王奕俊 楊悠然

【摘 要】

人工智能技術(shù)被普遍認(rèn)為是一種通用目的技術(shù)，將對(duì)勞動(dòng)力技能和勞動(dòng)力市場(chǎng)產(chǎn)生廣泛而深遠(yuǎn)的影響，由此引起技能市場(chǎng)中關(guān)于技術(shù)性失業(yè)的憂慮和爭(zhēng)議。人工智能時(shí)代專業(yè)人才培養(yǎng)應(yīng)何去何從？為回答這一問(wèn)題，從厘清弱人工智能和強(qiáng)人工智能的概念出發(fā)，在吸納經(jīng)典勞動(dòng)經(jīng)濟(jì)學(xué)理論的基礎(chǔ)上，以Autor、Levy與Murnane創(chuàng)建的ALM模型為框架，以會(huì)計(jì)職業(yè)為例，利用美國(guó)職業(yè)信息教育網(wǎng)絡(luò)（O*net online）數(shù)據(jù)與中國(guó)相關(guān)數(shù)據(jù)，分析會(huì)計(jì)職業(yè)總體技能需求的變化，結(jié)果顯示在原本由程式化認(rèn)知技能主導(dǎo)的會(huì)計(jì)職業(yè)中，非程式化認(rèn)知技能與交互技能的需求在逐漸擴(kuò)大并加速增長(zhǎng)。進(jìn)一步利用Python技術(shù)，對(duì)中國(guó)各大招聘網(wǎng)站的會(huì)計(jì)崗位招聘文本進(jìn)行挖掘和詞頻分析，驗(yàn)證了以上結(jié)果并將具體技能要素分析細(xì)化。針對(duì)人工智能背景下專業(yè)人才培養(yǎng)面臨的挑戰(zhàn)，提出了多層次、復(fù)合型、前端化和終身化等對(duì)策。

【關(guān)鍵詞】? 人工智能;弱人工智能;強(qiáng)人工智能;專業(yè)人才培養(yǎng);ALM模型;會(huì)計(jì);程式化技能;非程式化技能;

招聘文本;數(shù)據(jù)挖掘;詞頻分析

【中圖分類號(hào)】? ?G642.0? ? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】? A? ? ? ?【文章編號(hào)】? 1009-458x（2020）1-0035-11

一、研究背景

如同第一次工業(yè)革命中的蒸汽機(jī)、第二次工業(yè)革命中的發(fā)電機(jī)以及信息時(shí)代的計(jì)算機(jī)和互聯(lián)網(wǎng)，人工智能（artificial intelligence，AI）被普遍認(rèn)為是下一個(gè)時(shí)代的通用目的技術(shù)（general purpose technology，GPT）①。AI將會(huì)被廣泛地應(yīng)用到各個(gè)領(lǐng)域，持續(xù)促進(jìn)生產(chǎn)率的提高，降低使用者的成本，以本身為基點(diǎn)促進(jìn)互補(bǔ)技術(shù)創(chuàng)新和產(chǎn)品應(yīng)用，進(jìn)而引導(dǎo)生產(chǎn)、流通和組織管理方式的轉(zhuǎn)變（Bresnahan & Manuel， 1995）。目前，人工智能作為GTP進(jìn)入發(fā)展快車道已成為必然趨勢(shì)，并將直接或間接地影響到勞動(dòng)力市場(chǎng)的運(yùn)行機(jī)制，由此引起了各界的大規(guī)模討論：很多學(xué)者以技術(shù)進(jìn)步的歷史經(jīng)驗(yàn)為根據(jù)，將人工智能視為促進(jìn)勞動(dòng)力升級(jí)迭代的重要?jiǎng)恿Γ∕okyr， 2017，pp. 43-77）。但也有悲觀技術(shù)主義者認(rèn)為人工智能在釋放巨大生產(chǎn)力的同時(shí)會(huì)取代大多數(shù)人類職業(yè)（Summers， 2016; Gorden， 2016）。這種對(duì)技術(shù)性失業(yè)（technological unemployment）的擔(dān)憂在人工智能顯現(xiàn)出越來(lái)越強(qiáng)大能力的背景下被進(jìn)一步放大。英國(guó)牛津大學(xué)馬丁學(xué)院（Oxford Martin School）2013年的智能機(jī)器人報(bào)告顯示，在未來(lái)10年～20年內(nèi)，英國(guó)35%的工作崗位將受到智能機(jī)器人的威脅，這一比例在美國(guó)為47%，而中國(guó)的工作崗位被替代率則高達(dá)77%。這些崗位集中在流水線工人、銀行柜員、零售員工、會(huì)計(jì)、翻譯等具體規(guī)范化的常規(guī)性操作工作，尤其是會(huì)計(jì)職業(yè)被評(píng)估為99%可能被替代的職業(yè)之一②。

技術(shù)的巨變也透過(guò)勞動(dòng)力市場(chǎng)對(duì)人才培養(yǎng)產(chǎn)生深刻的影響，徹底改變?nèi)瞬排囵B(yǎng)的定位、內(nèi)涵與模式，尤其是專業(yè)人才，與工作實(shí)踐和技術(shù)應(yīng)用密切關(guān)聯(lián)是專業(yè)人才的重要特性，這也使得其成為人工智能挑戰(zhàn)的重要對(duì)象。專業(yè)人才強(qiáng)調(diào)對(duì)特定專業(yè)技術(shù)的掌握，涵蓋了從第一產(chǎn)業(yè)到第三產(chǎn)業(yè)中以自身專業(yè)技能謀生的勞動(dòng)者，并對(duì)應(yīng)著各個(gè)專業(yè)領(lǐng)域與多個(gè)教育層級(jí)。因此，教育領(lǐng)域需要積極參與到人工智能討論框架中，分析人工智能及其相關(guān)新技術(shù)對(duì)我國(guó)勞動(dòng)力市場(chǎng)技能轉(zhuǎn)變發(fā)展的影響，深入挖掘人工智能對(duì)專業(yè)人才培養(yǎng)的影響機(jī)制，為專業(yè)人才培養(yǎng)提供可供參考的建議與啟示。

二、文獻(xiàn)綜述

（一）關(guān)于勞動(dòng)與技術(shù)關(guān)系的歷史論爭(zhēng)

現(xiàn)階段人工智能與勞動(dòng)力之間的相互作用力仍隱蔽在混沌競(jìng)爭(zhēng)的巨幕之下，但技術(shù)進(jìn)步在歷史上與勞動(dòng)力就業(yè)的關(guān)系問(wèn)題從來(lái)不是一個(gè)新話題。早在古典經(jīng)濟(jì)學(xué)理論中就有關(guān)于“機(jī)器問(wèn)題”的討論：亞當(dāng)·斯密認(rèn)為技術(shù)進(jìn)步能夠帶來(lái)勞動(dòng)力結(jié)構(gòu)變革，將機(jī)器發(fā)明與勞動(dòng)分工結(jié)合起來(lái)可以實(shí)現(xiàn)對(duì)勞動(dòng)力的節(jié)省。在機(jī)器大規(guī)模取代工人的19世紀(jì)，“盧德運(yùn)動(dòng)”引起了人們的反思，因此，大衛(wèi)·李嘉圖認(rèn)為技術(shù)進(jìn)步所帶來(lái)的機(jī)器排擠工人導(dǎo)致了技術(shù)性失業(yè)。勞動(dòng)力素質(zhì)的提高以及產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整具有滯后性，無(wú)法在短期內(nèi)完全適配，后繼還會(huì)引發(fā)結(jié)構(gòu)性失業(yè)，但經(jīng)濟(jì)的后續(xù)發(fā)展可以補(bǔ)償就業(yè)負(fù)效應(yīng)。這一結(jié)論也帶來(lái)了后期新古典主義經(jīng)濟(jì)學(xué)家對(duì)就業(yè)補(bǔ)償機(jī)制充分發(fā)揮作用的條件進(jìn)行不斷的探索，即“就業(yè)補(bǔ)償和創(chuàng)造”機(jī)制（Barro， 1991; Pissarides， 2000）。與此相對(duì)應(yīng)的是熊彼特主義的“創(chuàng)造性毀滅”機(jī)制（Aghion， Harris， & Howitt， 2001）?？梢?jiàn)，技術(shù)進(jìn)步對(duì)勞動(dòng)力就業(yè)的效應(yīng)具有雙重性。20世紀(jì)70年代，計(jì)算機(jī)時(shí)代到來(lái)，美國(guó)技能勞動(dòng)力供給增加和技能溢價(jià)同時(shí)上漲的現(xiàn)象出現(xiàn)，以Berman（1998）、Acemoglu（2003）和Hornstein（2005）等為代表的學(xué)者提出了技能偏向型技術(shù)進(jìn)步（skill-biased technological change， SBTC）會(huì)影響勞動(dòng)力就業(yè)和工資差距的理論：技能偏向型技術(shù)進(jìn)步增加了對(duì)高技能勞動(dòng)力的需求，減少了對(duì)低技能勞動(dòng)力的需求，進(jìn)而加劇了工資不平等。同時(shí)，有學(xué)者意識(shí)到了其中的教育問(wèn)題，發(fā)現(xiàn)1960—1996年美國(guó)制造業(yè)就業(yè)人口中受過(guò)教育的人數(shù)幾乎增加了40%（Chun， 2003）。教育的價(jià)值在技術(shù)進(jìn)步與勞動(dòng)力就業(yè)及工資差異的關(guān)系中被重新發(fā)現(xiàn)。

