重要支撑。基于智能决策理念的教师教育治理将由经验走向循证，经由“提出问题—获取证据—评价证据—应用实践—效果评估”科学流程，自始至终指向准确和明智的最佳教育证据筛选与应用，保障教师教育决策有据可循。其次，智能决策本身体现了一种数据治理的理念，其以规模化数据和智能算法为中介，促进教师教育决策过程由单一主体决策走向基于数据智能的多主体协作，有利于教育行政部门、教师培训机构、学校等决策主体构建基于证据的教师职前职后一体化协同机制，教师教育的决策者、参与者可通过协同完成数据收集、表征、组织、分析、交流等环节，精准定位并预测教师培训的需求与供给状况，尤其是应真正关照乡村学校在职教师专业发展的个性化需求，最终生成兼具技术理性与人文关怀的教师培训与研修方案。
（四）培训层面：智能互联助力教师培训空间极速拓展
自20世纪末《中小学教师继续教育规定》颁布以来，我国教师培训的规模、经费投入、相关制度和体系建设等飞速发展。然而，不少地区的教师培训工作也暴露出一些现实难题，如对教师培训的需求分析不够细致与准确、培训内容重复与泛化、培训空间满意度不高等。随着深度学习等智能技术的发展，教师教育空间将逐步实现虚拟空间与物理空间的无缝衔接，智能互联助力教师培训空间极速拓展成为现实。首先，基于智能互联理念的教师研修平台进一步提升了教师培训的针对性与有效性，有助于创设沉浸性更强的线上虚拟研修空间与“双师课堂”教学空间，可实现对教师认知结构、教学行为、教学风格与专业能力的智能监测与精准诊断，并实现精准化的课程推送、个性化的助学支持。其次，基于智能互联的教师培训助手系统为教师培训目标的实现释放了工作空间。AI教师能够将教师培训者从琐碎的机械性行为中解放出来，教师培训者将拥有更多的“自由时间”，这使其可以在更充分的自我认知基础上，更多反思教师教育课程设计、实践应用、沟通协作等方面的教师培训问题。再者，基于智能互联的跨区域培训云平台有助于拓展教师专业学习空间。“智能+教育”模式打破了教师培训的时空局限，进一步增强了教师培训的灵活性，有助于实现跨区域的教师培训新机制，有助于打造线上线下一体化的教师培训新机制，这对于实现偏远、贫困、落后地区教师教育与发达地区协同发展具有重大意义。例如，依托统一的宁夏教育云在线互动课堂平台，宁夏尝试推进名校名师与普通教师开展线上师徒结对，组建专业成长共同体，利用在线互动课堂、名师网络工作室等，实现城乡教师“智能手拉手”。
三、人工智能赋能教师教育的现实困境
遵循前文所述的人工智能赋能教师教育的基本逻辑，本研究基于教师教育体系构建的实际现状，从课程层面、评价层面、管理层面、培训层面出发，结合对10位区域教师进修学校管理人员、教师教育领域学者、中小学校长的访谈结果，编制了“人工智能支持下的教师教育改革调查问卷”。除基本信息题项、多选题“您认为人工智能支持下的教师教育可能存在哪些问题？”之外，问卷中各题项均采用李克特五点量表形式（从非常不符合到非常符合）予以呈现。首先，选择江苏省W市90位中小学教师进行预调研施测，基于预调研样本数据，对问卷进行信效度检验。数据分析结果显示，整体量表的KMO统计值为0.95，Bartlett球形检验结果的p值＜0.001，表明问卷适合进行因子分析。对整体问卷进行探索性因子分析，抽取出4个公因子，累计方差解释率达到86.26%，表明因子结构较为可靠。依据因子载荷图可知，题项A1到A4构成课程维度，题项B1到B3构成评价维度，题项C1到C4构成管理维度，题项D1到D3构成培训维度，与本研究对人工智能赋能教师教育的基本逻辑的分析框架相一致，表明问卷具有较好的结构效度，可作为正式调研问卷。
之后，基于正式调查问卷，本研究选取浙江、江苏、上海等教育与经济发达地区的中小学作为调研学校，面向中小学教师投递电子问卷，调研结束后，回收有效问卷527份。本研究利用Cronbachsalpha、CR、AVE值检验问卷信效度。整体量表的Cronbachsalpha值为0.966，各分量表的Cronbachsalpha值在0.89与0.97之间，证明问卷具有较好的内在一致性信度；验证性因子分析结果显示，各分量表的CR（组合信度）取值范围在0.79与0.86之间，表明量表的组合信度较好。各分量表的AVE值均大于0.5，表明量表的收敛效度较好。此外，验证性因子分析结果显示，模型拟合较好，RMSEA、CFI、SRMR指标均达到测量学标准（RMSEA＜0.08；CFI≥0.90；SRMR＜0.06）。综合上述分析结果，可知问卷通过了信效度检验。
人工智能支持下的教师教育现状的描述性分析结果如下。总体而言，人工智能支持下的教师教育现状的均值水平为3.85，除评价层面以外，各子维度（课程层面、管理层面、培训层面）的均值水平均在4以下，由此可见，当前教师对于融入人工智能的教师教育、职后培训的感知情况并未达到理想程度，人工智能在推进教师教育改进方面尚存较大空间，因此，仍需进一步探索如何利用人工智能优化区域教师教育体系，提升教师教育的有效性、针对性、科学性、智慧性。在此诉求背景下，精准分析人工智能赋能教师教育变革所面临的现实困境，则成为归纳和提炼人工智能赋能教师教育实践路向的关键之举。具体而言，本研究将进一步结合调查分析结果，围绕课程、评价、管理、培训四个方面剖析人工智能赋能教师教育的现实困境（见图1）。
图1人工智能赋能教师教育的现实困境
（一）教师教育课程体系难以适应智能时代教师专业发展
在智能时代，教师教育的内容正发生重大变革，人工智能已成为教师教育工作的得力助手，开设一系列面向教师的人工智能课程具有一定的必要性。但就我国教师教育课程体系而言，其目前尚难以适应智能时代教师专业发展。首先，在课程层面，区域教师教育课程建设缺乏较为统一且清晰的课程标准，区域教师教育的课程科目、结构和类型较为单一的现象时常出现。而且，本研究调查结果显示，55.79%的教师认为，教师教育课程内容与教师所需的智能教育素养脱节；题项“教师教育的课程内容能够满足您的实际需求”均值为3.91。由于受人、财、物等多方面资源的影响，教师教育课程理念的变革难度相对较大，即使是面对人工智能等新技术的冲击，教师教育课程建设也具有滞后性与保守性，融入人工智能教育内容的教师教育课程特色难以有效凸显。其次，在教学内容方面，目前不少地区的教师教育教材体系陈旧，教学内容未能结合智能时代所需做到有效更新。数据分析结果显示，题项“当前的教师教育课程关注如何让教师有效应用人工智能产品”及“学习教师教育课程能够提升您的智能教育胜任力”的均值水平分别为3.95与3.94，这表明教师教育课程体系与人工智能等技术知识的融合力度与成效不足。再者，在教学方面，受困于不少教师教育者、受训在职教师及师范生的技术接受与整合能力存在欠缺，教师教育课程教学缺乏具有足够信息化胜任力的教师教育师资，导致智能技术赋能教师教育课程教学的过程受到教师能力的严重制约。
（二）基于证据的教师教育质量评价有待优化
在5G、人工智能、大数据等技术的支撑下，如何构建基于证据的教师教育质量评价体系是推动人工智能时代教师教育发展的一大难题。为尽可能地减少评价过程中的标准不一与价值冲突等问题，在从事教师教育评价活动之前，需要确立相应的指导标准和价值准则。对于我国教师教育评价实践而言，基于证据的教师教育质量评价亟待进行优化，教师教育质量评价体系尚待建立健全。综合来看，我国不少地区至今仍未形成循证式的教师教育质量评价标准体系，导致我国教师教育评价活动在实践中缺乏必要的规范性与科学性，48.39%的教师认为，对于教师教育效果的多维评价有待加强。此外，我国教师教育评价普遍存在着重视运用分数、成绩等量化指标评价的倾向，仍然留有“头痛医头、脚痛医脚”碎片化的评价方式，且数据分析结果显示，题项“培训专家能够利用人工智能对您的学习效果进行分析与评价”均值为3.96，这表明人工智能尚未全方位融入循证式教师教育质量评价体系，未能充分借助人工智能等新技术立体化地搜集教师教育活动的信息从而科学全面地评价教师教育效果，进而导致教师教育评价新格局尚未完全形成。
