混合技能与人机协作：人工智能社会职业风险前瞻及人才培养路径转型

　　，中央民族大学新闻与传播学院讲师、硕士生导师、互联网平台企业发展与治理研究中心研究员。研究方向：智能传播、计算传播、市场与媒介分析。

　　，北京大学新闻传播学科学术委员会主任，北京大学新媒体研究院教授、博士生导师、副院长，北京大学新闻与传播学院教授、副院长，北京大学市场与媒介研究中心主任。

　　新技术催生出新业态、新岗位、新模式和新机会的同时，对传统行业从业者也产生了巨大冲击。工业革命后，自动化机器进入工厂的现实逐渐改变了工业社会劳动力的职业结构，高度程序化、执行流水线任务的工作岗位正在逐步消失。随着电子信息系统、自动化生产以及人工智能技术的相继出现与技术更迭，许多传统职业正在以一种不可逆的方式退出人们的视野。近些年兴起的人工智能生成内容（AIGC）的概念和应用也在加快机器替代人的速度。2022 年中国信息通信研究院发布的一份《人工智能生成内容白皮书》引用了对AIGC的定义，即“继专业生成内容（PGC）和用户生成内容（UGC）之后，利用人工智能技术自动生成内容的新型生产方式”。得益于底层架构深度学习算法的发展，这种新型数字内容生产方式正在与不同场景深度融合，能够生成图像、绘画、诗歌等内容。正如凯文·凯利曾提出机器正在生物化，而生物正在工程化的趋势一致，生命体和机器的联姻与融合正在创造一种新的生物文明。OpenAI公司的ChatGPT引发了世界范围内的广泛关注，上线万。ChatGPT 能够根据书面提示自动生成文本，除了拥有聊天机器人的特性外，它更像一个问答机器人，不仅能够相对流畅地回答知识性问题，还能够写出连贯的文章、编写简单的代码，但ChatGPT等生成式人工智能技术的诞生使一些翻译、文字创作者甚至程序员都面临职业危机。随着智能技术革新速度的加快，技术发展的潜在负面效应可能会导致技术边缘者被机器所取代。

　　那么，具有颠覆性的人工智能技术和机器的大规模应用究竟是会造成大面积失业还是创造更多的就业岗位？智能技术与媒体深度融合的发展又会如何改变新闻业态？

　　当前以大数据、云计算、物联网、人工智能等技术组成的创新集群正在快速发展，产业结构也面临剧烈转型升级。人工智能技术的深化发展会引发新一轮的职业结构调整和劳工过程的变化，这些新技术对工作结构的影响表现为改变旧生产方式中的传统技能要求，尤其是逐步弱化工人对传统技能的掌握程度。

　　，劳动力市场短缺的现状会进一步推动工业机器人和自动化技术在生产、生活中的应用，以此来缓解由于劳动力短缺而引发的生产问题和经济危机，这促使各大经济体开始接纳智能化生产。

　　新闻机构采用机器自动化写作来生产新闻内容，利用人机交互的智能采编系统实现信息采集、编辑、审核和分发等全流程工作，美国媒体网站CNET表示已经用人工智能写了很多新闻报道；国内外电视台开始创造虚拟主播来代替传统播音主持人；虚拟与现实边界模糊的元宇宙也成为智能技术发挥作用的重要场景。

　　人工智能不仅能够撰写文章和新闻报道，还能编辑和核查事实，在工作效率和准确性方面远超人类记者。例如，BBC 新闻实验室推出的一款机器人“Juicer”每天能够抓取850个全球新闻机构的RSS信息推送进行内容聚合处理并分配语义标签，有效帮助记者快捷地调用和访问相关主题的新闻；《华尔街日报》曾与原Narrative技术公司合作，通过自然语言生成（NLG）等算法平台生成财经新闻，构建新闻故事；《》的 AI 编辑“Editor”提供快速可靠的事实核查功能简化记者编辑的工作流程。人工智能的确将人类记者从海量的信息搜索和事实核查工作中解放出来，但也可能改变新闻机构的新闻生产方式。

　　埃里克·布林约尔松和安德鲁·迈克菲在《第二次机器时代》中描绘了自动化对就业产生的影响，以及非技能型工人的失业对经济造成的负面影响。许多学者将这种由于技术进步所造成的失业现象定义为

　　。技术进步在产业价值链中引发的实际效应在于劳动力就业呈现“倒 U”形曲线，即面向研发和营销的就业岗位数量增加，而处于产业链中部生产端的岗位数量减少，换句话说，就是