隨著工作內(nèi)容數(shù)字化的推進(jìn)，一些年輕學(xué)者開(kāi)始運(yùn)用現(xiàn)實(shí)數(shù)據(jù)和計(jì)量方法，以實(shí)證眼光看待計(jì)算機(jī)乃至人工智能對(duì)勞動(dòng)力市場(chǎng)的沖擊。Autor、Levy和Murnane（2003）提出了ALM模型①來(lái)分析自動(dòng)化對(duì)就業(yè)的影響：以計(jì)算機(jī)的工作方式為基準(zhǔn)，生產(chǎn)需要兩種任務(wù)——程式化任務(wù)（routine task）和非程式化任務(wù)（nonroutine task）配合。其中，程式化任務(wù)多由低技能勞動(dòng)完成，而非程式化任務(wù)則更多需要高技能勞動(dòng)。經(jīng)過(guò)與美國(guó)職業(yè)數(shù)據(jù)大典（Dictionary of Occupational Titles，DOT）技能匹配，作者認(rèn)為自動(dòng)化目前只能用來(lái)完成程式化任務(wù)，而不能用來(lái)完成非程式化任務(wù)，因此它對(duì)低技能勞動(dòng)形成了替代，而對(duì)高技能勞動(dòng)則形成了互補(bǔ)。此后Goos和Manning（2007）利用英國(guó)數(shù)據(jù)對(duì)ALM模型的結(jié)論進(jìn)行了檢驗(yàn)，結(jié)果發(fā)現(xiàn)技術(shù)進(jìn)步在英國(guó)也導(dǎo)致了“極化效應(yīng)”的出現(xiàn)。之后，F(xiàn)rey和Osborne（2013）以機(jī)器學(xué)習(xí)專業(yè)視角將70個(gè)職業(yè)手動(dòng)歸類，對(duì)ALM模型進(jìn)行了進(jìn)一步的拓展。新的模型發(fā)現(xiàn)非程式化任務(wù)需要高技能勞動(dòng)和低技能勞動(dòng)的共同投入。Benzell等（2015）則在一個(gè)跨期迭代（OLG）模型中更明確地討論了機(jī)器人對(duì)勞動(dòng)力進(jìn)行替代的問(wèn)題，并指出在一定條件下，機(jī)器人可以完全替代低技能工作，同時(shí)替代一部分高技能工作。這會(huì)導(dǎo)致對(duì)勞動(dòng)力需求的減少和工資的下降。Acemoglu和Restrepo（2016）利用1990—2007年間美國(guó)勞動(dòng)力市場(chǎng)的數(shù)據(jù)構(gòu)造了一個(gè)就業(yè)創(chuàng)造的模型。在模型中，自動(dòng)化消滅某些就業(yè)崗位的同時(shí)也會(huì)創(chuàng)造出更具有比較優(yōu)勢(shì)的新就業(yè)崗位，因此其對(duì)就業(yè)的凈效應(yīng)要看兩種效應(yīng)的相對(duì)程度。

（二）人工智能背景下專業(yè)人才培養(yǎng)的探索

國(guó)內(nèi)教育領(lǐng)域圍繞人工智能背景展開(kāi)的討論方興未艾，眾多學(xué)者在“人工智能”對(duì)傳統(tǒng)教育影響的話題中進(jìn)行了有益探索：智能時(shí)代職業(yè)替代的維度與產(chǎn)業(yè)（王嵐， 2017）、人工智能在社會(huì)發(fā)展中扮演的角色（姜志堅(jiān)， 2017; 王文靜， 2018）等問(wèn)題一直是討論熱點(diǎn)。也有學(xué)者提出傳統(tǒng)職業(yè)人才培養(yǎng)模式無(wú)法適配智能化生產(chǎn)系統(tǒng)所帶來(lái)的工作過(guò)程去分工化、人才結(jié)構(gòu)去分層化、技能操作高端化、工作方法研究化、服務(wù)與生產(chǎn)一體化五大方面的改變（徐國(guó)慶， 2016）。有關(guān)學(xué)校教育培養(yǎng)理念與培養(yǎng)架構(gòu)在應(yīng)對(duì)人工智能挑戰(zhàn)過(guò)程中的困厄與機(jī)遇正在成為重要的研究方向。

特別是在我國(guó)的《中國(guó)制造2025》發(fā)布后，與人工智能觀念相近或聯(lián)系密切的“機(jī)器換人”“智能化”“工業(yè)4.0”（或“第四次工業(yè)革命”）等主題都成為教育研究的熱點(diǎn)話題。多領(lǐng)域開(kāi)展交叉研究和深入研究之后，以劉曉（2015）為代表的“機(jī)器換人”討論更多地讓位于另外兩個(gè)宏觀且中性的主題并展現(xiàn)出逐年增長(zhǎng)的研究產(chǎn)出量。同時(shí)，在更加微觀的專業(yè)教育層面，許多學(xué)者從行業(yè)的智能化發(fā)展出發(fā)，將該領(lǐng)域人才培養(yǎng)與體系建設(shè)提升到了更加重要的戰(zhàn)略高度，例如會(huì)計(jì)行業(yè)電算化推進(jìn)（張林， 等， 2015; 陳瑤， 2019）和智慧財(cái)會(huì)背景下的人才能力提高（張媛， 等， 2018）。

綜上所述，現(xiàn)有研究已經(jīng)積累了大量關(guān)于技術(shù)進(jìn)步與勞動(dòng)力就業(yè)之間關(guān)系的研究成果，并在人工智能將對(duì)教育產(chǎn)生重大影響的觀點(diǎn)上達(dá)成共識(shí)，但現(xiàn)有研究存在以質(zhì)性研究為主、不夠深入等問(wèn)題：首先，在研究主題上，對(duì)于人工智能概念界定不清，導(dǎo)致內(nèi)容多為陳述性與總結(jié)性內(nèi)容;在研究方法上，多采用思辨的方法，缺少有效的能直觀呈現(xiàn)數(shù)據(jù)的實(shí)證分析;在研究途徑上，沒(méi)有聚焦于某一具體行業(yè)，因而只能進(jìn)行一般性的分析和討論。

因此，本文從人工智能的概念與發(fā)展階段出發(fā)，基于ALM模型，借助美國(guó)職業(yè)信息網(wǎng)絡(luò)數(shù)據(jù)（O*net online）以及行業(yè)相關(guān)權(quán)威數(shù)據(jù)，聚焦于會(huì)計(jì)這一被眾多機(jī)構(gòu)評(píng)價(jià)為人工智能高危的職業(yè)，探討人工智能對(duì)勞動(dòng)力的影響程度、未來(lái)該職業(yè)的技能要求與發(fā)展方向等問(wèn)題，進(jìn)一步提出人工智能背景下專業(yè)人才培養(yǎng)的發(fā)展路徑與方向。

三、人工智能概念的澄清與梳理

（一）人工智能概念的進(jìn)一步厘清

由于人工智能仍處于成長(zhǎng)階段，又集合了眾多復(fù)雜抽象的新興技術(shù)，許多教育工作者對(duì)其的理解有偏差，缺少技術(shù)維度的思考。因此，厘清人工智能的概念是教育領(lǐng)域深入討論人工智能所引發(fā)的變革的第一步。實(shí)際上，國(guó)內(nèi)外專業(yè)學(xué)者對(duì)于人工智能的概念也有不同的理解。在發(fā)展初期，人工智能在著名綜述性研究《機(jī)器思維》（Machine Who Think）中曾被描述為具備等同于人類的思維、行動(dòng)能力并在未來(lái)能夠超越人類相應(yīng)能力的“思考機(jī)器”（McCorduck， 1979， p. 245），這引導(dǎo)著部分人工智能走向?qū)?biāo)人類的方向。

