經濟學人特別報道：人工智慧和自動化時代需要怎樣的教育

美劇《西部世界》劇照

2016 年 6 月，《經濟學人》專題報道了人工智慧進步對社會可能產生的巨大影響（《經濟學人》封面報道：從技術、就業、教育、政策、道德五大維度剖析人工智慧）。2017 年伊始，《經濟學人》再度指出，和工業革命一樣，人工智慧和自動化時代需要另一場教育革命並對新的教育模式、當前現狀及其存在的嚴重問題進行了深入剖析。

《特別報告：終身學習》的深度分析共包括六個部分：（1）學習和掙錢：終身學習具有經濟上的緊迫性；（2）認知變換：為了鼓勵員工接受再教育，僱主可以做些什麼；（3）舊瓶新酒：年長的僱員如何在單位大展拳腳；（4）MOOC 的回歸：現有的教育提供商 vs 新的競爭者；（5）必由之路：將條件轉變成工作；（6）顯而易見的問題：低技能工人的再教育。機器之心對全部內容進行了有刪減的編譯。

當教育的步伐跟不上技術發展，就會產生不公平。創新到來之際，工人沒有「被利用的價值」就會遭殃——如果這些工人被技術革新遠遠拋在後面，社會就會分崩離析。這一洞見從根本上影響了工業革命的改革者們，也推動了國家資助全民基礎教育。接下來，工廠和辦公室自動化引發了大學生人數猛增。歷經數十年，教育和創新共同推動人類社會走向繁榮。

今天，機器人和人工智慧召喚者另一場教育革命。不過，這一次，工作生涯如此漫長而且變化迅速，只在人生初期強加更多教育是不夠的。獲取新技能必須貫穿人們的整個職業生涯。

不幸的是，正如我們本期特別報道所述，今天，終身學習的受益方主要是成功人士，而這更可能加劇不平等而不是減少。21 世紀經濟體不想要產生一個龐大的底層階級的話，政策制定者亟需制定措施，幫助國民邊謀生邊學習。迄今為止，他們的抱負小得可憐。

傳統教育模式——人生初期集中學習，之後公司培訓加以補充——正在瓦解。原因之一是需要新的、不斷更新的技能。製造業越來越多地需要腦力而非蠻力。與此同時，在職培訓也在萎縮。市場正在創新以讓工人能夠有新方法學習和賺錢。報告談到的那些革新展示了工作與學習如何交織在一起。然而任其自行發展，這一新生市場將會主要服務於那些已經具備優勢的人。如果新的學習方式是要幫助那些最需要幫助的人，則政策制定者應該瞄準遠為根本的舉措。19 和 20 世紀見證了教育的令人震驚進步。今天的抱負應當不遜於當年。

一、學習與掙錢：終身學習變得具有經濟上的急迫性

Andrew Palmer 說道：技術變遷將會要求教育和就業間更加緊密和連續的關係。這樣一個系統的大綱正逐漸露出水面。

遊客正在接待區等待一部已退役的地鐵車廂來接他們。每一個房間，主題是分別關於代碼、網頁發展和數據科學。第一眼看上去，General Assembly 的辦公室和其他任何一所技術型創業公司沒什麼兩樣。但是有一點非常不同：絕大多數公司使用技術來在線出售他們的產品，然而 General Assembly 通過物理世界來教導技術。辦公室同時也是一個校園。教室里充滿了學習和實踐代碼的學生，他們中的絕大多數為來到這裡已經放棄了工作。全日制參與者要支付 8000-10000 英鎊（9900-12400 美元）來學習為期 10-12 周的數字經濟通用語。

從西雅圖到悉尼，General Assembly 在 20 個城市的校園裡擁有接近 35000 畢業生。註冊成為全日制學生的人員大多數都希望他們能展開新的職業生涯。公司的課程表是基於和僱主討論他們極其缺乏的技能的談話的基礎上制定的。General Assembly 會舉辦「遇見、招聘」大會，在這裡，公司能夠看到代表大會的學生完成編程工作。置業顧問幫助指出學生展示的不足之處和提高他們的面試技巧。

General Assembly 通過有多少畢業生在他們渴望的領域裡獲得了一個有薪水的永久的全日制工作來測量它的成功。在 2014-2015 年度，有四分之三的學生使用了公司的職業建議服務，其中 99% 在開始尋找工作的 180 天內就求職成功。公司創始人 Jake Schwartz 當初創立公司，是被兩次個人經歷所啟發的。一個是根本沒有賦予實際技能的耶魯學位，還有一個兩年的 MBA 學位，他感覺到花費了太多的時間和精力：「我想要通過降低學費和提供僱主迫切渴望的技能來改變教育行業的投資回報方程。」

在富裕的國家裡，學習和賺錢的聯繫似乎遵循著一個簡單的規則：青少年應該儘可能多的獲得正式教育，這樣，在剩餘的職業生涯中就可以收穫對應的獎勵。文獻表明每一年額外的學校教育會帶來每小時 8-13% 的收入增長。自從經濟危機以來，提前輟學的代價越來越清晰。在美國，隨著教育穩步提高，失業率也在穩步下降。

