参考消息网5月9日报道 《印度快报》网站4月21日刊登一篇文章，标题是《机器无所不能的时代，我们人类该怎么办？》，作者是阿迪蒂亚·维什瓦纳特。编译如下：

历史上，创新的浪潮——比如蒸汽机或工厂流水线——颠覆的主要是低技能的蓝领工作。后来，数字革命通过软件和外包颠覆了白领工作。但人工智能时代将不同以往。如今，技术影响着每个人，从低薪酬的工作者到高技能的程序员、建筑师、设计师，甚至艺术家。这种影响自上而下覆盖所有人。随着生成式人工智能和自动化的发展，即使是具有高度创造性和分析性的职业也在被重塑。

这意味着每个人都必须能够持续评估：在一项任务中，我具有什么相关技能？这些技能有多容易被技术复制或取代？

具备新技能学习能力

低技能、低可替代性的工作可能仍是安全的——至少目前是这样。但无论哪种工作，都面临着越来越大的风险。一个人唯一可长期掌握的优势是具备快速和持续学习新技能的能力。

当我们谈论人工智能在未来工作中的作用时，我们实际上指的是一系列基本能力——技术素养和数据素养，这些能力使人能够理解、使用并适应智能系统。在工作环境中，这些才是构成“人工智能素养”基础的真实明确的能力。

具有技术素养意味着一个人知道如何操作机器，数字系统如何运作，自动化工具如何跨行业部署。具有数据素养意味着一个人能够解读和分析日益影响每一个决策过程的大量信息并据此采取行动。

这些素养必须尽早开始培养——从中小学和大学开始——这不仅是为了培养未来的工程师，也是为了让未来的艺术家、教育工作者、政策制定者、科学家和一线工人做好准备，让他们能够适应技术为主的世界并在其中发挥领导作用。

在设想教育该如何应对当下的现实时，美国东北大学校长约瑟夫·奥恩提出了一个强有力的框架，名为“人类学”。他提出这样一个问题：在机器无所不能的时代，我们人类该怎么办？

构建面向未来的教育

奥恩认为，面向未来的教育必须建立在三个支柱之上。

第一，技术能力，也就是理解机器如何工作以及如何与它们一起工作的能力。随着人工智能和机器人技术接管更多的工作任务，能够与这些系统互动和增强这些系统的工作者将是更加高效和不可或缺的。

第二，数据学科，这是关于理解、分析和处理数据的能力。在一个依靠算法决策的世界里，能够驾驭海量信息流，对于战略性思考和解决问题至关重要。

第三，人文学科，这部分主要是机器（目前）无法复制的技能：同理心、创造力、跨文化适应力和情境推理。因为拥有这些技能，人类才可以触类旁通、有意义地创新和有目的地领导。

在实践中，这意味着不应该只是死记硬背式学习，而是应该推广体验式、跨学科和终身教育。

重视短期针对性培训

要实现这种转变，一个有力的工具是正在不断发展的“微证书”模式：通过简短、重点突出的培训获得的资质证书，让学习者能够随着时间的推移获取越来越多的技能。整体上，各大学正在把这类证书加入到本科和研究生课程中——不仅是在计算机科学领域，在文科、商科和理科领域也是如此。

例如，主修政治科学的学生可以获得公共政策数据可视化的证书。历史学家可以获得人工智能辅助的档案研究证书。

重要的是，这些证书还符合终身学习的理念。随着工作角色的快速发展，员工必须不断地掌握新技能——不是通过获取昂贵的新学位证书，而是通过容易获得的、灵活可选的资质证书。为了让下一代人为还不存在的未来工作做好准备，必须建立一个以能动性、适应性和公平性为基础的教育体系。

这意味着在中小学和大学课程中加入培养技术素养和数据素养的内容；培训教育工作者，使他们能够传授面向未来的技能，而不仅仅是教授知识；推广“微证书”模式，推动个性化、可堆叠式学习；鼓励从艺术到医疗保健再到农业等所有领域的跨学科技术应用。

工作的未来是不确定的，但并非无法控制。通过广泛培养学生的技术素养和数据素养，教授以人为本的技能，实现终身学习，我们可以让每个学生都有机会在智能机器的世界中走出自己的道路。

这不仅仅是有关培养人工智能工程师的问题，而是要培养出能为国家所用的大量创造者、问题解决者和具有适应性思维的人，他们应该已经准备好在快速发展的全球经济中发挥领导作用。（编译/胡雪）