但實(shí)際上目前多數(shù)人工智能權(quán)威報(bào)告中普遍認(rèn)可斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授尼爾斯·尼爾森（Nils Nilsson）在其著作《理解信念：人工智能的科學(xué)理解》（Artificial Intelligence： a New Synthesis， p. 7）中對(duì)人工智能的界定：“人工智能致力于使機(jī)器智能化，智能化是衡量實(shí)體在特定環(huán)境中反應(yīng)和判斷能力的定量指標(biāo)?！边@更強(qiáng)調(diào)和看重軟硬件系統(tǒng)的反應(yīng)與判斷能力。此后，對(duì)人工智能概念較為全面的描述來(lái)自麻省理工學(xué)院電氣工程領(lǐng)域的研究，即人工智能是一個(gè)有機(jī)整體，是通過(guò)模型建立的關(guān)于思維、感知和行動(dòng)的表達(dá)系統(tǒng)，以生成測(cè)試法為基本運(yùn)行方式，這一系統(tǒng)存在一定的約束條件并通過(guò)算法（程序或方法）實(shí)現(xiàn)約束條件的作用（Finlayson， 等， 2010）。

（二）人工智能發(fā)展的兩個(gè)階段

技術(shù)的發(fā)展具有階段性，不會(huì)一蹴而就，人工智能也不例外。哲學(xué)家約翰·塞爾（John Searle）在《心靈、大腦和程序》（Minds， Brains， and Programs）一文中提出了弱人工智能和強(qiáng)人工智能的劃分，加之他所提出的思想實(shí)驗(yàn)“中文房間”（Chinese room），成為人工智能領(lǐng)域最著名的論斷之一。

弱人工智能（artificial narrow intelligence，ANI）只專注于完成某個(gè)特定的任務(wù)，如語(yǔ)音識(shí)別、圖像識(shí)別和翻譯，是擅長(zhǎng)于單個(gè)方面的人工智能。它們只是為完成特定、具體的任務(wù)而存在，大都是利用統(tǒng)計(jì)數(shù)據(jù)進(jìn)行模型歸納，如AlphaGo就是弱人工智能的典型代表。它并不懂得圍棋知識(shí)，只是記下了海量的“布局VS布局”映射關(guān)系，所謂的類推理能力是以現(xiàn)有的巨大體量的數(shù)據(jù)為基礎(chǔ)的（危輝， 2018）。由于弱人工智能只能模仿人類智能的子片段，即處理較為單一的問(wèn)題，且發(fā)展程度并沒(méi)有達(dá)到模擬人腦思維的程度，所以弱人工智能仍然屬于“工具”的范疇，與傳統(tǒng)的“產(chǎn)品”在本質(zhì)上并無(wú)區(qū)別。因此，這一部分的人工智能將專注于覆蓋常規(guī)性操作的工作。

強(qiáng)人工智能（artificial general intelligence，AGI）是弱人工智能的下一發(fā)展階段，屬于人類級(jí)別的人工智能，在各方面都能和人類比肩，人類能干的腦力活它都能勝任。因此，其必須能夠理解自然語(yǔ)言，并在模仿人類行為時(shí)具有類似的心理活動(dòng)（Searle， 1980）。它能夠進(jìn)行思考、計(jì)劃、解決問(wèn)題、抽象思維、理解復(fù)雜理念、快速學(xué)習(xí)和從經(jīng)驗(yàn)中學(xué)習(xí)等操作，并且和人類一樣得心應(yīng)手，這將使它們勝任非常規(guī)性的人類工作。

國(guó)際人工智能聯(lián)合會(huì)前主席、牛津大學(xué)計(jì)算機(jī)系主任邁克爾·伍爾德里奇（Michael Wooldridge）教授在2016年CCF-GAIR大會(huì)報(bào)告中表示：強(qiáng)人工智能“幾乎沒(méi)有進(jìn)展”，甚至“幾乎沒(méi)有嚴(yán)肅的活動(dòng)”①。事實(shí)上，人工智能國(guó)際主流學(xué)界所持的目標(biāo)就是弱人工智能，圖像語(yǔ)音識(shí)別、機(jī)器翻譯、自動(dòng)推理都是聚焦于特定類型的智能行為。同時(shí)，強(qiáng)人工智能復(fù)原人腦的實(shí)現(xiàn)路徑仍無(wú)頭緒。國(guó)際人工智能終身成就獎(jiǎng)得主多倫多大學(xué)赫克托·萊韋斯克（Hector J. Levesque）教授在2017年的著作中表示，即便在最理想的情況下，神經(jīng)科學(xué)家也僅能獲得模擬人腦的“目標(biāo)代碼”而已，沒(méi)有理由認(rèn)為獲得了目標(biāo)代碼就能還原出源代碼，因?yàn)檫@樣的“反向工程”即便對(duì)軟件程序來(lái)說(shuō)也幾乎是不可能的，更何況神經(jīng)細(xì)胞內(nèi)部還存在著更為復(fù)雜的機(jī)制。

需要指出的是，強(qiáng)人工智能自提出以來(lái)就一直受到倫理學(xué)上的種種質(zhì)疑與限制。正如克隆人被主流生命科學(xué)界所禁止一樣，具有自主心智和獨(dú)立意識(shí)的強(qiáng)人工智能也是科學(xué)研究領(lǐng)域一個(gè)不能觸碰的“潘多拉魔盒”。雖然不斷有人提出機(jī)器人倫理準(zhǔn)則，如阿西莫夫三定律②，但都存在根本性的重大邏輯缺陷。哈佛大學(xué)認(rèn)知心理學(xué)家史蒂文·平克（Steven Pinker）就在論著《當(dāng)下的啟蒙》（Enlightenment Now， p. 1342）中表明了態(tài)度：“人工智能就跟其他任何技術(shù)無(wú)異。它的發(fā)展是漸進(jìn)的，目的是被用于滿足人類的各種需求。在投入執(zhí)行任務(wù)之前，它會(huì)經(jīng)受嚴(yán)格測(cè)試，并總是會(huì)在效能和安全之間取得平衡?！?/p>

本文對(duì)于人工智能的理解如下，這也是本文研究的前提，即人工智能是為實(shí)現(xiàn)特定任務(wù)目標(biāo)而創(chuàng)造的能夠表現(xiàn)出與人類能力（認(rèn)知、思維或行動(dòng)）相似水平的技術(shù)。這一技術(shù)需要借助相應(yīng)的載體（工具）及應(yīng)用環(huán)境發(fā)揮作用，但在現(xiàn)有技術(shù)條件與倫理約束下，人工智能的應(yīng)用載體僅限于計(jì)算機(jī)化和自動(dòng)化設(shè)備，并以工具屬性長(zhǎng)時(shí)間影響勞動(dòng)力就業(yè)市場(chǎng)。因而，本文分析人工智能對(duì)專業(yè)人才培養(yǎng)的影響是置于弱人工智能的前提假設(shè)之下進(jìn)行的。

四、基于ALM模型的技能分析框架

根據(jù)前文對(duì)于人工智能定義內(nèi)涵及其發(fā)展階段的分析，人工智能對(duì)勞動(dòng)力的影響軌跡在很長(zhǎng)一段時(shí)間內(nèi)會(huì)遵循與計(jì)算機(jī)類似的工具性替代路徑，即從某類工作任務(wù)開(kāi)始，以技術(shù)突破為基準(zhǔn)拓展至更廣泛的領(lǐng)域。因此，Autor等（2003）基于計(jì)算機(jī)的人工替代效應(yīng)而提出的ALM模型非常值得借鑒：計(jì)算機(jī)的工作效率優(yōu)勢(shì)集中于基于程序或者規(guī)則的任務(wù)，因?yàn)檫@些任務(wù)可以被完全編寫(xiě)于邏輯編程命令之中（“If-Then-Do”語(yǔ)句），以明確指定機(jī)器在特定順序下執(zhí)行操作來(lái)實(shí)現(xiàn)特定結(jié)果。與此相對(duì)應(yīng)的是，計(jì)算機(jī)對(duì)于周圍情境與復(fù)雜情感并沒(méi)有解決能力，這些工作仍然需要由人類來(lái)完成?；谶@一條件，Autor等（2003）將工作內(nèi)容依程式化程度進(jìn)行劃分，并在非程式化認(rèn)知型與操作型之外拓展了非程式化交互型。