有許多人相信技術變化只能加強正式教育。容易就能被自動化取代的日常工作已漸漸消失。這種觀察的另一面是需要更多認知能力的工作正在增長。勞動力市場正在分流，而有大學畢業證書的畢業生將很自然的轉向更高薪水的工作。

而現實看起來是更加複雜。教育的回報，即使對於高技能工作者來說，也已變得不那麼清晰。根據紐約聯邦儲備觀察，1982-2001 年間，擁有學士學位的美國工人的平均工資上漲了 31%，然而對於只有高中學歷的人來說，平均工資一點也沒動。但是在接下來的 12 年，大學畢業生的工資下降率超過了學歷沒有他們高的同齡人。與此同時，大學學費還在不斷增長。

對於絕大多數人來說，決定去上大學依然很有道理，但是有關教育和工資間機械關係的想法被打破了。由皮尤研究中心做的一個最近調查顯示：將近 16% 的美國人認為在現代經濟中，四年的大學生涯已讓學生為高薪水工作做好準備。這種想法一部分是由經濟危機的周期性影響和其餘波導致的。這其中也可能僅是供給問題：隨著更多人有了大學學歷，相應優質工作就會減少。但是技術又似乎給未來蒙上了一層紗。

2013 年由加拿大經濟學家三人組——Paul Beaudry，David Green 和 Benjamin Sand 共同發表的一篇文章質疑了對非常規工作需求的樂觀估計。作者說，在 2000 年之前的 20 年，作為 IT 時代建立的基本設施（計算機、伺服器、基站和光纖電纜），對認知技能的需求如日中天。現在既然技術已經大部分安排妥當，此類職業也衰落了。他們的調查顯示從 2000 年起，美國高技能工作的佔比就一直在下滑。現在，大學畢業的求職者不得不從事對認知技能要求較少的工作，替代教育程度不高的工人。

這項分析證實了技術會顛覆就業這一觀點。熟練和不熟練的工人都陷入了麻煩。雖然受教育程度高的人更可能找到工作，不過現在有了公平的機會，這讓人感到不太愉快。那些從未上過大學的人都被擠出了職場。這是技術悲觀主義者的論點，牛津大學的 Carl-Benedikt Frey 和 Michael Osborne 的預測體現了這一點，他們曾在 2013 年計算出 47％的美國現有工作容易受到自動化技術的影響的著名結論。

這裡還有另一個不那麼具有決定性的可能。波士頓大學經濟學家 James Bessen 研究了自動化技術對特定職業的影響，發現自 1980 年以來，使用計算機的職業的就業增長速度快於不使用計算機的職業。這是因為自動化技術傾向於影響職業內的任務，而不是完全消除對應的崗位。部分自動化實際上可以通過降低成本來增加需求：例如，儘管在超市中和在銀行中的 ATM 中引入了條形碼掃描器，但是出納員和銀行櫃員的數量卻增加了。

但即使技術不會在總體上毀滅工作，它也會迫使許多人做出改變。從 1996 至 2015 年，在日常辦公工作中僱用的美國勞動力的比例從 25.5％下降到 21％，減少了 700 萬個工作崗位。根據麻省理工學院（MIT）的 Pascual Restrepo 的研究，2007-08 年的金融危機使情況變得更糟：2007 至 2015 年，非熟練日常工作的工作機會相比其他工作下降了 55％。

在許多職業中，獲得新技能變得至關重要，因為現有的許多東西都已經過時了。Burning Glass Technologies 是一家波士頓的創業公司，它通過從在線招聘廣告中提取數據來分析勞動力市場，發現需求最多的是技能的新組合——該公司的老闆 Matt Sigelman 稱之為「混合型工作」。例如，編程技能現在的需求量遠遠超過其他技術部門。在美國，薪酬前四分之一高的職業中有 49％的職位是動輒要求編程技能的工作。新工作的組成也在迅速變化。在過去五年中，對數據分析師的需求增長了 372％; 在該部門內，對數據可視化技能的需求激增了 2574％。

在職業生涯的開始，大學文憑並不能迎合持續獲取新技能的需要，尤其是職業持續時間更長的時候。職業培訓善於教會人們特定工作的技能，但這些技能也需要在持續幾十年的職業生涯中反覆更新。由多數富裕國家加入的經合組織（OECD）的教育主管 Andreas Schleicher 說，「德國經常因其學徒制而受到讚揚，但其經濟卻未能適應知識經濟。職業培訓有一定的作用，但是訓練一個人早一點去做一件持續終生的事情並不是終身學習的答案」。

這種特定的專門知識意味著在工作中需要它，但是僱主似乎變得不那麼願意投資培訓他們的工作人員。美國經濟顧問委員會在總統的「2015 年經濟報告」中發現，在 1996 至 2008 年間，接受有報酬培訓或在職培訓的工作者的比例穩步下降。在英國，工人平均接受的培訓在 1997 年至 2009 年間幾乎減少了一半，每周只有 0.69 小時。