（三）大数据赋能教师教育管理存在决策偏差
人工智能浪潮风起云涌，其与大数据之间的关系相伴而行，人工智能功能的发挥离不开数据处理与运算的支持。决策者依托人工智能的分析及预测功能，可从“基于经验的分析”转向“数据驱动决策”，这在一定程度上有助于教育管理者系统把握教师的个体诉求与行为轨迹，并据此进行信息反馈和教学激励。但需要注意的是，智能技术是一把双刃剑，在帮助实现教师教育决策科学化的同时，其也会因人技关系异化而产生一系列问题。数据分析结果显示，人工智能赋能教师教育的管理层面均值水平为3.73，表明当前人工智能在优化教师教育管理方面尚存在一定的问题及弊病。首先，人工智能算法、决策使用的数据及数据处理方式均是由“人”来创建的，不可避免带有个体主观隐含的偏见。当主观的算法设计偏见或数据处理偏见渗透到教师教育管理过程中，将会给教师教育决策带来一定的偏差与错误。其次，人工智能算法具有自主决策、学习的能力，它的设计者难以预测最终的结果，也无法完全解读它是如何得出现有结论的。因此，教师教育决策的相关主体一定程度上将会陷入算法分析结果难以解读的困境，这将削弱决策者的公信力与可信度。再者，根据数据分析结果可知，45.92%的教师认为人工智能可能无法十分准确地量化教师教育成效。处于不断完善与发展阶段的人工智能算法及其所依赖的数据很有可能具有一定的局限性，这将导致一些非数据化或难以数据化的教师教育问题被排除在决策过程之外，进而给以数据作为决策基础的教师教育决策者带来一定的决策盲区，产生大数据赋能教师教育的信息偏差现象。
（四）教师培训与智能技术的整合存在效度困境
数据质量、算法功能对人工智能应用成效影响较大，无论是数据挖掘，还是智能算法设计，均无法做到尽善尽美，数据分析结果显示，人工智能赋能教师教育的培训层面均值水平为3.64，表明人工智能在教师培训实践中的应用依然存在效度困境。首先，使用算法和预测模型对教育现象进行度量将会造成一定风险，这主要取决于计算模型和算法是否符合教育逻辑、教育过程和教育中的人是否可以被量化和计算、对教育过程的量化是否能够反映教育本真，这需要进一步反思智能技术应用于教师培训的合理性与规范性，将其应用范围限定在可控风险领域之内。其次，智能技术在教师培训中的使用效能相对较低，其在培训资源建设、助学辅导、培训成效评价等方面的应用程度受人力、物力、财力等多方面制约。调查结果显示，59.20%的教师认为，人工智能技术与教师教育的融合性不强；41.18%的教师认为，学区或学校难以投入大量资源以支持智能化教师教育体系构建；另外，42.88%的教师认为，目前人工智能支持下的教师教育指导性政策与规章尚需完善。这表明不少地区不仅缺乏具有较高智能教育素养的教师教育专家以及足够的经费支持、资源保障，而且，也缺乏人工智能赋能教师培训的指导性政策与规章，进而导致区域教师教育部门在利用智能工具开展教师培训活动时易陷入“仅加大软硬件投入”的战略误区，忽视对教师教育者技术接受与整合能力的有效训练，进而削弱了智能技术在教师培训需求满足与资源建设方面的应用空间。
四、人工智能赋能教师教育的实践路向
随着人工智能与教师教育领域的不断融合，人工智能赋能教师教育也面临着如教师教育课程体系难以适应智能时代教师专业发展、基于证据的教师教育质量评价有待优化、大数据赋能教师教育管理存在决策偏差、教师培训与智能技术的整合存在效度困境等问题。综上，为推动人工智能在教师教育领域的合理应用，人工智能赋能教师教育体系构建应关注以下实践路向。
（一）加强数字化课程建设，推进教师教育资源智能化开放共享
以往教师教育资源虽然也包括微课、短视频、精品课等信息化形式，但随着新课标的颁布与新教材的逐步使用，教师教育数字化资源动态性缺位、资源建设质量不高、资源建设区域协同性差、资源建设针对性不强等问题逐渐凸显。在人工智能时代，教师培训课程、教师研修资料等均可被表征为较易传播与计算的数字形态，教师教育资源建设应加强数字化课程建设，推进教师教育资源智能化开放共享。首先，区域教育行政管理部门、各级各类教师培训机构及中小学校应携手打造智能化区域教师教育课程资源库，立足教师群体的数字画像以及教师培训专业标准，积极利用虚拟现实、增强现实、智能云等智能技术，关注教师教学技能网络模拟实训与教育理论在线学习，充分整合微课、慕课、直播课、公开课等数字化课程资源，推动数字化教师教育课程资源系统化建设。例如，首都师范大学聚焦于人工智能时代下的教师发展，由高校导师团队设计面向教师专业发展的在线课程，师范生制作开发课程，并且在课程开设期间与在职教师开展全程陪伴式的互助共学，师范生为在职教师解答与技术应用有关的困惑，而在职教师可以为师范生在教学方面提供经验分享。其次，构建数字化教师教育课程资源监管体系。地方教育行政管理部门、学科教研员、教育督学及督导专家等多方人员应组建数字化教师教育课程资源审查小组，确保数字化教师教育课程资源开发经过开发测试、内部评价、外部评价等严格流程，应利用机器学习、数据挖掘等智能技术，及时对参训在职教师或师范生的课程资源使用记录、共享渠道与心得体会予以电子存档。再者，应创设数字化教师教育课程资源的智能推送与共享机制。地方教育行政管理部门可依托“国培计划”“区域教师发展计划”等各级各类教师教育项目，着手建立优质数字化课程资源开发与遴选机制，遴选优质数字化资源，明确数字化教师教育资源流通标准与准入门槛，利用大数据分析与智能画像技术，通过智能筛选、提取和整合教师专业学习需求信息，基于在职教师专业学习的数字画像，有针对性地为教师推送定制化课程资源。
（二）立足评价改进，构建基于证据的教师教育质量监测体系
如前文所述，在评价层面，基于证据的教师教育质量评价机制还有待完善。评价对于教师教育质量的提升来说具有导向与指引作用，随着数据智能理念的不断深化，教师教育评价愈发关注数据式证据，如何利用数据信息呈现教师教育评价证据成为热点议题。因此，有必要立足于当前教师教育评价存在的现实问题，构建基于证据的教师教育质量监测体系。一方面，应基于智能数据挖掘，构建教师教育质量监测方案。从教师教育评价主体来看，教师教育质量评价受其主观判断影响，若教师教育评价所依赖的数据信息不够客观，将导致教师教育的评价结果有失公允。因此，应基于教师教育评价的实际诉求，智能挖掘与提取师范生、职后教师、教师教育者等评价利益相关者的数据信息，建立教师管理信息化系统，构建教师学分管理机制，建立教师数据的“驾驶舱”，对教师教育过程进行精准预警与监测。另一方面，创设基于证据可视化的教师教育质量分析机制。基于大数据分析、生物信息识别、图像识别、视频分析等技术，可从教师教育投入、过程、产出、背景等方面进行教育质量观测，动态采集教师教育行为和环境信息，严格落实数据筛选、数据比较、数据整合、数据呈现等一系列证据可视化流程，及时向主管部门、教育工作者、师范生、教师公开教师教育质量观测结果，注重教师教育质量评价结果与改进方案的可视化呈现，以便进一步明确教师教育质量的改进方向与提升路径。例如，宁夏充分利用大数据支撑教师智能研修行动并建设教师教育质量监测体系，为提升教师在教学设计、课堂组织、班级管理、教育研究等方面的综合能力，将教师管理信息系统、教师继续教育网络研修等平台整合融入宁夏教育云，基于教育云平台实现对教师专业发展状态的监管、测评与干预。
（三）聚焦数智融合，优化教师教育决策偏差调节机制