機(jī)器人很早就替代掉了很大一部分的程式化操作型的工作，而目前缺少情境判斷能力與情感靈活性的弱人工智能很容易通過(guò)完全設(shè)置的編程命令完成程式化認(rèn)知型的工作內(nèi)容。但對(duì)于需要輸入大量情境信息，同時(shí)活動(dòng)規(guī)律并不能被完全識(shí)別的非程序性工作，弱人工智能完成起來(lái)仍存在很大困難。即便未來(lái)機(jī)器學(xué)習(xí)能夠解決一部分情境適應(yīng)問(wèn)題，但這些非程序化工作與人類互動(dòng)的不確定性以及滿足人類情感需求的核心任務(wù)仍然很難解決。

基于ALM模型對(duì)于工作內(nèi)容的劃分，本文將完成五類工作內(nèi)容所需要的技能劃分成程式化操作技能（RM）、非程式化操作技能（NM）、程式化認(rèn)知技能（RC）、非程式化認(rèn)知技能（NA）、非程式化交互技能（NI）五類（見(jiàn)表1），勝任職業(yè)i需要技能集合Xi。

Xi= [xRM程式化操作技能xNM非程式化操作技能xRC程式化認(rèn)知技能xNA非程式化認(rèn)知技能xNI非程式化交互技能] （1）

五、基于數(shù)據(jù)挖掘的專業(yè)人才技能需求分析

（一）數(shù)據(jù)來(lái)源

本部分所使用的數(shù)據(jù)主要來(lái)自于美國(guó)職業(yè)信息網(wǎng)絡(luò)（O*net online）①、會(huì)計(jì)考試資格評(píng)價(jià)網(wǎng)②和《中國(guó)會(huì)計(jì)統(tǒng)計(jì)年鑒》等。

美國(guó)職業(yè)信息網(wǎng)絡(luò)（O*net online）主要為本文提供職業(yè)技能需求測(cè)量的相關(guān)指標(biāo)分?jǐn)?shù)。美國(guó)職業(yè)信息網(wǎng)絡(luò)是由美國(guó)勞工部（Department of Labor， US）基于《職業(yè)名稱詞典》（Dictionary of Occupational Titles， DOT）與標(biāo)準(zhǔn)職業(yè)分類系統(tǒng)[Standard Occupational Classification（SOC）system]深度開(kāi)發(fā)且不斷更新的職業(yè)信息網(wǎng)絡(luò)系統(tǒng)。其核心在于它的內(nèi)容模型（content model），如圖1所示，涵蓋六大領(lǐng)域（如工作者特征），每個(gè)領(lǐng)域包含專門(mén)的類別（如能力）， 每個(gè)類別又分為幾個(gè)層次（如能力類別包括四個(gè)維度：認(rèn)知、心理、物理和感知）。這種多層指標(biāo)體系設(shè)計(jì)能讓職業(yè)描述在不同層次上體現(xiàn)出普遍性或者特殊性，以適應(yīng)不同的使用目的。

根據(jù)中國(guó)財(cái)政部發(fā)布的最新數(shù)據(jù)，2017年初級(jí)會(huì)計(jì)師證書(shū)持證人數(shù)為442.8萬(wàn)人，中級(jí)證書(shū)持證人數(shù)為179.62萬(wàn)人，高級(jí)證書(shū)持證人數(shù)為14.46萬(wàn)人。會(huì)計(jì)考試資格評(píng)價(jià)網(wǎng)和《中國(guó)會(huì)計(jì)年鑒》是國(guó)內(nèi)較為權(quán)威的會(huì)計(jì)職業(yè)信息發(fā)布機(jī)構(gòu)，為本文提供了近年來(lái)會(huì)計(jì)師從業(yè)人員數(shù)量變化及其行業(yè)層次，即歷年獲得初級(jí)、中級(jí)、高級(jí)會(huì)計(jì)師證書(shū)的人數(shù)。從表2中可以看到：三類會(huì)計(jì)師資格證書(shū)持證人數(shù)都呈現(xiàn)增長(zhǎng)的趨勢(shì)，但由于政策原因，幅度并不穩(wěn)定。初級(jí)資格證書(shū)作為要求難度最低的證書(shū)，持有人在數(shù)量上是最多的，但增長(zhǎng)率在歷年不是最高，并在2015年有大幅下降趨勢(shì)。2017年由于報(bào)名條件寬泛的會(huì)計(jì)師從業(yè)資格證書(shū)取消，初級(jí)會(huì)計(jì)師資格證書(shū)代替其成為會(huì)計(jì)行業(yè)的最低準(zhǔn)入門(mén)檻。大量考生涌入初級(jí)會(huì)計(jì)師資格證書(shū)考試，導(dǎo)致初級(jí)會(huì)計(jì)師資格證書(shū)考試報(bào)名人數(shù)及通過(guò)人數(shù)再次上漲。中級(jí)資格證書(shū)持有人數(shù)居于第二位，但歷年增長(zhǎng)表現(xiàn)都是最強(qiáng)勢(shì)的。高級(jí)會(huì)計(jì)師證書(shū)由于準(zhǔn)入門(mén)檻較高，近兩年來(lái)增長(zhǎng)幅度趨于平緩。

（二）專業(yè)人才的技能測(cè)量

借鑒Autor等（2003）針對(duì)美國(guó)《職業(yè)名稱詞典》進(jìn)行的五類技能測(cè)量，本文參照美國(guó)職業(yè)信息網(wǎng)絡(luò)（O*net online）中以《職業(yè)名稱詞典》為基礎(chǔ)拓展而來(lái)的測(cè)量指標(biāo)，主要集中于工作者特質(zhì) （worker characteristics），說(shuō)明從事某職業(yè)所需具備的與職業(yè)工作相關(guān)聯(lián)的知識(shí)（knowledge）、技能（skills）和能力（abilities）。2018年8月，美國(guó)勞工部對(duì)于會(huì)計(jì)這一職業(yè)小類每項(xiàng)測(cè)量指標(biāo)都進(jìn)行了重要程度與標(biāo)準(zhǔn)水平的評(píng)估，以五分量表呈現(xiàn)，1分代表水平低，5分代表水平非常高（見(jiàn)表3）。表3所選擇的與五項(xiàng)技能類型匹配的測(cè)量指標(biāo)均為重要程度在1.5分以上，即具有一定相關(guān)度且對(duì)該職業(yè)而言比較重要?？傮w而言，初級(jí)會(huì)計(jì)對(duì)程式化操作技能和非程式化操作技能有較高要求，而中級(jí)會(huì)計(jì)和高級(jí)會(huì)計(jì)則強(qiáng)調(diào)非程式化認(rèn)知技能和非程式化交互技能，三者對(duì)程式化認(rèn)知技能均有較高要求。

（三）專業(yè)人才技能需求測(cè)算模型設(shè)置

為考察會(huì)計(jì)職業(yè)勞動(dòng)力市場(chǎng)對(duì)程式化操作技能（RM）、非程式化操作技能（NM）、程式化認(rèn)知技能（RC）、非程式化認(rèn)知技能（NA）、非程式化交互技能（NI）的總體需求現(xiàn)狀與變化，借鑒有關(guān)研究，將中國(guó)持有初級(jí)、中級(jí)和高級(jí)會(huì)計(jì)師資格證書(shū)的從業(yè)人士匹配美國(guó)行業(yè)職業(yè)分類，再根據(jù)會(huì)計(jì)職業(yè)相關(guān)數(shù)據(jù)以獲得職業(yè)與技能匹配數(shù)據(jù)，計(jì)算會(huì)計(jì)職業(yè)對(duì)上述五類技能的總體需求及其變化①。

其中

[θi=該層次會(huì)計(jì)持證人數(shù)或證書(shū)考試通過(guò)人數(shù)總體會(huì)計(jì)持證人數(shù)或證書(shū)考試通過(guò)人數(shù)] （2）

[θ=θ1…θn] （3）

D=[θX=θix程式化操作技能iθix非程式化操作技能iθix程式化認(rèn)知技能iθix非程式化認(rèn)知技能iθix非程式化交互技能i] （4）

（四）專業(yè)人才技能需求的計(jì)算結(jié)果

1. 專業(yè)人才技能總體需求情況分析

經(jīng)過(guò)上述方法計(jì)算后，可以得出我國(guó)三個(gè)層次會(huì)計(jì)職業(yè)對(duì)于程式化操作技能（RM）、非程式化操作技能（NM）、程式化認(rèn)知技能（RC）、非程式化認(rèn)知技能（NA）、非程式化交互技能（NI）五類技能的層次與需求情況，見(jiàn)表4：