也許僱主自己不知道他們需要什麼樣的專業知識。但也可能是，當有壓力的時候，培訓預算特別容易被削減。勞動力市場模式的變化也可能發揮作用：企業現在擁有更廣泛的選擇來完成工作，從自動化技術和外包到使用自雇者和眾包。就業諮詢公司 Manpower 的老闆 Jonas Prizing 說：「組織已經從創造人才轉向消費工作（consuming work）」。

總結以上，我們可以發現，時代對各種各樣的工作者都更加艱難了。大學學位仍然是許多工作的先決條件，不過如果沒有足夠經驗的話，僱主已經不會以學位作為僱傭工作者的充分條件了。公司的許多職員面臨著他們的技能將要過時的未來，但是獲得新的技能的途徑卻通常難以找到。「現在，要求營銷專業人員具有開發演算法的能力是合理的，」Sigelman 先生說，「但是營銷的線性職業不能提供獲得這些技能的機會」。現在越來越多的人成為了自雇者。在美國，臨時工、承包商和自由職業者在勞動力中的比例已經從 2005 年的 10.1％上升到了 2015 年的 15.8％。

持續學習陣營

答案看起來很明顯。為了保持競爭力，並為低技術工人和高技能工人都提供最好的通向成功的機會，經濟需要在人們的工作生活中提供培訓和以職業為重點的教育。這份特別報告將列出人們為以新的方式連接教育和就業做出的努力；人們主要通過平緩成為勞動力的開始和使人們能夠在他們的職業生涯中學習新的技能這兩種方式來達成這一目標。許多這些提議還處於初級階段，但它們也提供了對未來的一些預測和關於由終身學習新技能引起的問題的指導。

許多東西已經確實的發生了。比如 General Assembly 只是編程訓練營（coding-bootcamp）的提供者之一。由 Coursera 和 Udacity 等公司在十年前提供、在近幾年大肆宣傳的大規模開放在線課程（MOOC），已經採用了新的以就業為重點的業務模式。LinkedIn 是一個專業的網站，於 2015 年購買了在線培訓業務 Lynda，現在正通過名為 LinkedIn Learning 的服務提供課程。Pluralsight 有一個按需培訓視頻庫，並且是一家獨角獸公司。亞馬遜的雲計算部門也有一個教育機構。

大學正在更加積極地接受在線和模塊化學習。像新加坡這樣的地方正在大力投資，為他們的公民提供可以在他們的工作生活中使用的學習貸款。個人也越來越似乎接受繼續持續學習的需要。根據皮尤的調查，54％的美國工人認為，在他們的工作生活中發展新技能是至關重要的；這個比例在 30 歲以下的成年人中則達到 61％。Manpower 在 2016 年進行的另一項調查發現，93％的千禧一代願意將自己的錢用於進一步的培訓。與此同時，僱主也越來越重視學習本身這一技能。

二、認知轉換：僱主能做些什麼來鼓勵員工進行再教育

Infosys 在 Palo Alto 的辦公室里有一間擺滿扶手椅、抽屜櫃、桌子等古董傢具的奇怪房間。衣架上掛著粗花呢夾克，一架快報廢的鋼琴。房間結構粗糙，好像未完成。據 Sanjay Rajagopalan 所說，這才是重點。

Rajagopalan 先生是印度商業服務公司設計研發的負責人。他是「設計思維（design thinking）」的信徒，這是一種根植於觀察成功創新者的問題解決方法論。他的目標雄心勃勃：把一家按照客戶要求建立全球外包業務的公司轉變為一個可以為自己的項目設置條款的公司。

設計思路強調在整個計劃中的行動並鼓勵大家以受影響者的眼光看待問題。大約有 100000 名員工已經通過了一系列的 workshop。第一個 workshop 為參與者設定了一個任務：例如改善數碼攝影的體驗。這就需要把思路從製作一個更好的相機的想法調整到考慮為什麼人們首先看重照片，因為這是撲捉記憶的一種方式。隨著思路的延伸，參與 workshop 的人們立即開始用簡單的材料如紙板和紙生產相機原型。「當下流行的趨勢是在做之前就計劃好所有的細節，」Rajagopalan 先生說，「而我們的方法是先做，然後測試，之後才是計劃。」

在 Palo Alto，奇怪的結構是另一個教學工具。Rajagopalan 先生讓一個小團隊重新構想數字零售經驗。不是再建一個電子商務網站，而是他們在用多種技術試驗一個物理空間。（比如說一個疲倦的購物者坐在椅子上，鄰桌上的一壺茶就會自動燒起來。）在公司的辦公室里的商店原型結構是有記錄的，員工可以看到設計思想一步步的實施。

Infosys 正在解決一個非常重要的問題：人們需要怎樣才能在工作中取得成功？無論是什麼工作，答案總是基於特定行業的知識和經驗，涉及一些技術上的和具體的技能。但是有了設計思路，Infosys 正在專註於「基本的技術」（比如創新性，問題解決和同理心）。當機器能讓人類在執行日常工作任務時感到羞愧時，就應該考慮掌握一些計算機很難學會的技能了。