如前文所述，在管理层面，大数据赋能教师教育管理存在决策偏差。以往的教师教育决策存在主观判断、决策流程过于僵直与落后、决策技术过于单一等问题，人工智能时代教师教育决策虽可实现基于证据的教师教育决策，但其并不意味着教师教育决策绝对的合理化与准确化，教师教育决策仍有可能存在偏差问题（如决策偏见、决策失误等）。因此，应聚焦数智融合，优化教师教育决策偏差调节机制。首先，应构建基于数智融合的教师教育决策咨询服务体系。以师范教育、在职培训等多种形态为主体的教师教育体系涉及多个决策主体，且以往区域层面教师教育决策可能在师范教育与在职培训对接层面存在信息鸿沟，而且区域层面可能在城乡教师发展规划方面存在决策偏差。为此，可通过创设区域教师管理与发展服务平台，动态汇聚不同决策主体的建议与反馈意见，为地方教师教育管理者改进教师发展计划、教师研修项目管理服务、教师专业发展学分银行服务等提供信息支持与路向导引。其次，应关注教师教育决策偏差诊断与调节机制的创设。人工智能时代教师教育决策不仅应体现智慧化特性，而且应秉承基于证据的科学主义取向。应提升教师教育决策者的智能教育素养与数据素养，打通教师教育利益相关者间的决策信息共享通道，及时诊断区域教师培训与研修实践的主要问题与产生根源，智能分享与整合来自地方教师发展学院或中心、教育行政管理部门及高校教师教育基地的反馈信息，构建协同化地方教师教育决策咨询服务体系，有效提升区域教师教育决策的科学化和民主化。
（四）关注智能研修，创设基于分层分类的精准化教师培训体系
如前文所述，在培训层面，教师培训与智能技术的整合存在效度困境。以往师资培训一般采用讲座、讨论、观摩、进修、线上刷课等多种方式，但大多数培训方式属于短期行为，难以长期针对特定教师群体（如位处偏远的农村地区教师）开展教师专业培训。人工智能赋能教师网络研修平台与模式创建为教师终身学习与持续发展提供了重要支持。由此，为进一步推进人工智能赋能教师教育，满足不同类型教师群体的学习诉求，加快教师队伍数字化建设进程，推动教师数字化发展，有必要关注智能研修，创设基于分层分类的精准化教师培训体系。首先，教师培训部门或机构应着手建立研修专区，组建区域智能研修共同体，对参与在线研修的教师群体进行合理分类，以研修问题与实践案例为抓手，满足不同类别、层次、岗位的教师需求。教师教育者应基于教师研修数据进行智能追踪，尝试捕捉不同类型（如农村教师、城镇教师）、不同层次（如教学新秀、教学骨干、教学专家）教师参与智能研修的学习需求，以便构建线上与线下、必修与选修相融通的精准化教师研修模式。其次，应注重探索建立基于分层分类的教师发展测评系统，创设智能化教师培训成效评价模式。最后，应基于大数据融合，探索建立分层分类的教师发展测评系统，创设智能化教师培训成效评价模式。具体而言，应关注教师在学科、年龄、教龄等方面的实质性发展差异，评价方案的设计与实施应关注教师发展的过程性与阶段性数据的提取与筛选。也应着重提升教师教育者的信息化评价素养与智能技术胜任力，尝试通过教师个体发展画像的智能分析与评价，为受训教师后续的专业学习以及教师教育者的教学实践提供改进方向。
五、结语与展望
关于华南师范大学|统一认证|移动平台
Copyright©2023SouthChinaNormalUniversity.AllRightsReserved|华南师范大学版权所有
华南师范大学人工智能时代的工作变化、能力需求与培养
摘要：在人工智能时代，程序化工作和一部分非程序化工作将被人工智能取代，工作将向高度智慧化转移，劳动者的工作定位将发生升级方式、介入方式、前进方式、转移方式和集中方式等不同的变化。为了适应人工智能时代，要在学校教育和企业教育中注重提高受教育者的人工智能素养、培养创造性思维能力、社会交流能力以及环境应变能力。应对人工智能时代培养所需人才的关键措施包括：突出个性化培养理念；构建人工智能素养教育体系；实施问题导向及跨学科合作探讨的学习方式；利用人工智能技术提高学习效率。
关键词：人工智能；工作定位；能力需求；能力培养
基金项目：本文系中国社会科学院登峰战略企业管理优势学科建设项目、中国社会科学院京津冀协同发展智库研究课题的阶段性成果。
当前，我们正处在全面进入人工智能时代的过渡期，几乎所有领域都出现了装载有人工智能技术的机械设备。18世纪中期以来，人类历史上先后出现了蒸汽机、内燃机与马达、计算机与互联网技术。这些技术极大地改变了人类的生产生活方式，推动了人类社会的发展。可以说，人工智能是继三大技术之后的又一重大技术。况且，与以往技术不同，人工智能可以替代人的脑力劳动，这将大幅度地改变人们现有的工作内容，并要求人们拥有不同于以往的特殊能力。然而，关于如何界定人在人工智能时代的工作定位及所需能力、如何培养人工智能时代所需要的人才，是尚未解决的课题。目前，有研究围绕人工智能可能产生的就业影响，尤其是结构性失业风险以及社会经济对策等方面进行了分析（万昆，2019；陈明生，2019；王君等，2017；潘文轩，2018），也有研究对人工智能背景下职业教育体制改革与发展问题进行了探讨（南旭光，汪洋，2018；毛旭，张涛，2019；丁晨，2019），但深入到工作能力层面，从劳动者角度探究人工智能时代的人才培养问题的相关研究还较为少见。鉴于此，本文基于技术—工作—能力—培养的视角，结合前沿研究进行理论分析，阐明人工智能对工作业务的影响机制，明确人工智能时代的工作定位与能力需求，探讨能力培养的战略思路和关键方法。
一、人工智能时代的工作变化
人工智能（ArtificialIntelligence，简称AI）是指可以感应环境、做出行动，并获取最佳结果的合理主体（RationalAgent）（S.J.Russell，P.Norvig，2018）。感应环境、做出行动和获取最佳结果，属于人的智慧行为，而这些行为通过计算机程序（合理主体）被再现出来，就成为了人工智能。换言之，人工智能就是具有人类智慧的计算机系统。而在现实的工作环境中，人工智能的计算机系统又是与大量的感应器、超高速通信网、大数据收集分析装置、终端设备、机器手等组成更为复杂的系统来进行实际作业的，如机场出入境管理的人脸识别系统、汽车自动驾驶系统等。因此，可以说人工智能就是装载有可以模拟人类智慧行为的计算机程序的自动化设备。
现阶段的人工智能可以在一定程度上替代人完成识别、决策和操控方面的任务。在识别方面，人工智能可以进行信息判别、分类与检索，如从影像中发现癌变征兆；从音调语速中检测情绪；从图像中监控设备异常、天气异常、用户账号异常等。在决策方面，人工智能可以进行数值形式下的物象评估与匹配，如预测销售额、GDP指标、民意度、信用风险、病变风险；推断消费者爱好、产品推销时机；根据消费者爱好、习惯不同而推荐不同内容的商品广告等。在操控方面，人工智能可以进行表现生成、设计行动最佳化及作业自动化，如自动撰写新闻稿件、概括文章大意；设计项目路线图、商品标识、网页布局、药品成分、建筑物结构；优化游戏策略、送货路线、店铺布局；实施自动驾驶、客户咨询等。只要人规定好了计算机程序的信息处理目的和分析方式，人工智能就能准确无误地替代人工进行作业（安宅和人，2015）。
（一）工作变化的特征
人工智能时代工作变化的特征体现在以下三方面。
1.程序化工作被人工智能取代