結(jié)合表4與圖2可以看出中國(guó)初、中、高各級(jí)會(huì)計(jì)師的技能層次需求。橫向來(lái)看，高級(jí)會(huì)計(jì)師的非程式化認(rèn)知技能需求最高，其次為程式化認(rèn)知技能;中級(jí)會(huì)計(jì)師的程式化認(rèn)知技能需求最高，其次為非程式化認(rèn)知技能;初級(jí)會(huì)計(jì)師也是程式化認(rèn)知技能需求最高，其次為非程式化交互技能?？v向來(lái)看，在程式化操作技能和非程式化操作技能中，初級(jí)會(huì)計(jì)師都遠(yuǎn)遠(yuǎn)高于中高級(jí)會(huì)計(jì)師，這可能是由于初級(jí)會(huì)計(jì)師經(jīng)常要進(jìn)行單證整理、數(shù)據(jù)輸入等工作。但需要特別關(guān)注的是，在程式化認(rèn)知技能需求中，中、高級(jí)會(huì)計(jì)師的分?jǐn)?shù)相同，而其等級(jí)高下的主要區(qū)分依據(jù)在于非程式化認(rèn)知和非程式化交互技能，可見(jiàn)非程式化技能的價(jià)值會(huì)隨著勞動(dòng)力層次的上升而凸顯出來(lái)。

基于《中國(guó)會(huì)計(jì)年鑒2017》的統(tǒng)計(jì)數(shù)據(jù)（見(jiàn)圖3）可獲得會(huì)計(jì)專業(yè)人才五類技能需求現(xiàn)狀：2017年會(huì)計(jì)職業(yè)勞動(dòng)力技能需求存量仍然是程式化認(rèn)知技能需求為最大，但非程式化認(rèn)知技能和非程式化交互技能已經(jīng)非常接近程式化認(rèn)知技能的比重，這與我們?cè)瓉?lái)所認(rèn)為的會(huì)計(jì)專業(yè)人才總體技能由程式化認(rèn)知技能主導(dǎo)已經(jīng)有所出入，說(shuō)明會(huì)計(jì)專業(yè)人才技能狀況與其工作內(nèi)容已進(jìn)行了一定調(diào)整：會(huì)計(jì)職業(yè)大部分的工作雖然是大量重復(fù)性的結(jié)構(gòu)化勞動(dòng)，要求準(zhǔn)確性與精細(xì)性，但隨著這部分工作逐漸被計(jì)算機(jī)和人工智能取代，專業(yè)人才的程式化工作內(nèi)容減少，非程式化工作內(nèi)容增加。人工智能無(wú)法具備的非程式化認(rèn)知技能與非程式化交互技能越來(lái)越成為會(huì)計(jì)專業(yè)人才重要的工作技能要求。

2. 專業(yè)人才技能歷年變化分析

結(jié)合在會(huì)計(jì)考試資格評(píng)價(jià)網(wǎng)和《中國(guó)會(huì)計(jì)年鑒》中獲取的歷年各級(jí)會(huì)計(jì)師考試通過(guò)人數(shù)數(shù)據(jù)，可以粗略獲得我國(guó)會(huì)計(jì)勞動(dòng)力市場(chǎng)對(duì)各項(xiàng)技能的需求變化的情況。

從表5可以看出：從2011年至2015年，程式化與非程式化操作技能需求總體呈現(xiàn)下降趨勢(shì)，程式化認(rèn)知技能、非程式化認(rèn)知技能與非程式化交互技能需求是在上漲的，其中上漲幅度最大的是非程式化認(rèn)知技能。而由于2017年會(huì)計(jì)師從業(yè)資格證書(shū)考試取消，2017年初級(jí)會(huì)計(jì)師報(bào)名人數(shù)與通過(guò)人數(shù)猛增，因此2017年的技能需求數(shù)據(jù)僅作參考。

程式化操作技能需求自2011年至2015年一直呈現(xiàn)下降趨勢(shì)并且下降速度加快，僅在2017年初級(jí)會(huì)計(jì)師人數(shù)擴(kuò)大時(shí)回暖，而非程式化操作技能需求卻在2011—2013年下降之后在2015年重新恢復(fù)增長(zhǎng)，這與普通認(rèn)知中操作技能會(huì)被機(jī)器人最早替代的判斷也并不相同，可能是由于目前技術(shù)水平仍然無(wú)法達(dá)到敏感感知周圍環(huán)境并做出精確化操作的原因。

程式化認(rèn)知技能需求仍然保持了增長(zhǎng)的態(tài)勢(shì)，在一定程度上說(shuō)明目前許多程式化認(rèn)知工作仍然需要人類自主或半自主地完成。但程式化認(rèn)知技能需求的增長(zhǎng)量與非程式化認(rèn)知技能和非程式化交互技能需求之間的差距很小，同時(shí)后兩項(xiàng)技能需求的增長(zhǎng)速度也呈現(xiàn)出加速狀態(tài)，對(duì)這兩項(xiàng)技能的需求大量增長(zhǎng)可能是2017年會(huì)計(jì)職業(yè)技能需求現(xiàn)狀改變的重要推動(dòng)因素。值得注意的是，非程式化認(rèn)知技能需求的增長(zhǎng)速度除2017年外均高于程式化認(rèn)知技能需求，隨著人工智能的進(jìn)一步發(fā)展，程式化認(rèn)知技能的地位可能會(huì)更加邊緣化。

六、基于中國(guó)現(xiàn)實(shí)數(shù)據(jù)的職業(yè)技能要素挖掘

基于美國(guó)職業(yè)信息網(wǎng)絡(luò)O*net的評(píng)估數(shù)據(jù)，上文呈現(xiàn)并分析了會(huì)計(jì)專業(yè)人才技能需求現(xiàn)狀及其發(fā)展變化的基本畫(huà)像。但在現(xiàn)實(shí)狀況下，美國(guó)與中國(guó)的勞動(dòng)力市場(chǎng)情況與勞動(dòng)力素質(zhì)不盡相同。同時(shí)，由于中國(guó)會(huì)計(jì)師資格證書(shū)考試設(shè)有眾多準(zhǔn)入門(mén)檻并在近年有幾次重大調(diào)整，導(dǎo)致歷年各級(jí)會(huì)計(jì)師資格證書(shū)考試通過(guò)人數(shù)變化起伏不定。為進(jìn)一步驗(yàn)證上述模型運(yùn)算結(jié)果，本研究仍然需要根據(jù)中國(guó)勞動(dòng)力市場(chǎng)的現(xiàn)實(shí)數(shù)據(jù)去切分其中具體的技能要素。目前，最為直觀和及時(shí)響應(yīng)市場(chǎng)技能需求的方面是互聯(lián)網(wǎng)招聘網(wǎng)站?；ヂ?lián)網(wǎng)招聘廣告具有即時(shí)性、廣泛性和互動(dòng)性，不僅完整地展現(xiàn)了目前雇主對(duì)人才的需求，其中也包含了大量技能要求信息。

