【導讀】2024年7月2日，由中國科學技術協(xié)會、廣西壯族自治區(qū)人民政府主辦，中國自動化學會承辦的第二十六屆中國科協(xié)年會通用大模型未來演進路線——數據、算力、算法論壇在廣西南寧召開。會議特別邀請職業(yè)科學實驗室（CSL）主任祝恒書，作主題為“大模型時代的職業(yè)與技能”的報告。以大模型為代表的新一代人工智能技術正在深刻重塑我們對勞動力市場未來的認知，與此同時，對于人工智能可能帶來的勞動力替代效應和相關倫理問題的討論也日益增多。報告首先探討了大模型AIGC技術取得突破性進展的內在邏輯，并結合互聯(lián)網招聘大數據探索新一代人工智能技術對職業(yè)的潛在影響。進一步，報告聚焦職業(yè)技能價值評估這一前沿課題，通過市場驅動的視角，深入探討了職業(yè)技能的潛在市場價值和供需鴻溝，助力技能學習和職業(yè)選擇能夠應對技術的快速變革。報告最后，介紹大模型技術在職業(yè)科學領域的應用以及尚待解決的若干科學問題。相關成果對于社會勞動價值分配機制的合理性和公平性設計、社會勞動力保障和精準就業(yè)、個性化職業(yè)教育等多個領域均有重要價值。
一、人工智能的演進與應用
人工智能（Artificial Intelligence，AI）概念自1956年被提出以來，其發(fā)展歷程經歷了多次起伏，形成了三次具有代表性的AI浪潮。這個過程中，一個不變的追求就是尋找從弱人工智能（Weak AI）到強人工智能（Strong AI）的演化路徑，無數科研工作者為此進行了深入的探索和持久的努力。
弱人工智能階段，即狹義AI，專注于解決特定場景下的問題，主要依賴于判別式AI技術,通常也被稱為決策式AI。從工業(yè)界的視角來看，基于大規(guī)模機器學習技術的推薦系統(tǒng)和面向計算廣告的CTR預估技術可能是這一階段最顯著的技術和應用，對信息流推薦和計算廣告的發(fā)展起到了關鍵作用，也承載了大多數互聯(lián)網企業(yè)的核心商業(yè)模式。盡管強人工智能的概念尚未統(tǒng)一定義，但在探索的過程中普遍認為其核心在于實現感知、認知和決策能力的大統(tǒng)一，讓機器真正涌現出和人類一樣的智能行為。隨著新一代人工智能技術的發(fā)展，大模型的出現使我們看到了算法、數據和計算能力等AI生產力的集大成者，是一種新質生產力。同時，AIGC也逐漸成為了最符合人類認知模式的有效應用載體。這些技術的進步不僅加強了數據驅動的應用場景，也構建了閉環(huán)式的AI生產和應用模式，打通了“先生產再消費”到“消費后再生產”的產研閉環(huán)，從而推動了新一代人工智能的高速發(fā)展。
2022年底，ChatGPT的發(fā)布在人工智能領域掀起了巨大的浪潮，并逐步深入人們的日常生活和工作中。作為大語言模型的杰出代表，ChatGPT在通用領域達到甚至超過了普遍專家水平，這使人們感受到人工智能不再局限于以往的智能水平，并且看到了邁向通用人工智能的全新機遇。
事實上，語言模型的背后是一個基于概率的生成模型，而ChatGPT這類大語言模型的訓練過程與人類語言學習過程非常類似。預訓練階段就如同大人不斷與孩子對話，促使其學會各種表達方式。雖然在此階段尚孩子不能完全表達，但通過家長不斷指導式交流與反饋，以及幼兒園階段的互動式交流，孩子的語言能力會進一步強化并進行涌現，這類似于有監(jiān)督的微調和基于反饋的強化學習的過程。ChatGPT技術報告顯示，其訓練數據大多數為英文，僅有非常少的部分是中文，但該模型在中文表達方面表現出色，展現出良好的語言遷移能力。這類似于美國語言學家喬姆斯基提出的先天語法規(guī)則，即便在不同語言環(huán)境下，人類也能習得其內在語法邏輯。在過去一年多的時間里，ChatGPT及其相關大語言模型已經在醫(yī)療、教育等各行各業(yè)產生了深遠的影響，這引發(fā)了對大語言模型對勞動力市場的影響的探討。
二、人工智能對勞動力市場的影響