所谓程序化工作，按照美国经济学家奥托（D.H.Autor）等的定义，是指变化少、可以按照事先规定的程序进行的工作（Autoretal，2003）。程序化工作又分为主要使用认知能力的程序—认知型工作和主要使用肢体能力的程序—肢体型工作。认知能力是指直觉、判断、想象、推理、决策、记忆、语言理解等能力；肢体能力是指体力。程序—认知型工作具有重复性、单一性、目的明确并且主要使用脑力等特点，如行政事务、会计工作。程序—肢体型工作虽然也有重复性、单一性、目的明确等特点，但主要使用体力，如流水线组装、仓库运输业务。由于程序化工作相对简单，易于编制成计算机程序，所以人工智能对人类劳动的替代，首先会从这些工作开始。例如，产品组装是按照作业标准反复实施同样内容的工作，而作业标准完全可以编制为计算机程序，所使用的设备以及动作也完全可以建立成模型，因此，产品组装就可以由人工智能来代替实施。再如，需要一定认知能力的会计业务，人工智能也可以通过扫描或接受电子信号等方式获取相关数据，而后根据规定程序进行分类、汇总等作业。因此，在人工智能时代程序化工作会呈现明显的减少趋势，以往的自动化设备，基本是替代体力劳动的蓝领劳动者，而人工智能将替代白领劳动者。英国剑桥大学学者弗雷（C.B.Frey）与奥斯本（M.Osborne）在2013年发表的报告中指出，美国在未来20年里将有47%的工作存在被替代的可能性，电话推销员、标题审查与摘要人员、手工缝纫工、技工、保险受理员、手表修理工、货物运输人员、税务代理员、照片处理工、会计助理、图书馆技术员、数据输入员等工作被取代的概率可高达99%（C.B.Frey，M.Osborne，2013）。日本经济新闻和英国金融时报2017年合作进行的调查显示，制造、餐饮、运输等23个产业的2000项工作中有超过3成的业务可能被替代，制造业被替代的比例是80.2%，包括焊接、组装、裁缝、制鞋等业务；餐饮业被替代的比例是68.5%，如客服、点餐、食材准备、餐桌与餐具摆放等业务；运输业被替代的比例是48.4%，包括车辆维修、飞机驾驶、运输信息提供等业务（ShotaroTani，2017）。这些研究表明，被取代概率高的工作基本上都是重复性、单一性、目的明确的程序化工作，其中不乏白领岗位的部分业务。
2.一部分非程序化工作被人工智能取代
相对于程序化工作，非程序化工作通常变化较大，难以按照事先规定的计划进行。这一工作又分为两类，一类是非程序—认知型工作，如科学研究、文学创作、作曲作画、经营管理、医疗诊断、诉讼辩护等；一类是非程序—肢体型工作，如烹饪、理疗、看护以及汽车驾驶等。非程序—认知型工作需要高层次的文化水平、分析能力和想象力，现阶段的人工智能还达不到完全替代的水平。烹饪、理疗、看护以及汽车驾驶等非程序—肢体型工作需要高度的人际间互动、灵敏的环境反应能力以及灵活的肢体动作，而这些要求现阶段的人工智能尚不能完全做到，所以这些工作基本上还需要人来承担。但随着人工智能技术的发展，人工智能在未来不仅会代替人做更多的程序化工作，而且有望将一部分非程序化工作纳入替代范围，如自动驾驶、行走助力、编制诉讼方案、作曲作画等（Autor，2015）。届时非程序化工作完全由人来完成的局面就会发生变化，进而带来业务重组，从以前由人承担所有业务变成由人工智能和人共同分担业务，如影像诊断由人工智能完成，最终诊断由医生完成；围棋陪练由人工智能承担，棋艺解说由教练承担。
3.工作向高度智慧化转移
装载有人工智能的设备可以替代人的程序化工作，甚至部分非程序化工作，但现阶段人工智能仍有很大的局限性，如人工智能不能设定目标和规划未来、不能产生意识、不能对未曾有的变化作出反应、不能提出问题、不能设计分析框架、不能产生灵感、不具有常识判断力、不具有指挥人的领导能力（安宅和人，2015）。所以现阶段仍有四类工作是人工智能所无法替代的。一是高度创造性的思维工作。如通过综合分析各种知识归纳和提出新概念、通过多方面分析发现问题并提出解决方案、基于情感创造出文学艺术作品等。二是高度社会化的沟通工作。如包含理解、说服、交涉在内的工作，人际间交往与协同作业等。三是高度灵敏的肢体型工作。如演奏乐曲、表演舞蹈、高难度手工艺等。四是高度非程序化的工作。如看护、清扫工作。这些工作看似简单，但需要人根据知识、经验以及常识等对情境作出判断，如在清扫时对发现的废纸需要进行判断，确定它是重要笔记还是真正的废纸，而人工智能的扫地机是无法做到的（野口悠纪雄，2018）。但即使如此，现在几乎所有领域中都在使用人工智能，并且人工智能的工作领域还在不断扩展。在看护工作中，移动搀扶患者机器人已经开始出现；人工智能已能够进行文学、绘画及音乐的初步创作，人与人工智能协同作业的状态已成为普遍现象。在这种状态下，人的工作内涵必然要向高度智慧化转移。
（二）人机关系与工作定位
在刚开始引进人工智能的生产过程中，人仍是作业的主体，人工智能起辅助性和支持性作用。人工智能辅助人进行数据和信息处理方面的业务，支持人做一些复杂的、技术性的工作，从事需要肢体劳动的、程序化的操作，但对于需要高度认知能力的工作，如推理与决策，以及需要与人沟通的工作，如协调、开发与咨询、沟通与互动，人工智能的贡献相对较少，但这种情况将会发生改变。世界经济论坛《职业前景报告2018》发表了2018年人与设备的工作时间占比值和2022年人与设备的工作时间占比的预测值（见表1）。对于所有业务，2022年设备的工作时间占总工作时间的比值会增加，其中设备在信息和数据处理、探索和获取业务信息的工作时间占比将超过人的工作时间。在行政、肢体的程序化任务、识别和评估业务信息、执行复杂技术任务中，设备的工作时间占比也将超过四成。即使在推理与决策以及沟通与互动这样原本主要由人来完成的业务中，设备的工作时间也将提高三成左右。因此，未来人工智能不仅能在生产过程中起辅助、支持的作用，而且在一些业务中将会作为“数字劳动力”发挥主导作用。进而言之，在人工智能时代，智能设备将越来越多地替代人的劳动，人机协作的关系将越来越显著。
表12018年、2022年人与设备的工作时间占比值单位：%
资料来源：作者根据世界经济论坛《职业前景报告2018》整理。
在人工智能时代，一些职业及一些工作被替代是不可避免的趋势，因此劳动者必须对职业及工作选择有清楚的认知。美国管理学学者达文波特（T.H.Davenport）和卡比（J.Kirby）认为，人工智能时代劳动者的工作定位，即如何选择能实现自身价值的职业，有五种方式，分别为：一是升级方式，即提升管理素质和掌握超越计算机的大局思维，向高级管理岗位发展。这要求对经营系统有透彻的理解，并需要有充分的计算机知识与技能。随着人工智能质量的提高、数量的增加，高级管理岗位的事务性工作将被大幅度替代，因此升级到高级管理岗位的人数会比以往少；二是转移方式，即转移到不能程序化、结构化的工作领域。现阶段，人工智能设备尚不能完全替代人的劳动，因此工作流程中会保留一些人的岗位。但随着人工智能水平的提高，这些岗位也将逐渐被替代，因此，这些岗位的劳动者，要有充分的危机感；三是介入方式，即学习计算机的程序化决策过程，掌握监视和调整计算机功能的新型能力，以现场管理者的身份介入基本上由人工智能实施的作业过程中；四是集中方式，即以计算机程序尚未渗透到的领域为唯一标准来选择职业或工作。这种方式要求特殊、高超的人类智慧及技能，需要早期、长期训练，甚至需要天赋；五是前进方式，指与时俱进，加大学习力度，研究开发能改变当前领域工作效率的高水平智能机器（T.H.DavenportandJ.Kirby，2015）。从与人工智能的关系看，升级方式、介入方式和前进方式，都需要学习人工智能技术。对这些人群，国家应该对他们的学习进行资助。转移方式中劳动者没有学习新技术的欲望或能力，他们的收入可能会减少，就业也不稳定，国家应从就业政策角度进行援助。集中方式需要从中小学起通过个性化教育对这方面的人才进行培养。
二、人工智能时代的能力需求