本文利用Python技術(shù)在BOSS直聘、前程無(wú)憂和智聯(lián)招聘三大招聘網(wǎng)站中抓取了2019年4月份的9，875條會(huì)計(jì)職業(yè)招聘記錄進(jìn)行文本挖掘。這三家網(wǎng)站均為國(guó)內(nèi)成立較早、規(guī)模較大的人力資源服務(wù)商。同時(shí)，專業(yè)媒體評(píng)估網(wǎng)站Alexa也表示這三家網(wǎng)站在中國(guó)招聘網(wǎng)站活躍度排名中位居前三位，是企業(yè)發(fā)布招聘信息和求職者求職常用的招聘網(wǎng)站。文本挖掘的具體操作步驟是以“會(huì)計(jì)”為職業(yè)檢索關(guān)鍵詞，檢索時(shí)間是2019年4月，發(fā)布日期為近一個(gè)月，職位類型主要為全職，學(xué)歷要求、工作地點(diǎn)、工資待遇、公司性質(zhì)等條件不限。由于本部分研究著眼于社會(huì)對(duì)求職者的技能需求，因此將崗位職責(zé)中的技能需求信息作為主要研究數(shù)據(jù)基礎(chǔ)，借助Python語(yǔ)言，使用Selenium自動(dòng)化技術(shù)設(shè)計(jì)爬蟲(chóng)程序并配合瀏覽器驅(qū)動(dòng)獲取三大網(wǎng)站的9，875條招聘文本信息，將其保存為MySQL文件存入MySQL數(shù)據(jù)庫(kù)中，以進(jìn)一步分析目前勞動(dòng)力市場(chǎng)對(duì)會(huì)計(jì)人才技能的實(shí)時(shí)需求。在已挖掘的實(shí)時(shí)招聘文本中使用TF-IDF（term frequency-inverse document frequency）方法統(tǒng)計(jì)詞頻，確定重要技能需求的關(guān)鍵詞。該方法能有效過(guò)濾對(duì)文檔主題沒(méi)有實(shí)際意義的詞匯，突出關(guān)鍵詞匯，相較簡(jiǎn)單的詞頻統(tǒng)計(jì)可以更為客觀和準(zhǔn)確地統(tǒng)計(jì)出關(guān)鍵詞匯，能夠更有效地發(fā)現(xiàn)所需要的關(guān)鍵技能。技能需求分類過(guò)程主要應(yīng)用LDA（latent dirichlet allocation）模型進(jìn)行分析。LDA模型是一種文檔主題生成模型，適用于大量文本主題結(jié)構(gòu)探索，也可單獨(dú)或與其他方法結(jié)合用于標(biāo)簽推薦、主題檢索等。由于研究中包含大量文本數(shù)量，常規(guī)的內(nèi)容分析法效率不高，所以將LDA模型用于對(duì)招聘廣告正文的處理，對(duì)招聘信息中崗位職責(zé)或關(guān)鍵技能進(jìn)行自動(dòng)分類并分析不同類別中的主題強(qiáng)度。將文本挖掘結(jié)果利用BIBEXCEL進(jìn)行詞頻排序，得到表6。

“溝通”“管理”等詞語(yǔ)在三家網(wǎng)站招聘廣告中的高頻率出現(xiàn)進(jìn)一步驗(yàn)證了非程式化交互技能在會(huì)計(jì)人才技能需求中的重要地位和增長(zhǎng)趨勢(shì)。同時(shí)，我們也能看到“決策”“分析”等代表要求更高的非程式化認(rèn)知能力的詞語(yǔ)出現(xiàn)頻率位于兩家網(wǎng)站的前列?！皩徍恕边@一應(yīng)用程式化認(rèn)知技能的工作內(nèi)容也在一家網(wǎng)站上高頻出現(xiàn)。值得注意的是，“軟件”一詞也在兩家網(wǎng)站中高頻出現(xiàn)，這反映出雇主要求應(yīng)聘者具有一定的會(huì)計(jì)電化軟件操作技能，需要程式化認(rèn)知技能與非程式化操作技能相結(jié)合，同時(shí)也要求應(yīng)聘者具有較好的學(xué)習(xí)能力與技能遷移能力。

綜合來(lái)看，對(duì)國(guó)內(nèi)招聘網(wǎng)站進(jìn)行數(shù)據(jù)挖掘和文本分析所得到的結(jié)果，與上文基于ALM模型將美國(guó)職業(yè)信息網(wǎng)絡(luò)的技能測(cè)量指標(biāo)與中國(guó)會(huì)計(jì)職業(yè)數(shù)據(jù)相結(jié)合計(jì)算的各項(xiàng)技能要求相一致，從而驗(yàn)證了結(jié)果的穩(wěn)健性。

七、人工智能背景下專業(yè)人才培養(yǎng)的挑戰(zhàn)與對(duì)策

研究結(jié)果顯示，非程式化的交互技能、認(rèn)知技能和操作技能在會(huì)計(jì)職業(yè)技能需求結(jié)構(gòu)中日益占據(jù)重要地位而且顯示出巨大的增長(zhǎng)潛力，會(huì)計(jì)專業(yè)人才培養(yǎng)應(yīng)進(jìn)行必要調(diào)整乃至變革，以適應(yīng)當(dāng)下及未來(lái)會(huì)計(jì)職業(yè)與會(huì)計(jì)專業(yè)人才技能要求的巨變。但對(duì)多所應(yīng)用型大學(xué)與高職院校會(huì)計(jì)專業(yè)人才培養(yǎng)方案的分析顯示，整個(gè)會(huì)計(jì)教育系統(tǒng)仍強(qiáng)調(diào)理論知識(shí)的傳授和基礎(chǔ)技能的掌握，會(huì)計(jì)專業(yè)人才培養(yǎng)的改革顯得滯后而遲緩，具體體現(xiàn)在：在培養(yǎng)方案中，以會(huì)計(jì)基本原理和方法以及財(cái)務(wù)相關(guān)知識(shí)傳授為主的專業(yè)理論課占據(jù)主要地位，而專業(yè)技能培養(yǎng)主要以會(huì)計(jì)基本技能（如會(huì)計(jì)憑證填制）和財(cái)務(wù)基本技能（如報(bào)表繪制）為主。由此可以看出，現(xiàn)有會(huì)計(jì)專業(yè)人才培養(yǎng)以程式化認(rèn)知技能和程式化操作技能的培養(yǎng)為主;會(huì)計(jì)專業(yè)普遍采用會(huì)計(jì)軟件來(lái)培養(yǎng)學(xué)生的實(shí)操能力，作為提升非程式化認(rèn)知技能的有效途徑，但在實(shí)際教學(xué)中往往過(guò)于強(qiáng)調(diào)對(duì)程式化認(rèn)知技能和非程式化操作技能的反復(fù)練習(xí)，而對(duì)推理分析、問(wèn)題解決等非程式化認(rèn)知技能的重視程度不夠。

總體而言，目前的會(huì)計(jì)專業(yè)人才培養(yǎng)方案和教學(xué)實(shí)施偏重于程式化操作技能、程式化認(rèn)知技能和非程式化操作技能，非程式化認(rèn)知技能培養(yǎng)明顯不足，而非程式化交互技能培養(yǎng)則更加欠缺。由于技術(shù)的推廣應(yīng)用需要一定時(shí)間，其影響勞動(dòng)力市場(chǎng)進(jìn)而推動(dòng)專業(yè)人才培養(yǎng)變革也會(huì)有一定的時(shí)滯，但在這個(gè)時(shí)間窗口專業(yè)人才的培養(yǎng)不能被動(dòng)等待和應(yīng)付，而應(yīng)主動(dòng)對(duì)接勞動(dòng)力市場(chǎng)對(duì)專業(yè)人才各項(xiàng)技能的要求來(lái)改造專業(yè)人才培養(yǎng)，將培養(yǎng)重心由程式化技能擴(kuò)展到非程式化技能，尤其是非程式化認(rèn)知技能和非程式化交互技能，培養(yǎng)多層次、復(fù)合型、前端化的專業(yè)人才，以應(yīng)對(duì)人工智能背景下會(huì)計(jì)專業(yè)人才培養(yǎng)面臨的挑戰(zhàn)。

（一）強(qiáng)化非程式化技能，多層次植入培養(yǎng)過(guò)程

1. 創(chuàng)建培養(yǎng)非程式化交互技能的訓(xùn)練場(chǎng)景

著名日本企業(yè)家稻盛和夫?qū)?huì)計(jì)專業(yè)的本質(zhì)有“人的會(huì)計(jì)學(xué)”這樣的表述：會(huì)計(jì)從業(yè)者并不應(yīng)該只會(huì)照搬原則、呆板做事，而應(yīng)該是會(huì)用會(huì)計(jì)語(yǔ)言與會(huì)計(jì)方式來(lái)處理復(fù)雜經(jīng)濟(jì)關(guān)系與社會(huì)關(guān)系的專業(yè)人士。首先，會(huì)計(jì)專業(yè)人才培養(yǎng)要重新認(rèn)識(shí)非程式化交互技能，它不僅是與人交流溝通的能力，也是認(rèn)識(shí)自我與控制情感情緒的能力。這需要在傳統(tǒng)會(huì)計(jì)人才培養(yǎng)范式中融入更多社會(huì)教育的成分。在學(xué)校課程實(shí)施上要注重第二課堂的延伸，利用各種學(xué)生組織與社團(tuán)活動(dòng)植入培育情商的機(jī)會(huì)。同時(shí)，真實(shí)場(chǎng)景下的企業(yè)實(shí)踐應(yīng)該成為會(huì)計(jì)專業(yè)學(xué)生的必修課。現(xiàn)實(shí)中會(huì)計(jì)角色與各個(gè)崗位人員之間的互動(dòng)是復(fù)雜、多樣且廣泛的，而且是無(wú)法在校園中復(fù)制的，需要學(xué)生自我真實(shí)代入某個(gè)具體崗位去適應(yīng)和摸索，進(jìn)而提高對(duì)職業(yè)情況與自身責(zé)任的理解。