哈佛大學的 David Deming 發現勞動力市場提供一些需要社交技能的人。自 1980 年起，在有薪資層次上的就業和收入的的增長速度最快的行業在社會技能方面的溢價很高（見圖表）。

社交技能對很多工作都很重要，不僅僅是醫療護工、治療師和其他需要與客戶接近的工作。Deming 先生認為主要價值在於同事之間的關係：那些能快速有效地劃分任務的人能形成更有效率的團隊。如果未來的工作越來越多地由承包人和自由職業者完成，那麼合作能力將變得更加重要。即便是極客也需要學習這些技巧。Ryan Roslansky 負責 LinkedIn 的在線教育，他注意到許多軟體工程師正在他們的網站上學習管理和溝通課程來提升自己的全面技能。

打造一個更好的學習者

發現並保住飯碗的另一個越來越重要的技能是不停地學習。當技術正在以一種無法預測的方式改變，工作變得富有交叉性時，人類就需要能學習掌握新技能。在 Infosys，Rajagopalan 強調「學習速率（learning velocity）」，在幾天或幾周內從一個問題變成一個好想法的過程。Alphabet 目前的執行總裁 Eric Schmidt 談到谷歌的招聘重點放在了「學習動物（learning animal）」上。Facebook 的創始人 Mark Zuckerberg 每年都會為自己設下一個新的學習目標。

強調學習一直是 United Technologies（UTC）的一個標誌，這是一家企業集團，旗下業務包括飛機發動機製造商普惠公司（Pratt & Whitney）和電梯製造商奧的斯（Otis）。1996 起，UTC 啟動了一項學習計劃，旗下員工可以其中獲得一個業餘學位，並為他們提供每年高達 12000 美元的學費，沒有任何附加條件。僱主往往不願給員工做培訓，怕他們技術提升後，離職去競爭對手公司。但該公司的人力資源副總裁 Gail Jackson 有不同的觀點。「我們希望招來有求知慾的人，」她說。「給他們培訓讓其變得更好總比沒有培訓讓他們留下的好。」

這種觀點變得越來越常見。當 Satya Nadella 2014 年掌管微軟時，他藉助斯坦福大學心理學教授 Carol Dweck 的作品來推動公司文化朝新方向發展。Dweck 女士將學生劃分為兩大陣營：認為能力是天生且不可改變的人（需要給其學習動機）和認為能力是可以通過學習提升的人。這種「增長心態（growth mindset）」是公司試圖鼓勵的。微軟已修訂其業績審查標準，包括評估員工如何學習他人然後應用知識。微軟還建立了一個內部的門戶網站，整合了通過 LinkedIn 購買的培訓供應商（微軟自己也在購買）Lynda。

電信和媒體公司 AT&T 擁有大約 300000 名員工，這家公司面臨著兩大勞動力問題：在大數據和雲計算時代的背景下快速更新技能的需求，不斷的員工流失使公司不得不每年填補 50000 個職位。從外部招聘很難很貴，而且極易招致現有員工的不滿。這家公司的方法是對現有員工進行培訓。

每個員工都有自己的職業簡介，裡面包括他們的技能和經歷過的培訓。他們還可以訪問一個名為「職業智能（career intelligence）」的資料庫，向他們展示公司內部所提供的工作及相應的技能需求和薪資水平。該公司還與 Udacity 合作開了一個短期課程，同時正在與多所大學一起開發課程。員工利用自己的時間開發自己的技能。但 AT&T 用「胡蘿蔔加大棒」策略來鼓勵他們，給那些積极參与課程的員工慷慨地贊助學費（2015 年共計 3000 萬美元），同時對於那些沒有興趣的員工給予負面評價。

隨著持續學習成為公司的優先事項，出現了兩個問題。第一個是，公司是否有可能根據好奇心（心理學家稱之為「認知需求」）來篩選候選人和員工？上大學是一種非常粗糙的獲得基本技能的途徑，這解釋了為什麼那麼多僱主要求學歷，而事實上這份工作不需要這些。

越來越好奇

更多由數據驅動的方式也正在被嘗試。Manpower 是 一個人力資源諮詢公司，正在一個 app 應用上運行自己的試驗，這個 app 可以對個人的學習能力打分。Knack 是另外一家初創公司，提供一系列實際上是遊戲化了的心理測試 app。而在 Dashi Dash，參與者扮演服務生的角色，然後根據顧客的表情（通常非常難懂）來給顧客下單。隨著越來越多的顧客的出現，管理工作流程的工作變得越來越難。每一個決定和每分鐘的決策改變都會被捕獲到並以數據點的形式傳到雲端，通過雲端數據里對 2 萬 5 千人的數據參考，機器學習的演算法開始分析玩家的能力。具備讀取顧客表情的能力將會在同理心方面獲取相應的加分；一個按照顧客進店先後順序來招待顧客的決策將會是誠信品格的一個指向標。好奇心是 Knack 測試的特質之一。