　　技术进步过程中存在技能偏好的倾向，熟练技能工人岗位数量的增加会进一步促使技术向技能偏好型路径发展，推动建立“技术—技能—技术”正向相关的循环发展关系，彼此间通过互补不断得到加强。除了技术性失业的负面影响外，皮尤研究中心的调查指出

　　，从而引发社会动荡。早在2013年，卡尔·贝内迪克特·弗雷和迈克尔·奥斯本针对702个细分职业，用高斯过程分类器算法（Gaussian process classifier）来分析职业淘汰风险、薪资、受教育程度、职业与自动化技术的关系等指标预测了未来机器人和人工智能领域的变革将会消除数以千万的工作岗位，大约47%的美国雇员的工作将存在被取代的风险。

　　与上述较为悲观的职业替代论相反，另一些研究则认为要长远地看待技术影响。虽然短期内会有替代效应的出现，部分领域的从业者将面临技术性失业，但

　　技术创新会为其他就业领域提供补偿机制，因此这种冲击不会造成永久性影响，新的市场需求也会创造新的就业机会

　　。未来制造业可能会基于机器人的工作需求创造出类似于机器人协调员的新增岗位，来满足工业场景下的人机协作。因此，技术与劳动之间的关系既存在替代效应，也存在补充效应，陈秋霖指出智能技术与劳动力之间的关系更像是“补位式替代”而不是“挤出式替代”。

　　自动化技术和劳动之间存在强大的互补性，这些互补性可以提高生产率、提高收入，并增加劳动力需求。

　　从数据来看，自动化在过去几十年里并未消除大多数工作岗位，生产率的增长和失业率之间实际呈现负相关关系。麻省理工学院的戴维·奥托团队 2020 年发布的《未来职业报告》通过总结历时性数据的趋势来驳斥技术创新会导致失业的观点，他认为过去一个世纪是人类技术创新最多的 100 年，但数据显示从事有偿工作的美国成年人比例仍急剧上升，有偿就业率在不断提高，新的就业机会不断涌现。

　　许多学者在研究中发现存在替代性风险的职业类型，龚遥等人采用美国职业数据库来预测人工智能应用对职业替代的风险，与弗雷和奥斯本相关的预测方法不同的是，龚遥采用随机森林分类器算法来计算概率，发现

　　受人工智能技术影响，潜在被替代的岗位从程序性体力劳动（routine motor task）向程序性认知劳动（routine cognitive task）扩展，从事程序化类型的工种受技术冲击影响较大，从事重复性劳动的白领职业也将面临被替代的风险。但非程序性认知劳动的工作，如研究、社交、教育、管理岗位被替代的风险较低。具体来说，对收入、技能和受教育程度各方面都处于劣势的劳动力而言，替代效应更强一些，相比之下，高收入、高技能和高学历的劳动力则更有可能受到创造效应的影响而产生职业流动。2020 年我国人力资源和社会保障部发布的《新职业——人工智能工程技术人员就业景气现状分析报告》指出，当前人工智能产业中核心技术岗位人才缺口大，培养人工智能技能型人才刻不容缓。

　　，对个体的劳动技能提出了更明确的要求，尤其是智能机器技术所不擅长的工种开始成为劳动力市场的稀缺资源。

　　智能机器的使用已经从生产车间、劳动工厂走进寻常百姓家，嵌入式智能的设备逐步应用于日常生活。随着人工智能技术普及化程度的提高，智能社会下职业结构的调整也面临诸多挑战。ChatGPT的诞生表明自动化和人工智能已经开始具备能力执行简单思考和判断的任务，向实现通用人工智能迈进。

　　研究者通过设计基于智能技术发展与职业结构变化的调查问卷来厘清当前国内对智能社会的职业认知情况。

　　该调查面向全国范围，以随机等比例配额抽样的方式于2020年8月在线份样本，其中男性样本为1557份，女性样本为1442份。样本的平均年龄为31.6岁。

　　问卷探测了约15类容易被人工智能取代的职业类型，图1为2999位被调查者关于职业存在替代性危机的认知分布情况。根据被访者对职业风险的预判，近12.3%的被访者认为“新闻传播行业从业者”存在被机器替代的风险，表明新闻媒体行业处在一个风险与机遇并存的时期，智能技术与传媒业的结合成为大势所趋。

　　以脑力劳动者为主，具有一定的知识技术门槛和人际沟通能力，需要通过社交活动来调用和支配共情、同理心等感性情绪和直觉能力，这是一种迥异于机器的生物智能所产生的情绪，也是机器、算法暂时无法替代的。奥托区分了两类任务，一类是