各行各業(yè)都面對(duì)著非程式化技能的崛起，一般專業(yè)人才教育發(fā)展需要在遠(yuǎn)離原本固化的“工廠系統(tǒng)”的原則下重點(diǎn)關(guān)注學(xué)生非程式化交互技能的培養(yǎng)，包括溝通技巧、激勵(lì)和啟發(fā)他人、管理能力等。實(shí)際上，這些非程式化交互技能雖然難以標(biāo)準(zhǔn)化培養(yǎng)，但實(shí)際上時(shí)刻影響著工作內(nèi)容中的每一項(xiàng)任務(wù)，因此需要將其納入實(shí)踐教學(xué)中，在靈活多樣的教學(xué)環(huán)境中自上而下地把非程式化交互技能的指導(dǎo)與評(píng)價(jià)添加到教學(xué)和實(shí)踐的各個(gè)環(huán)節(jié)當(dāng)中。

2. 開(kāi)辟培養(yǎng)非程式化認(rèn)知技能的思考空間

會(huì)計(jì)專業(yè)教材中理論基礎(chǔ)知識(shí)占據(jù)了絕大部分篇幅，內(nèi)容涵蓋寬泛，更新速度緩慢，甚至部分內(nèi)容與實(shí)際工作脫節(jié)。其典型特點(diǎn)在于觀點(diǎn)明確，很少設(shè)置學(xué)生能夠開(kāi)展討論和進(jìn)行思考的環(huán)節(jié)。這一安排實(shí)際上更加無(wú)法匹配會(huì)計(jì)工作中常出現(xiàn)的對(duì)錯(cuò)參半的復(fù)雜任務(wù)，導(dǎo)致學(xué)生面對(duì)實(shí)際工作時(shí)手足無(wú)措。無(wú)論是編寫(xiě)教材還是開(kāi)展教學(xué)，都應(yīng)該精簡(jiǎn)理論知識(shí)，設(shè)置更多啟發(fā)式主題，以列舉觀點(diǎn)進(jìn)行比較替代直接進(jìn)行是非判斷，鼓勵(lì)學(xué)生自主尋找信息、表達(dá)觀點(diǎn)，以鍛煉他們的開(kāi)放性思維和決策能力。

這一培養(yǎng)方式適用于各類專業(yè)人才的能力提升。對(duì)于能力層次要求較高的非程式化認(rèn)知能力而言，首先需要培養(yǎng)學(xué)生獨(dú)立思考與分析的意識(shí)，幫助學(xué)生養(yǎng)成良好的非程式化認(rèn)知習(xí)慣。同時(shí)，需要改變傳統(tǒng)的單科教育模式，將體系化的非程式化技能因素納入已有的教學(xué)框架，挖掘出貫通專業(yè)的通用能力。將這種培養(yǎng)方式作為一種新教育模式不斷實(shí)驗(yàn)，進(jìn)而不斷調(diào)整培養(yǎng)非程式化認(rèn)知技能的方法，發(fā)揮“人的教育”在人工智能背景下的巨大發(fā)展?jié)摿Α?/p>

（二）程式化技能復(fù)合升級(jí)，突破單一化培養(yǎng)內(nèi)容

對(duì)于會(huì)計(jì)行業(yè)而言，傳統(tǒng)的賬務(wù)職能正逐漸由智能化軟件來(lái)實(shí)現(xiàn)，戰(zhàn)略規(guī)劃、風(fēng)險(xiǎn)控制等管理會(huì)計(jì)的決策貢獻(xiàn)才是當(dāng)下乃至未來(lái)市場(chǎng)希望會(huì)計(jì)人才去創(chuàng)造的價(jià)值。會(huì)計(jì)專業(yè)教育中專業(yè)核心課程不能僅僅停留在“會(huì)計(jì)學(xué)”“財(cái)務(wù)管理”等基本課程上，也不能把與會(huì)計(jì)相關(guān)的“管理學(xué)”“國(guó)際會(huì)計(jì)”等課程定格于考查范圍。在重視會(huì)計(jì)專業(yè)基礎(chǔ)的前提下，培養(yǎng)課程需要打通與經(jīng)濟(jì)學(xué)、金融學(xué)等學(xué)科之間的壁壘，整合大會(huì)計(jì)學(xué)視野下的各學(xué)科知識(shí)，形成完整的綜合性的知識(shí)體系，包括專業(yè)基礎(chǔ)課程和經(jīng)濟(jì)管理、國(guó)際會(huì)計(jì)、數(shù)據(jù)分析等相關(guān)課程，實(shí)現(xiàn)與相關(guān)領(lǐng)域的貫通和與前沿技術(shù)的對(duì)接。

其他專業(yè)同樣應(yīng)遵循技能復(fù)合化的人才培養(yǎng)思路。許多社會(huì)學(xué)家和經(jīng)濟(jì)學(xué)家在新技術(shù)時(shí)代下提出了復(fù)合型工作者（portfolio workers）的概念：這些勞動(dòng)者需要“復(fù)合型新技能”（skillportfolio），如擁有許多不同的工作技能與證書(shū)，以幫助他們?cè)诼殬I(yè)生涯中在不同崗位進(jìn)行流動(dòng)（Fraser， 2001）。世界銀行發(fā)布的《2019年世界發(fā)展報(bào)告：工作性質(zhì)的變革》也指出，技術(shù)的變革對(duì)不同技能類型組合的回報(bào)似乎在增加。這些變化不僅體現(xiàn)在新工作取代舊工作這一點(diǎn)上，還體現(xiàn)在既有工作技能組合的變化上。在科技發(fā)展呈爆炸式增長(zhǎng)的情況下，技術(shù)也在朝著更為容易操作的方向發(fā)展。這些技術(shù)并不要求工作者具備完善的專業(yè)知識(shí)，只需要他們具有較強(qiáng)的適應(yīng)性且能快速掌握新技能以益于生產(chǎn)發(fā)展。這就要求勞動(dòng)者在專業(yè)技能之上擁有較強(qiáng)的技能組合能力，能將現(xiàn)有的技能遷移到新的情境之中，靈活地應(yīng)對(duì)市場(chǎng)和技術(shù)的變化。專業(yè)人才培養(yǎng)需要重新挖掘?qū)W生的素養(yǎng)形成和技能發(fā)展的底層規(guī)律，幫助他們?cè)谡莆諏I(yè)技能之外，具備更加基礎(chǔ)性的核心素養(yǎng)與能力，以應(yīng)對(duì)快速變化的勞動(dòng)力市場(chǎng)。

（三）人才前端化發(fā)展，培養(yǎng)層級(jí)整體上提

就會(huì)計(jì)專業(yè)領(lǐng)域而言，人才培養(yǎng)需要從核算型向管理型轉(zhuǎn)變。專業(yè)基礎(chǔ)知識(shí)需要根據(jù)工作內(nèi)容和流程進(jìn)行重新梳理，通過(guò)反復(fù)強(qiáng)化訓(xùn)練與崗位模擬實(shí)現(xiàn)知識(shí)的內(nèi)在化與系統(tǒng)化。在此基礎(chǔ)上，模仿公司運(yùn)營(yíng)流程進(jìn)行仿真運(yùn)營(yíng)管理、核算、輪崗處理虛擬企業(yè)經(jīng)濟(jì)業(yè)務(wù)。這些業(yè)務(wù)需要結(jié)合實(shí)際進(jìn)行設(shè)計(jì)，原始數(shù)據(jù)可以由學(xué)生自己制作與整理，甚至可以模擬公司之間的對(duì)抗運(yùn)營(yíng)。同時(shí)，會(huì)計(jì)電算化與信息化方面的培養(yǎng)也不能限于使用電算軟件，更應(yīng)該在業(yè)務(wù)財(cái)務(wù)一體化背景下提高數(shù)據(jù)分析和利用能力。除了要進(jìn)一步挖掘傳統(tǒng)電算軟件的功能之外，培養(yǎng)課程中還需要納入數(shù)據(jù)分析軟件的基本操作，甚至進(jìn)一步開(kāi)設(shè)大數(shù)據(jù)處理、云計(jì)算等課程以培養(yǎng)會(huì)計(jì)人才的預(yù)測(cè)、決策和管理能力。