第二個問題是，有沒有可能做到訓練人去學習。成像技術正在幫助我們揭開好奇心比較強的人的腦內活動情況之謎。在神經科學期刊 Neuron 2014 年發表的一項研究中，參與者首先被要求給自己在學習不同問題解答上的好奇心程度打分。隨後，那些所要學習的問題的解答將會展示給參與者，同時展示給參與者的還有一張陌生人的臉部照片；最後參與者要完成一個對答案內容回顧的測試和一個臉部識別測試。好奇心較強的參與者在這兩個測試上，對內容的記憶保持較好，腦部掃描的結果顯示他們中腦邊緣多巴胺系統的活動更頻繁，中腦邊緣多巴胺系統是一個獎勵通路。同時海馬體的活動也更頻繁，海馬體是一個形成新記憶的關鍵區。

想知道人的特質（類如好奇心）能不能通過教導而習得現在還為時尚早。但是目前通過讓個體對自己的思考過程更關注從而讓其變成更有效的學習者是越來越容易了。隨著網路教育的興起，關於什麼在教育和學習中起到作用的假說變得越來越容易檢測。MIT 已經率先提出了一個研究計劃，這個計劃是對學習機制的跨學科研究並將研究成果用於自己的教學中，包括線上和線下的教學。MIT 有自己的線上學習平台，包括一個同哈佛共建的 MOOC 平台——edX，可以為這項研究提供試驗環境。當 MOOC 的學習者被要求寫下所參與的某個課程的學習計劃時，他們將比另外一個對照組成員有 29% 的比率更可能完成所參與的課程學習。

有關有效學習策略的信息也可以個性化。Open University，一個英國遠程學習機構，已經使用控制板來管理每個學生個體的線上行為和表現。Knewton，這個機構的學習平台已經獲取了 1 千萬當前美國學生的數據，然後向學生推薦個性化的學習內容。個性化的內容推薦以幫助人們更多的關注自己的思考過程，從而使他們更有可能能夠學習到他們後面所需的新技能。

三、舊瓶裝新酒：年長的僱員如何在單位大展拳腳

人們處理信息的速度從 20 多歲開始就穩步下降。你的認知能力可能已經在減弱。

處理速度最常見的測試是「數字元號替換測試（digit symbol substitution test）」，其中一系列符號與代碼中的一組數字配對。將代碼展示給參與者，並給他們一排符號，然後要求他們在一個設定的時間內寫下相應的數字。沒有什麼認知挑戰性的任務；教育程度對績效沒有影響。但年齡有影響。隨著年齡的增長，配對速度持續下降。

對於這種機制的解釋目前還停留在假設層面，但是，人們已經提出不少實驗性的解釋。有觀點將原因指向了髓磷脂，一種覆蓋軸突（負責將信號從一個神經元傳給另一個神經元）的脂肪物質。隨著年齡的增長，髓磷脂的穩定減少可能會讓這些鏈接速度慢下來。另一種解釋認為這與多巴胺減少有關。

幸運的是，年齡的增長有利有弊。心理學家區分了「流動智力（fluid intelligence）」，大致等同於人類解決新問題的能力，以及「晶體化智力（crystallised intelligence）」，大致等同於個體的知識儲量。知識儲量會隨著年齡的增長繼續遞增：在辭彙、通識測試（general-knowledge）中，人類表現會持續提升，直到 70 多歲。而且經驗常常能抵消認知能力的下降。

對於終身學習，所有這些意味著什麼？只要人們在熟悉的領域中學習新知識，這就會很棒。不過，如果年長的工人嘗試全新知識領域，進展可能就不會順利。

四、MOOC 的回歸：過去的教育提供商 vs. 新的競爭者

MOOC 的熱潮高峰出現在 2012 年，投資分析師 Salman Khan 通過互聯網給他的表弟教授的小規模課程最終變成了廣受歡迎的教育資源——可汗學院（Khan Academy），那年他登上了《福布斯》的封面。另一家 MOOC 提供商 Udacity 的創始人 Sebastian Thrun 則在《連線》上預言未來 50 年內，全世界的大學數量將會降至僅僅 10 所。《紐約時報》則將那一年稱為 MOOC 的一年。

蜂擁而來的學習者似乎預示著一種全新的開放式教育方式即將興起，但現在 MOOC 的懷疑者卻超過了信徒。儘管現在仍然還有很多人註冊 MOOC，但輟學率也高得驚人。

目前，可汗學院每個月有大約 1400 萬到 1500 萬用戶至少會進行一項學習活動；Coursera 有 2200 萬註冊用戶。這些數字還在增長。英國 Open University 所有的 MOOC 則還有大計劃。牛津大學在去年 11 月份宣布將在 edX 平台上推出其第一個 MOOC。

在商業模式上（儘管可汗學院等一些是非營利的），比如，Udacity 推出了一些以技術為核心的納米學位（nanodegree），範圍從基礎一直到前沿。

Coursera 的內容大多來自大學，而非專家導師；其涵蓋的範圍也廣得多；而且其還提供完全學位以及短期課程。Coursera 也有一些收費項目（發布認證等等）。

目前還處於非常早期的階段。Coursera 並未公布其付費學習者的人數；Udacity 則表示其納米學位參與者有 13000 人。但不管數據如何，重新發明的 MOOC 總歸幫助學習者的繼續教育解決了兩個問題。