　　，需要手眼并用来完成工作，这类任务对于机器学习有着较高的门槛。因此，当智能技术发展较为成熟，且职业所需的知识技术门槛较低的条件共同存在时，诸如体力类、服务类等程序性认知任务的职业容易被程序化编程和机器所替代，从而产生职业危机。

　　（p=.041）对于职业风险意识和认知情况有显著性影响（见表1），这部分人口变量属性揭示有关人群对于人工智能可能造成的替代性失业有更强烈的职业风险意识。

　　研究还调查了“存在智能技术替代风险的工作特点”，发现有72.8%的被访者认为“重复性劳动”性质的工作最容易被智能算法所取代。重复性劳动并非在创造新的价值，只是对于劳作熟练度的训练，具有技术含量低的特点，是机器比较容易掌握的技能。机器的运算速度决定它单位时间内能处理的工作内容和数据量远远高于人类，使用机器代替人是效率最大化的体现。涂尔干从社会分工论的视角谈到如果经常性从事重复性工作，人就容易变成毫无生机的零部件，他所有的生活是在外界力量的趋势下进行的。

　　其次“繁重的劳动”（50.4%）、“缺乏创造力” （50.2%）和“流程性强，易于量产”（49.1%）等特点的工作也容易被取代。由此可见，

　　是人类区别于机器的自主性的体现。一切革新动力来源是无限的创造力和丰富的想象力，因而需要大量创造力的工作是难以被机器和算法取代的。

　　研究者进一步剖析与职业特点认知有关的个人特征，卡方检验的结果发现，不同性别存在对工作特点的偏好差异。在繁重的劳动、工作环境稳定、流程性强和高薪等特点中，男女性别的选择偏好差异不显著（p0.05）。但是，

　　女性比男性更加倾向于认为重复性工作 （p=0.05）、缺乏创造力（p=0.004）的工作将会被人工智能所取代

　　男性比女性则更倾向于认为高危（p=0.05）、高精准度（p=0.003）的工作容易被人工智能取代。

　　性别对于智能技术可能替代的工作特点的选择是存在明显差异的，这也印证了不同性别对不同工作场景下他们所从事的工作特点存在偏好和认可度差异。

　　齐格蒙特·鲍曼的流动的现代性理论认为在当前社会的现代性框架内，空间的优势不复存在，工业革命时期以“福特主义工厂”为典型代表的工作更多地展现出静止、固态的特征。而

　　也随之增加。从现在到未来的很长一段时间内，整个社会都将转向人机协作模式。新闻传播院校在教育过程中也需要直面职业结构调整过程中可能给传媒业带来的风险与冲击，制定针对性的人才培养举措，将风险有机地转化为机遇。

　　人工智能技术的成熟，正在使“技术性失业” 在社会就业情况中凸显出来，这一变化会加剧工作的流动性。数字技术驱动的智能媒体生产模式将打破传媒行业职业的平衡与稳定，传媒业面临数字化转型过程中伴随着职业属性和工作模式的调整与革新。这种结构的不稳定性可能会催生出新闻传播行业内的创新意识和创新技能，以谋求达到一种新的职业平衡。

　　伴随着人工智能和相关技术能力的显著提高，人与机器的平衡开始被打破，社会将会面对从“计算机能做什么”到“我们还需要人类做什么”的问题转变，促使人们开始思考人的价值和贡献所在，新闻传播行业的转型离不开从业者对技术的前瞻以及对创新的实践。

　　新闻业态的数字化与智能化改变了传统从业者的日常工作模式，新闻传播实践主体也发生了变化。未来的新闻生产将是人类记者与机器人记者协同合作的图景，从以人为核心转向人机共生、分工协作的多元主体新闻生产实践。

　　记者应将人工智能视作支持他们工作的工具，而不是职业替代的威胁，从而摆脱重复性劳动，激发更多的个人创造力。

　　因为人工智能可用于快速处理大量的信息和数据，并识别数据间的关联性，但数据结果和报道的准确性需要记者进行把关。借助机器工具，有助于记者深入挖掘信息，专注新闻故事中最重要而有趣的方面，讲述具有人格化色彩的故事，与读者建立情感联系，以及提供关于我们周围世界的独特视角和想象。、彭博社和《金融时报》的高级编辑部总监接受访谈时提到，人工智能技术提高了媒体的运营效率，对媒体机构来说，将AI纳入商业模式的最终目的是为了与脸书和推特等互联网广告巨头争夺受众注意力，同时将AI纳入新闻内容编辑流程之中有助于把记者从重复性劳动中解放出来，去挖掘更有价值的深度新闻报道。现阶段智能媒介技术的发展意味着新闻媒体从业者要想保持长期的可雇佣性，未来职业生涯需要不断接受新技术的挑战，拓展技术视野，加强技能培训以实现劳动的可持续性。