随着人工智能在生产过程中的普遍应用，人在生产中的地位不断发生变化，大量程序化作业、甚至越来越多的非程序化作业都将由自动化设备实施，而人必须能够驾驭智能设备，发现和解决工作流程中的问题，对智能设备进行更新创造，从而使其更好地服务于人类社会。从劳动者角度看，必须具备符合人工智能时代所需要的能力，才能使自己的劳动付出变得更有价值；从企业角度看，具有符合人工智能时代能力的员工，是创造价值所不可缺少的人力资源，值得大力引进和培养；从社会角度看，劳动队伍和后备力量都具备符合人工智能时代要求的能力，就可以稳定就业，促进社会经济持续发展。关于能力，可以对有认知能力和社会情感能力的基础理论进行研究。为了探讨能力与社会需求的关系，能力被分成诸多子能力，以验证与不同技术条件的适配性。在解析这些研究之后，笔者将提出符合人工智能时代要求的能力要件，以便为理论研究和政策决策提供参考。
（一）能力的两个方面
理论上看，人的能力一般包含两个方面。一个方面被称为认知能力，另一个方面是非认知能力。其中关于非认知能力有着几种不同的命名，如社会情感能力、软能力、社会能力、人格特质、性格（Heckman，Kautz，2012）。以下将沿用经济合作与发展组织（OECD）（2015）的表述样式，用“社会情感能力”来表示非认知能力。该研究认为，认知是关于获取和应用知识经验的过程，而认知能力就是所有与获取和应用知识经验有关的能力。认识能力有三个层次：第一层是基本能力，如模式识别、计算和记忆；第二层是获取能力，如检索、分类和解释；第三层是应用能力，如思考、推理和概念化。这三层能力的复杂程度从低到高、依次递进。与认知能力不同的是，社会情感能力是对目标实现、社会协作和情感控制产生影响的人格特征。例如，目标实现方面的忍耐、自律、意愿；社会协作方面的沟通、开放、体贴；情感控制方面的自尊、灵活、自信等。
在实际中，人是认知能力和社会情感能力的载体。换言之，这两种能力在人的身体中同时存在，相互影响、相互作用，形成了人的脑力活动和肢体行为。例如，批判性思考就是两种能力合二为一的结果。批判性思考既有认知能力的特点，即能够客观地进行逻辑推理，严守成本收益原则，冷静地进行战略分析。同时，因为批判性思考的对象是现实中的新问题，仅仅依靠过去的经验和教科书手法是不够的，还必须对新现象持有开放心态，根据具体情况，灵活改变思路和行动，而这些特点正是社会情感能力范畴的内容（池迫浩子，宫本晃司，2015）。
（二）能力需求变化与预测
技术进步使得工作环境发生变化，对劳动者的能力需求也出现了新变化。20世纪70年代以来，以大型计算机、电脑终端和互联网为代表的信息通信技术迅速发展，制造业以及服务业的生产过程大为改观，这使得对劳动者的社会情感能力的需求显著提高（Deming，2015）。在1980-2012年间，需要高度社会情感能力的职业就业人数占美国所有就业人数的比例增长了近12个百分点，而只需要认知能力的职业就业人数占比减少了3个百分点。另外，需要高度社会情感能力的职业的工资增长也比其他职业更快，并且2000年以后的增幅大于2000年之前。这是因为生产过程自动化，岗位任务重组，人员重新分配，团队形式增加，而社会情感能力可以降低协调成本，加强不同作业领域的有效合作。
以数字技术为轴心的自动化设备的应用，不仅要求劳动者提高社会情感能力的水平，同时也要求其认知能力和社会情感能力综合水平的提高。维因伯格（Weinberger，2014）利用美国职业大典的数据，对1977-2002年间各职业就业人员具有的计算能力、人际能力以10阶段法进行了赋值，根据数值把职业分为了两类，一类是计算能力与人际能力赋值均高于5的职业，一类是两种能力中一方赋值高于5而另一方赋值低于5的职业。分析发现，两种能力赋值均高于5的职业的就业人数增加，仅一种能力赋值高于5的职业的就业人数减少。该研究还以1972年和1992年的高中3年级中的两个年级层为对象，考察了各层人群的高中数学成绩、领导经验和高中毕业7年后的工资之间的关系。结果表明，同时具有数学能力和领导经验的人的工资在增加，只有一方面能力的人的工资没有变化，不具有这两方面能力的人的工资在减少。这个结论揭示了能力间互补的重要性，即认知能力与社会情感能力，不是各自单独产生价值，而是相互组合（互补）来产生更大的价值。技术进步并没有否定人的任何一方面的能力，而是要求在提高各自水平的基础上达到新高度的互补。由此可以推论出，兼有两种能力的劳动者在以人工智能为轴心的新技术时代将为社会所需，他们的劳动价值会得到社会认可。
表22018年、2022年关键能力需求
资料来源：世界经济论坛《职业前景报告2018》。
以上的推论不仅在以往的数据研究中得到了验证，在近未来的预测研究中也得出了同样的结论。世界经济论坛的《职业前景报告2018》发表了313家跨国企业管理高层的调查数据，从中可以看出2022年需要的关键能力中，属于认知能力的有8个，分别是：分析性思考与创新，主动学习与战略性学习，创造性、独特性和主动性，技术设计与编程，批判性思考与分析，解决复杂问题，问题推理与构思，系统分析与评估。与2018年相比，技术设计与编程、系统分析与评估是新增项目，反映出人工智能时代对劳动者的数字技能的强烈需求，揭示了劳动力素质提高的方向。而领导力和社会影响、情绪性智商属于社会情感能力的范畴。这两个能力同时出现在2018年、2022年两个时间段里，由此可以说，社会情感能力在未来的人工智能技术环境中是不可缺少的。只要生产过程中有人的存在，只要市场及组织内部环境不断变化，就需要社会情感能力去发现问题、运用技术技能去解决问题从而实现劳动的价值。另一方面，包括脑力、肢体在内的基本认知能力的需求将会减少，如操作灵活性、持久性与准确性，视觉、听觉与说话，读、写、算等能力。一些基本操作能力的需求也会减少，如财务和物资资源管理、设备安装与维护、质量管理与安全管理等能力。这些能力基本用于实施程序化业务，其工作的操作标准简单明了，个人发挥创造性的空间较少，从能力层次看，虽然属于知识经验应用能力范畴，但处于低级层次。
世界经济论坛在2016年对人工智能时代的能力需求变化进行了探讨。当时的研究报告指出，高层次认知能力不仅在当时受到重视，而且在2020年对其的需要将会进一步增加。而对于与肢体相关的能力，专家大都认为其需求将会减少。尤其是设备维护、质量管理与安全管理等能力，2016年报告中还有五成的人认为需求会处于稳定状况（世界经济论坛，2016）。由于2016年、2018年的调查方式不同，因此不能对其进行严格的对比，但可以看到能力变化的趋势，即对高层次认知能力的需求一直处于增强趋势，而对设备安装与维护等低层次能力的需求则明显减弱，这反映出人工智能时代对能力的高层次化有着越来越强的需求。
巴克什（Bakhshi）等利用美国和英国数据预测了两国2030年各职业的就业增长和职业所需的能力（Bakhshietal，2017）。该研究中的职业能力包括120项。美英两国各职业最为重视的能力有15项（见表3）。从表3看，美国和英国总体情况类似。在美国，与人际交往有关的能力会越来越重要，这些能力包括指导、社交知觉/认识、协调、服务导向、主动倾听，以及相关知识，如心理学和人类学、教育和培训、治疗和咨询、哲学和神学。认知能力范畴中的应用能力也会越来越重要，如要求能够了解当前和未来形势并且能够做出行动规划（战略性学习）；能够了解新信息对当前和未来问题的解决与决策发挥影响（主动学习）；能够提出有关某个主题的许多想法（思想流利性）。在英国，有10项属于认知能力范畴中的应用能力，这些能力是判断和决策、思想流利性、主动学习、战略性学习、原创性、系统评价、推理、解决复杂问题、系统分析、批判性思考。在人工智能技术更为广泛应用的近未来，劳动者只有充分具备这些能力，才能够有效解决新环境中出现的新问题，并且能够有针对性地提出新想法，积极吸收新信息；能够识别社会技术系统的变化，了解社会技术系统各环节的互连和反馈关系并采取正确行动。另外，英国对于人际交往的能力也非常重视，这些能力包括指导、协调，以及相关知识，如教育和培训等。