一是學習的成本——不只是金錢成本，而且還包括時間成本。

二是能為人們提供快速反應的能力。現在的技術發展速度如此之快，教育系統必須做出快速反應才能培養出社會所需的人才。MOOC 憑藉高度的靈活性也許就能夠為這種需求提供幫助。

密歇根大學 Ross 商學院的院長 Scott DeRue 將教育和音樂這個行業進行了比較。在 iTunes 和流媒體服務出現之前，音樂是以唱片的形式銷售的。而對比教育行業，學位就相當於唱片，MOOC 上的免費課程內容就相當於免費的流媒體音樂服務，而納米學位這樣的「微認證（microcredential）」就像是 iTunes 上的付費單曲。

大學應該對此做出怎樣的回應呢？DeRue 再次使用了音樂行業這個比較。面對互聯網所帶來的顛覆，大學教育將會變成現場演唱會，將能提供網路課程所不能提供的獨特優質體驗。從學校獲得的學位將成為這種優質經歷的象徵。

大學也可以讓他們的教育資源更容易通過網路獲取。這正在開始發生。當喬治亞理工決定以低成本提供其計算機科學碩士課程的在線版本時，很多人都驚呆了：這似乎會有損於其學校課程。但據學習該課程的哈佛大學的 Joshua Goodman 說，這個決定是正確的。校園課程仍將繼續吸引 20 歲出頭的學生，而網路課程則能吸引到無法離開工作崗位的 30 幾歲的職場人士。Goodman 估計這個課程能每年將美國計算機科學新碩士的數量提升 7% 到 8%。

教育的樂高

大學也可以變得更加的模塊化。EdX 的供應鏈管理課有一個微碩士學位，這個課可以作為單獨學習的課程，同時也納入 MIT 碩士學習課程之中。威斯康辛麥迪孫大學已經構建了一個名為 University Learning Store 的網站，這個網站提供實用學科（例如項目管理和商業寫作）的線上學習內容。熱心家們在討論一個「證書堆疊」的世界，也即資格證書就像樂高的基本模塊一樣能夠被組裝在一起。

但是，大學在朝著這個方向發展的道路上能走多遠和多快還不可知。學位目前還是被高度重視，並且批判性思考和社交技能將在更多的地方顯示出自身價值的觀點越來越得到重視。「大學的校園、終身教職機制等等對短期課程沒有作用，」Jake Schwartz 補充說到，他是 General Assembly 的老闆。「覆蓋固定成本的經濟因素促使他們在這個方向上走的更久。」

教育機構同時努力去提供非常快速更新的內容。Pluralsight 用一個類似於書籍出版的模型，通過 1000 個專家組成的網路來生產和更新其 IT 和創造技能視頻庫的內容。這些專家根據他們內容被觀看的頻率來獲得相應的版稅；Pluralsight 上去年收益最高的專家賺取了 2 百萬美金，這一數據來源於這家公司老闆 Aaron Skonnard。這樣的回報對網站視頻內容的生產者持續更新他們的內容是一個極大的鼓舞。大學的院系制度有其他優勢。

除了成本，MOOC 面臨的第二個問題是認證的問題。現代勞動力市場廣泛地通過學位和職業證書來了解一個人的技能和專業知識。MOOC 則希望通過微學位的方式來解決這個問題。

但僱主需要相信這些認證是可靠的。LinkedIn 想出的方法是讓會員的聯繫人為他/她的技能「背書」，並以此來認證一個人的技能水平。這能夠減少對學位認證的需求。

MOOC 還可以通過大學來協助認證。Coursera 依賴大學和商學院來為其提供內容；這些大學的名字也會出現在相關的證書上。另外也有一些公司企業也能夠起到學術認證的作用，比如谷歌的安卓開發納米學位。

不管在哪裡學習，學生都應該尋求獲得可信的認證。當一門課學生數量少時，也許可以得到老師的直接認證。但有的 MOOC 的學生數量非常大，讓少數幾位老師來進行認證是不切實際的。自動化認證能幫上我們的忙。Udacity 讓其學生將代碼上傳到 GitHub，機器學習畢業生可以在幾個小時之內就給出反饋。

但即便這個問題可以解決，但微學位可能是會有很多水分的。雖然和大學學位一樣，微學位也需要一些認證和考試，但微學位的很多學習過程都是在非正式的場景中，很多工作所需的技能無法在這個過程中被學習到。

一種處理方式，是通過發行「數字標牌（digital badges）」將知識貨幣轉化為小面額貨幣來認證不太正式的成果。澳大利亞最大的高等教育機構墨爾本皇家理工大學（RMIT），正在與資格認證平台 Credly 合作，為那些沒有通過測試但是對企業依然有價值的技能簽章。RMIT 的副校長 Belinda Tynan，引進了工程學學生做的一輛電動汽車，進入比賽並贏得贊助商作為一個例子。

數字標牌的麻煩是它增長的太快了。在 2016 年與 Credly 合作的一個項目中，伊利諾斯州立大學單獨創建了 110 個 badge。加上 MOOC 證書，LinkedIn Learning 課程、能力本位教育 General Assembly 等諸如此類，和創造新知識的貨幣看起來更會導致惡性膨脹。