　　创造效应下涌现的工作机会需要的是具有混合技能的知识工作者，就业市场对劳动力的需求限定会更加明确。虽然当前人工智能水平尚未进入强人工智能阶段，应用到节目主持中存在较强的技术壁垒。但技术破壁势在必行。在新闻报道领域将会需要掌握大数据分析和编程技能的记者，这就扩大了社会对社会计算、编程技术等相关人员的需求。

　　编程基础、数据素养也成为新闻传播从业者的基本素养和能力。从这一趋势来看，表面上以取代人力为结果的人工智能技术，将会产生更多新的工作岗位，但这些工作岗位需要的是能够灵活结合人机优势的人才。

　　新闻传播行业对混合技能人才的需求呼吁新闻传播教育进行新时代的探索和改革。高晓虹和涂凌波提出当代中国新闻传播学研究的追求是“以‘中国发展’为研究坐标，以‘中国实践’为研究起点，以‘中国经验’为论证中心，以‘中国概念’为分析工具，以‘中国范式’为理论追求”。中国式现代化需要通过教育现代化实现人的现代化，以教育强国建设支撑中国式现代化。高校是新闻传播人才培养的沃土和重要阵地，因而高校需要做到因势而谋、应势而动，顺势而为地进一步提升新闻传播教育，培养适应智能社会的新闻传播人才。

　　打破学科专业壁垒，利用数字技术和智能技术赋能传统人文社科教育是新文科建设的必由之路。传播学自诞生以来就具有“十字路口”的交叉性质，现阶段新闻传播教育需要不断整合跨学科的知识，继续充分发挥新“十字路口”的优势，集众学科之所长。当前，大数据分析、虚拟现实技术、计算机编程、应用生成式AI已逐渐成为新闻传播教育的重要组成部分，

　　下一阶段的新闻传播范式将进一步放大学科交叉的特点，不仅要与社会科学门类交叉，还要与新工科和新理科交叉

　　，目的是提高传媒人才培养与传媒智能化转型对人才需求的契合度。新闻传播方向的本、硕专业课程的日常教学中会顺应时代趋势融入计算思维，更好地弥合数字技术与计算机技术在不同学科之间的差距。

　　智能时代美国新闻传播人才培养形成了人文主义范式、社会效率范式和社会改良范式的三大基本范式。我国新闻传播教育主要将人文主义范式和社会效率范式相结合。人文主义范式强调的是通识教育、博雅教育，注重培养新闻从业者的人文精神和人文素养。人文精神是“人之所以为人”的核心要义所在，它强调关注人类自身价值，鼓励人类追求理想人格，

　　在智能时代人文精神依旧是新闻传播人才培养的内核，立足于人的自身价值，才能够突破机器的局限性。

　　社会效率范式则是以实践为中心，强调以就业为导向来培养学生的职业技能，鼓励学习和掌握新技术，以更好地适应社会需求。从当前的新闻传播实践来看，新闻传播教育具有很强的社会应用性，智能媒体时代下新闻从业者的分工和身份边界也逐渐模糊化，记者不仅需要采访写作、摄影摄像，有时需要充当出镜主持人，甚至需要与虚拟主播进行实时互动，这就意味着新闻工作者未来要成为全媒体人才，在训练基本技能的同时还要能与新技术进行对话。因此，新闻专业教育者要

　　不断追踪智能媒体的未来发展趋势，观照学生作为个体的独特价值，同时从实践角度反观教学和改进教学，

　　无论是人文教育还是实践技能教育都是新闻传播教育中必不可少的组成部分，这本质上是两种不同思维模式之间的碰撞。

　　在教学、专业考察、实习实践过程中丰富教学主体，积极调动学生在应用新技术学习中的热情，在课程里穿插结合人工智技术应用的训练，鼓励团队协作和人机协作并行，充分激发学生的想象力和创造力，使在校期间的学习与未来从事传媒行业的实践相接轨。人工智能无法较好完成的任务主要涉及到需要利用创造性的智慧加以完成的工作，因而，未来社会对劳动力的需求还将取决于包括

　　等在内的一些机器无法通过具备生物意识而实现的技能。我们需要不断完善新闻传播教育生态系统，预判和前瞻技术对行业的影响。

　　* 本文系北京市教学改革项目“新文科背景下新闻传播教育改革与创新”的阶段性成果；中央高校基本科研经费“民族地区老年人智能媒介使用行为研究”(2022QNPY26)的阶段性研究成果