表32030年美国、英国各职业中最重要的15项能力
资料来源：作者根据Bakhshi等（2017）整理。
2017年，日本人才咨询公司阿德卡（Adecco）对309家上市公司管理高层进行了抽样调查，收集到了两个时间点（调查时间点为2017年、人工智能普遍应用的2035年）对各种能力的需求程度。结果显示（见表4），2035年最需要的前10项重要能力中，5项为认知能力，包括创造性、分析性思考与抽象性思考、解决复杂问题、信息收集和解决简单问题。5项是社会情感能力，分别是人际关系、灵活性、挑战精神、领导力和积极性与主体性。2017年的前10项重要能力中，4项为认知能力，依次是分析性思考与抽象性思考、解决复杂问题、创造性和信息收集；6项是社会情感能力，如人际关系、积极性与主体性、挑战精神、团队工作与协调性、灵活性和目标实现意愿。从数量看，不论是2017年还是2035年，认知能力和社会情感能力的排名基本相当，表明无论什么时代，均衡能力结构都是必要的。从内容看，不论是2017年还是2035年，认知能力和社会情感能力的子项目基本相同，反映出企业能力需求具有一定的稳定性。从个别能力变化看，有两个突出现象，一个是认知能力中，创造性需求的大幅上升。这表明在人工智能时代企业将进行业务重组，要求员工在高价值工作领域创新工作方式和取得突破；另一个是社会情感能力中，对灵活性的需求有所提升。这反映出企业需要员工充分发挥主动性，去发现生产流程中的问题、发现新的社会需求，而不仅仅是执行指令。
表42017年、2035年最需要的前10项重要能力
资料来源：作者根据西村崇（2017）整理。
（三）符合时代要求的能力要件
综合以上研究，笔者认为，在人工智能时代，能力的首要内容应该是与人工智能有关的新知识、新技能。此外要在人工智能的学习与应用过程中提高社会情感能力，主要是指与人沟通的方法与相关知识。再者，劳动者的能力结构要向高层次升级，应重点发展高层次认知能力。具体概括为两个方向：一是应用人工智能技术创造新产品、新服务的能力，这里称作创造性思维能力；二是发现新问题和解决新问题的能力，这里称作环境应变能力，包括主动学习与战略性学习、解决复杂问题等。在人工智能时代，对于劳动者而言，重要的是使能力结构升级以符合技术发展需要，不仅认知能力要达到新水平，还要与工作方式变化相匹配，而且与人工智能技术互补的社会情感能力也要同步发展。鉴于此，人工智能时代的能力要件可归纳为以下四个方面。
1.人工智能知识
正如读、写、算是工业社会所必须的基本能力一样，对于要在人工智能技术条件下工作的劳动者而言，人工智能的基础知识是不可缺少的。这是以往时代所没有的全新的能力。所谓的人工智能知识，首先是数学知识。因为人工智能的基础就是数理模型，主要包括概率、统计、线形代数等内容；其次是数据科学，是在计算机上收集、解析数据的知识和技能，需要有数理和计算机语言知识，需要计算机操作能力。有了这两方面的知识，就可以形成关于人工智能的新技能：能够使用程序语言，利用既成模块，编制、操作或使用具有简单的感应、解析、反馈等智慧行为的自动化装备。劳动者掌握了人工智能的新技能，不仅可以理解新设备的基本机制，甚至可以研究更先进的人工智能、或利用人工智能来提高生产效率。根据领域、岗位、业务的不同，涉及人工智能的内容会有所不同。国家的教育、经济以及科技部门应该与企业联手设计内容、层次不同的教材，设定认知资格制度，作为评价人才的标杆。
2.社会交流能力
在人工智能时代，要创造新价值，人际或社会交流能力愈发显得重要。创造新产品、新服务及新的工作模式，意味着要对现状有充分的了解，利用人工智能对现状进行改变、重组。这需要周边很多人及社会的理解、帮助及合作。因此，在人工智能时代，人应该提高自身的社会交流能力，能简明扼要地说明目的，开诚布公地寻求理解与帮助，诚实守信地与人合作。社会交流能力的基础是情感，所以人在情绪、意志等方面的情商以及对于文化艺术的审美都非常重要。人工智能时代社会交流能力的特点，就是大量运用网络社交媒体、互联网等工具。这些工具有其便捷之处，但也存在虚假信息等伦理道德问题以及易受黑客攻击的脆弱性问题。社会交流能力与创造性思维能力一样，需要长时间的培养，需要社会氛围的支撑。社会交流能力的特殊之处在于它涉及性格，而性格有天生的因素。所以，在学校教育以及企业教育中，既要传授基本的交流方法，也要考虑个人性格中的天生因素，因人施教，调动有利因素，培养能够从社会中学习、有益于社会的人才。
3.创造性思维能力
人工智能技术使程序化的工作自动化，把人从单一循环、重度及危险的劳动中解放出来，给予人更多的时间，为人的创造性思维提供了更大的可能性。同时，人也必须发挥自己特有的创造性思维能力，才能在人工智能时代确立自身的存在价值。所谓创造性思维能力，是利用人工智能技术，结合自己所在的特定领域，去发现社会及市场需求，提出关于新产品、新服务以及新工作模式的能力。创造性思维能力包括抽象能力、综合能力和应用能力。抽象能力，就是能够概括出事物本质并发展成为概念的能力。借助抽象能力进行分析和推理，才会产生新的认识。综合能力，就是能够融会贯通，把不同领域的知识连接起来，进行整合、分析和再创造的能力。经济学家熊彼特认为，创新有五种形式，即产品创新、技术创新、原材料创新、市场创新和组织创新，它们无一不是生产要素间组合与创造的结果（约瑟夫·熊彼特，2016）。利用人工智能提出关于新产品、新服务以及新工作模式的设想，是对人工智能与其他知识进行融合与创造的过程，所以需要综合能力。应用能力，是能够把知识应用于解决现实问题，也就是解决问题的能力。其中的关键是有目的意识，能够发现问题，使创造性活动具有经济价值与社会意义。而这恰恰是人类特有的能力，无法用计算机程序再现。创造性思维能力，需要长时间的培养，从幼儿园到大学、甚至到就业之后都必须接受持续的教育或启发。同时，要在家庭教育、学校教育和社会上形成鼓励独创、容许差异的宽松氛围。
4.环境应变能力
环境应变能力，就是能够根据不同情境作出不同决策的能力。在人工智能时代留给人的工作基本上都是非程序化工作，它们不可事先预测，也无法编制操控指南，需要劳动者根据自身掌握的知识、经验、常识以及悟性来灵活行动。现阶段的人工智能可以通过大样本学习来增加经验和提高应变能力，但世界是复杂的，很多变化都带有偶然性，解决方案没有经验可循，这限制了样本数量，从而制约了人工智能应变能力的提高。与人工智能不同的是，人所特有的生命体的构造使得其对事物的理解在很多情况下只需要小样本学习和借助常识就可以完成（李开复，王咏刚，2017）。在以往的人才培养中，人们也注意到了环境应变能力，但人工智能时代的特殊之处在于劳动者要接触更为复杂的数字技术，而数字技术的进步日新月异，人们为了防止知识的陈腐化，要能够主动学习，因为仅仅靠教师或上级安排的在岗或离职学习完全不够，要根据自己的具体情况，不间断地吸取新知识。战略性学习，是具有前瞻性的、有长远目标的学习。这个长远目标，可以是对自己所在领域发展前景的预测、自我发展方向的判断，也可以是对企业战略的理解，提前着手学习新知识，当环境变化时就可以游刃有余地应对。人工智能时代的劳动者往往处于与自动化设备合作的作业环境中，生产过程中的故障不仅有硬件的问题，也有计算控制系统的问题，只有在对硬件、软件充分理解的基础上，才能解决现场工作中的复杂问题。总而言之，人工智能时代的环境应变能力，有其鲜明的时代要求，在学校教育和企业教育中必须使用有针对性的教学方法来培养有用人才。