David Blake 是創業公司 Degreed 的創始人，希望通過打造成一個資格的中央銀行來解決這個問題。他想發布一個標準化的技能水平評估，不管人們用什麼方法獲得這項技能。該計劃是建立一個主題專家網路來評估員工的技能（比如說，複製編輯或信用分析），和一個標準化的分級語言，不論何時何地對所有人都是一樣的標準。

Pluralsight 也在朝類似的方向發展。它是一個診斷工具，使用一種稱為項目反應理論的技術來計算用戶在編碼等領域的技能水平，給他們評分。該系統有助於某人下一步應該學習什麼，還為公司提供了一個標準化的方法來評估人們的技能。

然而，一套標準化技能測量系統有它自己的問題。讓專家給能力打分所產生的問題是對這些專家的資格的質疑。項目反應理論難以評價主觀技能，例如構造論點的能力。在 IT 這種領域，具體可評估的技能。更適合這種方法。

是非常的適合。事實上，它們可以直接測試。一個在亞美尼亞的青少年 Tigran Sloyan 過去常常參加數學奧林匹克競賽。那段經歷幫助他贏得去麻省理工學院讀書的機會，還讓他在舊金山創建了一家名為 CodeFights 的公司。該網站為 500000 用戶提供免費的遊戲化的挑戰作為一種幫助程序員學習的方式。當他們足夠了解，他們將向僱主輸送人才，如果推薦的人才被成功錄用，僱主會向這家公司支付人才薪水 15% 的錢。斯德哥爾摩的創業公司 Sqore 利用競賽為其客戶篩選工作申請。

五、路徑依賴：將條件轉化為工作

大學教育旨在作為一個緩衝期，讓學生進入更廣闊的世界，期望能指導他們加入工作。但是 在實踐中，許多人還是陷入了困境，因為僱主要求的是具有特定經驗的證明。-這是否是技能鴻溝（skills gap）是辯論上的問題。- 賓夕法尼亞大學沃頓商學院（Wharton School）的 Peter Cappelli 說：「如果我找不到一輛價格 15000 美元的強勁、節能和易於停放的汽車，那這並不意味著汽車短缺。」但是，無論是教育者還是僱主方向有問題，我們都需要引導個人進入就業的道路。

有時，一些工作基礎醫學和法律已經明確地界定了。職業教育將課堂和基於工作的學習相結合，為準備進入特定行業的年輕人做好準備。在許多歐洲國家，三分之一到半數的高中畢業生將進入職業道路上（見圖表）。

但是，在其他國家（例如美國，缺乏職業教育的傳統）需要更多途徑來將正規教育畢業生平穩地過渡到工作中。納米學位（nanodegree）就是這種方式的一個例子，它非常依賴僱主提供的內容評論。

這在人們職業生涯的早期階段尤為重要，這不僅僅是因為他們缺乏經驗，同時還因為收入增長最快。從美聯儲經濟學家對美國工資增長的分析表明，大部分收入增長發生在 25 歲至 35 歲之間，平均而言，在 45 歲之後，只有 2% 的工作者能擁有提薪的機會。因此，對於人們來說，一旦獲得資格證明，就必須迅速加入工作崗位中。

這是初創公司 LearnUp 的見解，它通過與沒有大學學位的申請人合作開展入門級職業教育。在線申請工作的用戶可以點擊一個鏈接，參加一小時的在線培訓課程，了解如何成為出納員、銷售員或這些之類的。僱主向 LearnUp 支付固定費用以提高候選人的人數，從而使招聘和留任率上升。

Generation 是由麥肯錫社會倡議運營的慈善社會計劃，是一家非營利性的諮詢機構，它採用了一種訓練營方式和一些典型的麥肯錫思維方式來培訓對申請中等職位有困難的求職者。該程序從進入工作場所並識別關鍵事件開始做分析。

課程設計師然後使用該分析創建一個涵蓋技術知識和行為技能並持續 4 至 12 周的全日制培訓計劃。該計劃已在美國、西班牙、印度、肯亞和墨西哥上線。到 2016 年年底，它有一萬名畢業生。這個項目學員不用付錢，但僱主需要支付。

這樣教育就可以讓人們從事特定的工作。職業教育有利於讓畢業生儘快上班，但對人們適應工作世界的變化並沒有幫助。實際上，胡佛研究所（Hoover Institution）的研究人員在 2015 年進行的一項跨國研究表明，接受職業教育的人們比那些接受普通教育的人更有可能隨著年齡的增長而退出勞動力市場。在嚴重依賴學徒制度的國家，如丹麥、德國和瑞士，這種模式尤為明顯。

大公司可能更有規模地為員工提供內部培訓來提高他們的技能。但許多工作者並不知道走怎麼樣的發展路線。這表明，企業很可能在行動、實效上作為職業顧問。去年推出了一個名為 MyPath 的計劃，該計劃基於學習和工作迭代的想法。它允許美國臨時工人從西方國際大學（Western International University）獲得學位，並且不需要支付費用。該學位的結構是由一系列教育階段組成，在教育階段後是工作階段，他們期望人力資源有良好的評價，從而有高薪工作的機會。