截至2023年4月，我們觀察到勞動力市場中超過28%的職業(yè)要求求職者具備相關的技能，而到了今年5月，這一比例迅速上升至60%，增長迅猛。人工智能替代了一部分白領工作，但對操作密集型的藍領工作的影響相對較小，這種現象頗具反常性。與以往認知不同的是，當前情況下，學習的知識越多，似乎越容易面臨被替代。事實上，這一波人工智能替代的是腦力勞動中的體力勞動，例如文案編輯、寫作和組織策劃等，這些工作本質上并不需要過多的認知思維，而更多地體現為基于腦力的體力勞動。
在勞動力市場方面，我們注意到對大模型人才的需求依然供不應求。從薪酬水平來看，需要大模型技能的工作崗位，在北京、上海等地的需求增長激增。這些崗位的入門門檻普遍較高，對學歷和工作年限都有嚴格的要求。我們也通過自研的算法對未來3～5年的勞動力市場進行了預測，預測未來需要大語言模型賦能的職業(yè)會增加45%。實際上，2024年的數據已經顯示這一趨勢。此外，預測還顯示未來行政、人力資源管理等崗位將對大型模型技能的需求進一步增加，而一些操作密集型的工作對ChatGPT等相關技能的要求相對較低。
在考慮人工智能對職業(yè)市場的影響時，我們還探討了背后的經濟學原理。人工智能的出現是否會替代一部分工作，這是一種正常現象還是非常的特殊情況？回顧經濟學史，勞動力與技術之間的競合博弈貫穿工業(yè)革命至今的整個經濟史。每一項新技術的引入通常都會帶來替代效益和增強效益，例如汽車取代了馬車的同時，也創(chuàng)造了司機等新的職業(yè)。
人工智能的替代效應實際上也具有潛在的好處，早期掌握這項技術的人可以在薪酬議價上擁有更大的空間。盡管人工智能可能取代了編輯的一部分工作，但如果是一位擅長使用人工智能的編輯，可能能完成三個人的工作量，而公司可能僅需要支付兩個人的薪酬。這種替代效應不僅創(chuàng)造了新的職業(yè)機會，也為技能市場帶來了新的動態(tài)。
進一步分析人工智能對職業(yè)的影響，必須思考未來應該學習哪些技能。在當前知識經濟時代，學校教育與市場需求之間存在巨大的差距，導致了勞動力市場供需錯配的問題。每個人和企業(yè)對技能價值的認知有所不同。我們團隊自2019年開始研究基于市場導向的職業(yè)技能定價問題，相關成果于2021年成功發(fā)表在Nature子刊上。
我們采用數據驅動的方法，分析大量招聘廣告和信息，以確定每位求職者所需技能及相應職位的薪酬水平，以構建技能與薪酬之間的相關性。我們提出市場驅動的技能價值定義：一個工作崗位只需特定技能即可完成，公司愿意支付的薪酬即為該技能的價值。然而，現實中任何工作都涉及多種技能的復雜交互，這使得簡單的技能定價難以實現。因此，文章中提出了協(xié)同神經網絡算法，結合主任務和協(xié)同任務的方式，通過非監(jiān)督學習和監(jiān)督學習相結合，以自動確定技能的價值和預測崗位薪酬。
三、人工智能與職業(yè)技能學習
技能學習需要跨界，即敢于打破知識的舒適區(qū)。例如，技術人才應該學習算法，而已掌握算法的人則應該轉向學習管理技能；設計師也可以通過學習前端開發(fā)擴展自己的技能范圍。這種跨界能力不僅使個人技能更具市場競爭力，也促進了個人職業(yè)發(fā)展的多樣化和深度化。
長期投資技能學習將會帶來更大的回報，尤其是在具備10年工作經驗的人群中，他們的技能價值增長可能會超過2.5倍。這一發(fā)現強調了在個人職業(yè)生涯中持續(xù)學習和提升技能的重要性，這是實現職業(yè)成功和持續(xù)競爭力的關鍵因素。
值得一提的是，技能學習不應僅僅追求熱門技能，而是應該專注于崗位中最核心、最穩(wěn)定的技能。例如，算法架構和基礎算法技能的穩(wěn)定性較高，這些技能能夠更好地保持市場價值，并使個人在不同經濟周期中保持競爭力。
此外，我們在技能推薦領域進行了深入研究，利用深度學習、強化學習方法為求職者和學生提供了個性化的技能學習路徑推薦。這種個性化推薦不僅有助于提升個人在市場中的競爭力，還為組織和企業(yè)提供了優(yōu)化人才管理和發(fā)展的有效策略。
最后，我們還積極參與了大語言模型的開發(fā)和應用。通過面向智能招聘的大語言模型和基于檢索增強的面試技術，我們在推動人才服務和管理領域的創(chuàng)新方面取得了顯著成果。這些工作不僅在學術界得到了認可，也在實際應用中展現了廣泛的應用前景和市場價值。
（本文根據作者所作報告速記整理而成）