Autor等（2014）對(duì)勞動(dòng)力市場(chǎng)的研究發(fā)現(xiàn)，新技術(shù)和新機(jī)器所創(chuàng)造的新就業(yè)崗位其實(shí)遠(yuǎn)遠(yuǎn)超過(guò)它們所擠占的舊崗位，其中大多數(shù)是與新技術(shù)與新機(jī)器相關(guān)的上下游產(chǎn)業(yè)鏈中的一線工作崗位。從目前來(lái)看，市場(chǎng)上對(duì)于程序員、工程師等崗位的需求變得空前巨大，而諸如幫助機(jī)器進(jìn)行人工智能學(xué)習(xí)所需要的訓(xùn)練師、為3D打印服務(wù)的設(shè)計(jì)師等新崗位也應(yīng)運(yùn)而生。與此相似，人工智能在替代程式化職業(yè)人才的同時(shí)，也會(huì)大量增加對(duì)于與人工智能操作相關(guān)的職業(yè)人才的需求，可能是幫助人工智能進(jìn)行運(yùn)轉(zhuǎn)的培訓(xùn)者，也可能是緊急解決一些問(wèn)題的維護(hù)者，等等。這都需要相關(guān)從業(yè)者具備前端的人工智能知識(shí)和高質(zhì)量的專業(yè)領(lǐng)域技能。因此，專業(yè)人才培養(yǎng)一方面需要推動(dòng)專業(yè)人才在人工智能基準(zhǔn)之上提高各項(xiàng)能力素質(zhì)，深耕相關(guān)領(lǐng)域通用能力的開(kāi)發(fā)與培養(yǎng)，同時(shí)也需要時(shí)刻關(guān)注技術(shù)發(fā)展前沿，思考專業(yè)人才與未來(lái)職業(yè)接軌的途徑。

（四）人才終身化培育，建立工作實(shí)踐優(yōu)勢(shì)

英國(guó)是世界上第一個(gè)建立現(xiàn)代意義上的會(huì)計(jì)職業(yè)團(tuán)體的國(guó)家，會(huì)計(jì)教育底蘊(yùn)深厚，被公認(rèn)為會(huì)計(jì)教育強(qiáng)國(guó)。其會(huì)計(jì)教育的基本思想就是終身學(xué)習(xí)理念，并根據(jù)金融工具、金融市場(chǎng)的變化不斷調(diào)整課程設(shè)置，大量吸引已經(jīng)畢業(yè)的從業(yè)者重新回到學(xué)校進(jìn)行學(xué)習(xí)。甚至，當(dāng)學(xué)生取得了英國(guó)特許會(huì)計(jì)師（ACCA）職位后，仍然要接受繼續(xù)教育，以保證他們能夠不斷適應(yīng)變化中的工作世界。

人工智能的發(fā)展正在重塑工作及其所要求的技能。然而，傳統(tǒng)教育體系面對(duì)技術(shù)變革存在巨大的發(fā)展滯后性，甚至抵制變革。技能供給再調(diào)整較多地發(fā)生在義務(wù)教育或者正規(guī)就業(yè)以外的領(lǐng)域，在這些領(lǐng)域堅(jiān)持終身學(xué)習(xí)以適應(yīng)工作性質(zhì)的持續(xù)變化已經(jīng)成為一個(gè)重要策略。特別是在發(fā)達(dá)國(guó)家和一些面臨老齡化問(wèn)題的發(fā)展中國(guó)家，終身學(xué)習(xí)更是與個(gè)體技能的再調(diào)整息息相關(guān)。工作生涯如此漫長(zhǎng)而且變化迅速，僅將接受教育局限于人生初期是不夠的，獲取新技能必須貫穿人們的整個(gè)職業(yè)生涯。這需要在傳統(tǒng)的受教育階段將終身教育的觀念普及到每一個(gè)人工智能時(shí)代勞動(dòng)者的學(xué)習(xí)態(tài)度之中。

[參考文獻(xiàn)]

袁玉芝，杜育紅. 2019. 人工智能對(duì)技能需求的影響及其對(duì)教育供給的啟示：基于程序性假設(shè)的實(shí)證研究[J]. 教育研究，40（2）：113-123.

張志禎，張玲玲，李芒. 2019. 人工智能教育應(yīng)用的應(yīng)然分析：教學(xué)自動(dòng)化的必然與可能[J]. 中國(guó)遠(yuǎn)程教育（1）：25-35，92.

楊偉國(guó)，邱子童，吳清軍. 2018. 人工智能應(yīng)用的就業(yè)效應(yīng)研究綜述[J]. 中國(guó)人口科學(xué)（5）：109-119，128.

王文靜，莊西真. 2018. 人工智能視閾下職業(yè)教育的機(jī)遇、困厄與出路[J]. 中國(guó)職業(yè)技術(shù)教育（22）：33-37.

劉曉莉，許艷麗. 2018. 技能偏好型技術(shù)進(jìn)步視閾下人工智能對(duì)技能人才就業(yè)的影響[J]. 中國(guó)職業(yè)技術(shù)教育（15）：41-46.

王嵐，許艷麗. 2018. 智能時(shí)代：職業(yè)風(fēng)險(xiǎn)與高職教育應(yīng)對(duì)[J]. 高等工程教育研究（2）：189-194.

姜志堅(jiān)，趙興民，盧德生. 2017. 人工智能背景下職業(yè)教育發(fā)展的策略[J]. 中國(guó)職業(yè)技術(shù)教育（30）：54-59.

徐國(guó)慶. 2016. 智能化時(shí)代職業(yè)教育人才培養(yǎng)模式的根本轉(zhuǎn)型[J]. 職教論壇（16）：61-62.

劉曉，徐珍珍. 2015. “機(jī)器換人”與職業(yè)教育發(fā)展：挑戰(zhàn)與應(yīng)對(duì)[J]. 教育發(fā)展研究，35（21）：13-17.

張媛，劉海，李中傲. 2018. “智慧財(cái)務(wù)”下創(chuàng)新教育對(duì)人工智能商數(shù)的需求：以數(shù)據(jù)分析法案例教學(xué)為例[J]. 財(cái)會(huì)月刊（24）：98-104.

世界銀行. 2019. 2019年世界發(fā)展報(bào)告：工作性質(zhì)的變革. 華盛頓特區(qū)：世界銀行. doi：10.1596/978-1-4648-1328-3.

Agrawal， A. K.， Price， H. J.， & Gurbaxani， S. H. （1980）. Transient response of multiconductor transmission lines excited by a nonuniform electromagnetic field. IEEE Transactions on electromagnetic compatibility（2）， 119-129.

Autor， D. H.， Levy， F.， & Murnane， R. J. （2003）. The skill content of recent technological change： An empirical exploration. The Quarterly Journal of Economics， 118（4）， 1279-1333.

Benzell， S. G.， Kotlikoff， L. J.， LaGarda， G.， & Sachs， J. D. （2015）. Robots are us： Some economics of human replacement. （NO. w20941）. National Bureau of Economic Research.

Braverman， H. （1998）. Labor and monopoly capital： The degradation of work in the twentieth century. New york： NYU Press.

Fraser， J.， & Gold， M. （2001）. ‘Portfolio workers： Autonomy and control amongst freelance translators. Work， Employment and Society， 15（4）， 679-697.

Frey， C. B.， & Osborne， M. A. （2017）. The future of employment： How susceptible are jobs to computerisation？ Technological Forecasting and Social Change， 114， 254-280.

Finlayson， M. A.， Richards， W.， & Winston， P. H. （2010）. Com putational models of narrative： Review of a workshop AI Magazine， 31（2）， 97-100.

McCorduck， P. （2009）. Machines who think： A personal inquiry into the history and prospects of artificial intelligence. Boca Raton， Florida： AK Peters/CRC Press.

Mokyr， J. （1992）. The lever of riches： Technological creativity and economic progress. Oxford， England： Oxford University Press.

Nilsson， N. J.， & Nilsson， N. J. （1998）. Artificial intelligence： A new synthesis. Burlington， Massachusetts： Morgan Kaufmann.

Pinker， S. （2018）. Enlightenment now： The case for reason， science， humanism， and progress. London England： Penguin.

Searle， J. R. （1980）. Minds， brains， and programs. Behavioral and Brain Sciences， 3（3）， 417-424.

收稿日期：2019-07-04

定稿日期：2019-09-16

作者簡(jiǎn)介：王奕俊，博士，副教授，碩士生導(dǎo)師;楊悠然，碩士研究生。同濟(jì)大學(xué)職業(yè)技術(shù)教育學(xué)院（200092）。

責(zé)任編輯 單 玲