領英是另一個對更廣泛趨勢有正確理解的組織。專業網路站點喜歡稱它擁有的數據為「經濟圖譜」，即全球經濟的數字地圖。它的求職者數據及招聘平台，為其提供了關於僱主的需求以及求職者需要什麼技能的信息。通過領英學習（LinkedIn Learning），它現在也可以提供培訓資源。

提供大眾市場職業建議的困難是怎樣找到一個商業模式為其買單。領英主要針對專業人士來解決這個問題，他們自己對支付服務或招聘人員感興趣。但這又產生了一個更大的問題。

六、顯而易見的問題：低技能工人的再教育

想像下你是 45 歲的長途貨車司機，從來沒有享受過學校生活，並總想儘快離開它，證書很少。雖然工作很累很孤獨，但它至少似乎提供了體面的工作保障：司機短缺在行業內常年是一個問題，並且勞動力的平均年齡很高（英國是 48 歲），所以缺口很可能變得更糟。BLS 網站預測，「隨著經濟的增長，貨物需求將急劇增加，從而需要更多的卡車司機來保持供應鏈的正常運行。」

但未來可能會有很大的不同。貨運行業可能更快地採用自動駕駛汽車。根據 2014 年摩根史丹利投資公司（Morgan Stanley）的報告，全自動化可能會使美國卡車司機的數量減少三分之二。這些預測是警告，但它又是正確的。採用無人車的速度很可能會由於監管而減緩，可能仍然需要司機來處理不可預見的問題，如果這些新出現的司機工作需要更多的技術知識，他們甚至可以獲得更高的薪水。但其他部門的就業可能會隨著運費降低而增加。但也有可能在不久的將來，大量的卡車司機發現他們自己是多餘的。

知道什麼時候跳槽也是一個問題。對於那些有著幾十年工作經驗的人來說，放棄還太早，但是，認為變化不會發生，也是有風險的。

對於這種低技術工人而言，他們與 MOOC、General Assembly 和領英的世界距離很遠。約有 80％的 Coursera 學習者擁有大學學位。在時間和金錢方面，再培訓的成本對於他們來說也是很少的。而動機是大問題：互聯網提供的巨大的學習機會根本不會吸引每個人。

再教育回報最高的是計算機技能，但是，從卡車司機到程序員，沒有一條自然路徑。在一個評估全球成人技能的項目中，OECD 給出了 33 個成員國成年人計算機水平的暗淡圖景（如圖）。

每五個成年人中，就有一人的閱讀和數字水平很差。每四個人中，就有一人幾乎沒有計算機經驗。使用技術來解決問題的能力，幾乎所有的成年人都在最低的熟練水平之下。

而且，如果要掌握新技能，最好的辦法就是實踐，但是，許多工作包括卡車司機幾乎無法提供這樣的機會，有些工作甚至是進一步去技術化的。

因此，卡車司機的難題很難解決。任何體面的答案都需要個體、僱員、教育提供商的協作努力。特別是兩個單位的角色，很重要。

一個是工會。他們了解全產業的發展趨勢，而小一些的僱主可能沒有這樣的視野。工會還可以陪伴工人職業生涯，在一個自我僱傭呈上升趨勢的世界裡，這會變得更加重要。丹麥著名的「彈性安全（flexicurity」系統就是一個很好的例子，為失業工人提供一張有關行業培訓計劃的清單。

第二個是政府。雖然終身學習談得多，但是，只有少數國家正在付諸實踐，比如新加坡政府。考慮到國家大小、政治系統的不同，新加坡的辦法雖然難以複製，但是仍然可以從中學習到東西。

2016 年 6 月，我們曾經調查過人工智慧領域以及工作變化時工人所需要做出的調整。「那意味著要讓教育和培訓變得足夠靈活，快速而高效地教授新的技術，」我們總結說，「這更需要強調終身學習以及在職培訓，更廣泛地使用在線學習和視頻遊戲風格的模擬。」

技術變遷的步伐和範圍所帶來的不確定性是巨大的。不過，毋庸置疑的是需要找到新的、更有效的方法來發展、增加工作技能。

連接僱傭教育的新生態系統的微弱輪廓正變得可加辨識。僱主更加強調僱員的適應能力，好奇心和學習。他們正在和大學以及新的教育提供商合作，打造和提升自己的人才供應鏈。短期課程、低成本、在線學習正讓人們更加容易將工作和培訓結合起來。

與此同時，新技術也讓學習更高效，更有必要。虛擬和增強現實能更本上改善職業培訓。大數據為個性化教育提供良機。平台使得不同知識水平的人連接起來更容易，還能進行 p2p 教育和指導。「教育正變得靈活、模塊化、易接觸到和學的起。」

但是，到目前為止，這個尚處初期的生態系統可能不對稱地讓那些最不需要幫助的人群。

本文由機器之心編譯。

本文為頭條號作者發布，不代表今日頭條立場。