人工智能预计将取代 9200万个工作岗位，但它也将创造1.7亿个新岗位。
未来的劳动力必须为以人工智能为原生、自主且符合伦理的未来经济做好准备。
教育中的跨学科系统思维对于培养具备必要技能的毕业生队伍至关重要。
在硅谷及其他地方，人们日益关注人工智能（AI）可能如何取代工作岗位，并进一步加剧社会不平等。
人工智能将取代 9200万个工作岗位，据世界经济论坛《2025年未来就业报告》显示。尽管此类担忧确实存在，但机遇同样真实。该报告还指出，人工智能将创造1.7亿个新工作岗位。
我们正处于一个关键节点：人工智能既可能放大，也可能侵蚀人类最具决定性的特质——我们的认知能力。创造力、情境推理和伦理判断是任何算法都无法完全复制的能力。在社会科学家、伦理学家和教育工作者的引导下发展人工智能，将保存并放大这些优势，而非削弱它们。
在跨学科教育环境中，通过拥抱物理人工智能和净正向人工智能框架，未来的劳动力能够为以人工智能为原生、自主且符合伦理的未来经济做好准备。
跨越数十年的劳动力转型
每个时代都有某种特定技能保障就业能力。计算机和文字处理机等颠覆性技术进步使数百万个工作岗位失去价值，但它们同时也创造了新的机遇。每一次重大新技术出现时，这一模式都会重复。
例如，在20世纪70年代以电信为核心的劳动力结构中，人工话务员和模拟工程师占主导地位，软件开发人员稀缺，而媒体制作依赖大型制作团队和实体分发网络。
自20世纪80年代和90年代数字时代兴起以来，数字交换技术减少了人工话务员，个人电脑则催生了IT支持和软件编程等新工作岗位。移动通信带来了更多新工作岗位，随后在20世纪90年代和21世纪00年代出现了大众媒体的兴起，大众市场蜂窝设备和个人电脑在家庭和企业中大量普及。
2000年至2010年间，互联网和早期移动宽带引发了软件开发和IT服务的爆发式增长。传统服务类岗位减少的同时，电子商务和数字广告迅速兴起。2010年代，云计算、智能手机和4G/5G催生了对DevOps、云架构师和移动开发人员的需求。第一波机器学习（ML）工程师和数据科学家也日益受到企业青睐。
在2020年代，人工智能副驾驶、低代码平台和数据驱动分析已开始实现重复性编码的自动化。数据科学家和人工智能工程类岗位持续增长，编码工作正转向更高层次的集成与编排。到2030年，我们可望进入以人工智能为原生和自主化的时代。当前的基础劳动力主要由通用软件开发人员、数据分析师和IT支持专业人员构成，随着常规编码和传统IT任务被完全自动化，他们很可能面临根本性的颠覆。
人工智能系统已朝着自主生成、测试和部署解决方案的方向发展，减少了重复性的人工任务。但这种颠覆也将开启新的机遇。兼具特定领域专业知识与人工智能素养的岗位需求将显著增长，包括人工智能系统架构师、伦理与治理专家、人机协作设计师，以及从事机器人和自主移动领域工作的物理人工智能专家。
此外，围绕人工智能驱动的物理系统和人工智能增强决策而建立的新产业很可能出现，在尚未开发的领域创造新型工作岗位和经济增长。
人工智能未来的三种构想
数字通信革命融合了电子学、计算和网络理论。互联网时代则将计算机网络与移动通信、应用开发、软件工程、经济学和用户体验相融合。
如今，人工智能/机器学习的热潮正在利用半导体技术、物理科学、生命科学和统计学之间的协同效应。展望未来，三种构想的交汇很可能再次颠覆未来的劳动力：
1. 作为劳动力技能的物理人工智能
英伟达首席执行官黄仁勋认为，物理人工智能 ——即利用摄像头等传感器的实时数据来处理更复杂任务的工具——将成为未来至关重要的劳动力技能。人工智能正从感知和生成模型演进至智能体及物理人工智能，机器人、无人机和自动驾驶汽车必须借助物理精确的仿真、实时控制和材料科学来掌握动力学。
2. 净正向人工智能框架
斯坦福大学前校长约翰·轩尼诗教授认为，净正向框架是让人工智能惠及数十亿人的关键。这需要设计之初即融入伦理考量、为公共利益研究提供资金，并开展跨学科合作，以连接技术与社会层面。
3. 跨学科系统工程思维
一种贯穿始终的跨学科系统思维与系统工程思维将打破生命科学、物理科学、材料科学、工程学与计算之间的壁垒，从而催生更多创新。
美国国家科学院融合报告发布于2014年，就此问题提出的建议至今仍然有效。这些建议包括全面革新课程体系，设计以项目为基础的模块，融合物理学、材料学、计算与工程学。与此同时，融合中心应促进团队协作式的突破，而以挑战为导向的学习应让学生置身于现实世界的问题解决之中。
面向未来劳动力的多元技能路径
在未来十年，劳动力的成功将不再取决于某一项单一技能，例如20世纪80年代的打字或21世纪00年代的编程，而取决于跨学科整合能力以及与人工智能系统协作的能力。
无论是使人们能够理解并与人工智能副驾驶协作的人工智能素养，还是帮助人们解读数据并利用数据进行沟通的数据素养，领域专业知识都将在从医疗保健、金融到先进制造等各行业中，借助数字能力得到增强。认知韧性与伦理意识也将通过批判性思维能力和与人工智能协作时的道德推理，赋予人们创造性优势。
教育中的跨学科系统思维对于培养掌握这些关键技能的毕业生队伍至关重要。有助于实现这一构想的教育策略包括：设立融合实验室，共同教授基础物理科学、人工智能和工程学；以及设立以使命为导向的研究中心，以维持创新。跨学科顶点项目还应汇聚来自不同背景的学生，以具备伦理意识的方式解决复杂的现实问题。
随着新技术不断涌现，未来将属于那些能够构建并推动人工智能系统发展的人——这些系统不仅表现出智能行为，还尊重并增强人类的认知能力。
哈拉尔德·哈斯教授（剑桥大学TITAN Hub）同样为本文作出了贡献。