以上归纳了符合人工智能时代要求的四个方面的能力，这四个方面的能力并不是独立存在的，它们之间有着不可分割的联系。人工智能知识是新时代劳动者能力的基础，有了它才能够驾驭自动化设备，进行新产品、新技术及新价值的创造。创造性思维是人工智能时代劳动者能力的核心，突出显示了人的智慧价值。而社会交流能力和环境应变能力则对人的气质或性格提出了新要求，要求处于人工智能时代的劳动者区别于越来越聪明的自动化设备，在纷繁复杂的社会和飞速变化的技术环境中发挥人的作用。
三、人工智能时代的劳动者能力培养
为了培养与人工智能时代相适应的人才，提高全社会的智慧水平，我们应该在理念、内容以及方式、手段上有所变革。
（一）突出个性化培养理念
在工业时代，大批量单品种生产是主流方式，为了提高效率实施机械化、专业化分工，产生了大量单一循环、目标明确的标准化工作岗位。企业将作业编成操作手册或计算机程序，要求劳动者达到按照手册或程序正确操作的能力标准。在这种体制下，劳动者和设备、产品一样都是标准化管理的对象，因此人才培养也是标准化的。体现在高等教育、职业教育及企业教育上，就是培养能够按照标准进行反复、简单作业的劳动者。教育方法基本上依靠大量、统一的习题，或反复练习。这样的理念与方法培养出来的学生或劳动者，只能做单纯的工作，其不仅在精度、速度方面要输给人工智能，并且会变得只能简单地对工作中的变化作出机械的反应，缺少发现问题、解决问题的能力，更谈不上创造新价值，而这种能力恰恰是人工智能时代的劳动者最需要的。因为程序化的工作都由人工智能完成，需要人来做的正是去发现工作系统的问题，不断地进行更新改进，提高生产效率，或者通过新思路、新方法创造新价值。因此，人工智能时代的人才培养，尤其要重视学习者的创造性思维能力，要在因材施教的理念下，充分发挥个人的潜在优势。
（二）构建人工智能素养教育体系
把人工智能教育贯穿小学、初高中、大学以及工作后的全部阶段，提高全社会的人工智能基本素养。目前，包括中国在内的主要国家都已经在小学及初高中开展计算机编程教育，在大学实施更为专业的人工智能教育。同时，针对在职者的相关教育也极为重要。这是因为人工智能技术对劳动的影响面越来越广泛，工作甚至职业变得愈发不确定，在职者要提前做好转业与转岗的准备。为了维持社会经济的可持续发展，国家应该就全社会、全生涯的人工智能素养教育制定战略规划，集结教育及各行业行政管理部门的力量，从资金、设备、师资、教材、技术资格认定、学习费用补助等诸方面制定具体措施。对于义务教育的中小学阶段，应该完善每个学校的信息网络，要使高速Wi-Fi网络覆盖全部校区，使每个学生都有自己专用的终端设备（电脑或平板电脑）。在教室等集体授课的场所，安装可以触屏输入、可以数据储存传递的电子黑板，在教学过程中使用人工智能设备。当前，教育界中能担任人工智能教学的教师人才十分欠缺。国家应该制定紧急行动计划，至少要在5年内填补中小学相关基础素养课程的空白，使每个学校至少有一名该学科的教师。教师的来源，可以直接从博士毕业生、企业的工程师等专业人才中招聘，可以不受教师资格的约束。在大学阶段，理工科要学习高度的人工智能技术，文科及美术、音乐等学科，也要开设人工智能专业课程，因为今后人工智能将在模拟人的艺术感受方面深入发展，需要既懂艺术又懂人工智能的人才。由于人工智能技术发展很快，要组织学术界和企业界的力量，及时更新课程，并且根据人在不同生涯阶段的特点编制有针对性的教材。应该利用大数据来补充劳动力市场信息系统并监控不断变化的技能需求，以适应所提供的课程与教材（OECD，2016）。要尽快设立国家人工智能技术资格认定制度，使学习成果能在社会上受到评价，提高学习者的学习积极性。对于在职人员的学习，应给予费用和时间上的支持。对于企业实施的员工培训，应该以减免培训费等激励政策给予扶持。
（三）实施问题导向及跨学科合作探讨的学习方式
创造性思维能力、社会交流能力的具体表现是能够利用人工智能技术解决现实问题，以及能够利用人工智能创造新产品、新服务与新工作模式。以往“满堂灌”的学习方式难以培养这些能力，今后应该加强问题导向及跨学科合作探讨方式的学习。所谓问题导向，就是有明确、真实并且具体的现实问题，解决这些问题是学习的目的。这需要企业与学校共同制订学习目标，引导学生进行社会实践。问题导向的学习方式，还需要学习材料具有现实性。数据要真实，设备及材料要先进，教材要能够反映前沿理论与实践。跨学科合作探讨学习包含四个方面，首先是跨学科的学习内容，即学生根据具体问题学习数学、统计、数据、人工智能以及物理、化学、生物、艺术等多学科知识，这需要打破以往文理分科的界限；其次是跨学科的学习成员，即打破以往班级学习约束，组成由不同专业背景学生构成的小组，尤其是大学阶段要尽可能采取这种办法；再次是小组学习方式，即在教师指导下以小组为中心进行讨论和得出解决方案。同时，要构筑互联网学习平台，教师与学生之间、学生与学生之间有充分的提问—反馈—讨论的渠道。跨学科合作探讨形式的学习方法，不仅有利于提高学习自主性和团队合作性，也有助于进行知识碰撞、知识整合和知识创造，从而提高综合能力和应用能力。
现阶段，包括中国在内的一些国家都在进行问题导向及跨学科合作探讨学习方式的实践，诞生了STEAM（Science，Technology，Engineering，Art，Mathematics）教育课程、问题/项目导向型教育课程（Problem/Project-BasedLearning：PBL）、创新思维课程等方法。但这些方式都处在发展过程中，需要专家和学者不断吸取有益经验对其进行改进。日本为了培养人工智能人才，制定了国家战略推行STEAM教育，并研究整理了具体案例，为各学校及企业提供参考材料。如日本某职业高中与企业合作，开展了STEAM教育课程。该课程的项目之一是设计使用便利的人工智能设备，推进智能化农业生产。项目分四个阶段进行。第一阶段引发学生对农业和机器人的兴趣，使用4个课时。教师启发学生考虑联系农业作业的实际需求，确定制作机器人的具体内容。企业技术专家介绍机器人控制语言，演示机器人的动作。学生进行讨论，得出关于制作方向的结论；第二阶段进行机器人控制与数学、物理等学科知识的应用，使用4个课时。具体任务有两个，一个是解剖分析现有农业机械，获得感性、基础认识，再使用控制语言设计机器人基本雏形，另一个是运用数学知识，探讨马达转速与机器人动作的关系，设计控制程序，制作马达。企业技术专家讲解高感度彩色感应器、图像识别等技术，联系物理知识，讲解关于摩擦作用的处理方法；第三阶段学习机器人开发的基本程序，使用4个课时。技术专家讲解现实社会中技术人员如何编写“产品规格书”、通用计算机语言、数据解析工具等，引导学生继续使用控制语言模块制作机器人；第四阶段进行总结和演示，使用4个课时。学生演示、讲解自己制作的机器人的特点以及与农业作业的关联。同时，教师引导学生梳理学习内容，激发今后学习机器人技能的兴趣（经济产业省，2019）。
（四）利用人工智能技术提高学习效率，增强学生的创造性思维能力、社会交流能力
现阶段的人工智能已经可以代替教师对学生进行辅导，提高学生的学习效率，如X-Tech、EdTech、LearnTech等技术。这些工具可以根据每个学生的实际情况，给出不同的学习指导方案，提高学习效率。有国外学校在教学中引进了人工智能系统，学生使用平板电脑阅读数学教材、做习题。人工智能系统收集所有学生的学习信息，包括答案、解题过程、速度、集中力、理解力等，在此基础上判断出每个学生的强、弱项，给出符合个人学习水平的阅读材料和习题，大大提高了学习效率。该学校利用人工智能对小学六年级学生进行了初中一年级上学期的数学课程教育，常规需要14周的学习内容仅用2周就完成了，并且学生们的考试成绩都超过了常规教育的平均点。如果能如此高效地接受知识，学生就可以把时间更多地用在联系实际的项目学习以及体育、艺术等活动上，强化学生创造力和社会交流能力的培养。如果说铅笔、笔记本、橡皮是传统必需的学习工具，那么当前与互联网无障碍连接的电子终端已经成为人工智能时代学习的必要工具。国家应该尽快完善义务教育、高中教育、大学教育和在职教育的电子化环境，引进人工智能设备，提高全社会的学习效率。
目前，人工智能正以前所未有的速度部分或完全替代人的劳动，社会生产率将会大大提高。我们必须精准理解人工智能对职业、劳动和能力的影响，从国家层面制定战略规划，运用市场经济杠杆和政策手段提高包括义务教育、高中教育、高等教育和在职教育在内的生涯教育的人工智能基本素养，维持社会经济的稳定发展。
参考文献
[1]陈明生.人工智能发展、劳动分类与结构性失业研究[J].经济学家，2019（10）：66-74.
[2]丁晨.从适应到引领：人工智能时代职业教育发展的机遇、挑战与出路[J].中国职业技术教育，2019（13）：53-59.
[3]李开复，王咏刚.人工智能[M].北京：文化发展出版社，2017.
[4]毛旭，张涛.人工智能与职业教育深度融合的促动因素、目标形态及路径选择[J].教育与职业，2019（24）：53-59.
[5]南旭光，汪洋.人工智能时代职业教育治理的限时挑战与路径选择[J].教育与职业，2018（18）：25-30.
[6]潘文轩.人工智能技术发展对就业的多重影响及应对措施[J].湖湘论坛，2018（4）：146-153.
[7][美]S.J.Russell，P.Norvig.人工智能：一种现代的方法（第3版）[M].殷建平，等译.北京：清华大学出版社，2018.
[8]王君，张于喆，张义博，等.人工智能等新技术进步影响就业的激励与对策[J].宏观经济研究，2017（10）：169-181.
[9]万昆.人工智能技术带来的就业风险及教育因应[J].广西社会科学，2019（6）：185-188.
[10][奥]约瑟夫·熊彼特.经济发展理论[M].何畏，等译.北京：商务印书馆，2016.
[11]安宅和人.人工知能はビジネスをどう変えるか[J].DiamondHarvardBusinessReview，2015（11）：43-58.
[12]池迫浩子,宮本晃司.家庭、学校、地域社会におけるスキルの育成：国際的エビデンスのまとめと日本の教育実践·研究に対する示唆[R/OL].2015-08-27.https://berd.benesse.jp/feature/focus/11-OECD/pdf/FSaES_20150827.pdf.
[13]経済産業省.“未来の教室”実証事業成果報告：ベジタリア株式会社[R/OL].2019-07-12.https://www.learning-innovation.go.jp/verify/z0044/.
[14]野口悠纪雄.AI入門講座[M].東京：東京堂出版，2018.[15]西村崇.AI時代に必要なスキルは「対人関係力」と「創造力」、アデコが調査報告[EB/OL].2017-05-17.https://xtech.nikkei.com/it/atcl/news/17/051701429/.
[16]D.H.Autor,L.F.Levy，R.J.Murnane.Theskillcontentofrecenttechnologicalchange：anempiricalexploration[J].QuarterlyJournalofEconomics，2003（4）：1279–1333．
[17]D.H.Autor.Whyaretherestillsomanyjobs？Thehistory andfutureofworkplaceautomation[J].JournalofEconomicPerspectives，2015（3）：3–30.
[18]H.Bakhshi，J.M.Downing，M.A.Osborneetal.Thefuture ofskills:employmentin2030[R/OL].2017-12-30.https://futureskills.pearson.com/research/assets/pdfs/technical-report.pdf.
[19]T.H.Davenport，J.Kirby.Beyondautomation[J].Harvard BusinessReview，2015（6）：59-65.
[20]D.J.Deming.Thegrowingimportanceofsocialskillsinthelabormarket[J].NBERWorkingPaper，2015：21473.
[21]C.B.Frey，M.A.Osborne.Thefutureofemployment:how susceptiblearejobstocomputerisation？[R].WorkingPaper，OxfordMartinProgrammeonTechnologyandEmployment，2013.
[22]J.J.Heckman，T.Kautz.Hardevidenceonsoftskills[J].LaborEconomics，2012：451-464.
[23]ShotaroTani.Isyourjobrobot-ready？Ourinteractive calculatorletsyoufindouthowthreatenedyouare[R/OL].2017-04-22.https://asia.nikkei.com/Economy/Is-your-job-robot-ready.
[24]C.J.Weinberger.Theincreasingcomplementaritybetweencognitiveandsocialskills[J].TheReviewofEconomicsandStatistics，2014（5）：849-861.
[25]WorldEconomicForum.Thefutureofjobs：employment，skillsandworkforcestrategyforthefourthindustrialre-volution[R/OL].2016-01-18.https://reports.weforum.org/future-of-jobs-2016/preface/.
[26]WorldEconomicForum.Thefutureofjobsreport2018：Centrefortheneweconomyandsociety[R/OL].2018-09-17.https://www.weforum.org/reports/the-future-of-jobs-report-2018.
[27]OECD.Skillsforsocialprogress：thepowerofsocialand emotionalskills[R/OL].2015-12-30.OECDSkillsStudies，OECDPublishing，Paris，http：//dx.doi.org/10.1787/9789264226159-en.
[28]OECD.Skillsforadigitalworld[R/OL].2016-12-30.https://www.oecd.org/els/emp/Skills-for-a-Digital-World.pdf.
刘湘丽.人工智能时代的工作变化、能力需求与培养[J/OL].新疆师范大学学报(哲学社会科学版),2020(04):1-12[2020-05-20].https://doi.org/10.14100/j.cnki.65-1039/g4.20200518.001.