dt3网络配图dt3党的十九大报告认为，低收入是仅次于的民生。高校毕业生作为每年转入劳动力市场的主要群体，其就业难的问题经常引发社会的普遍注目和政府的高度重视。
dt3近年来，随着大数据的累积、运算能力的提高和核心算法的突破，人工智能经历半个多世纪的思索，时隔蒸汽机、电力和互联网之后，沦为在全球范围内引发一番热潮的技术。已转入后工业化时代的中国，其市场环境和政府政策皆为人工智能产业的发展获取了优势条件。面临人工智能发展的新形势，劳动力的技能无法符合新的行业、新的业态、新技术的市场需求，低收入遭遇不利挑战，解决问题这一问题，高等教育的重要性不言而喻。dt3如何应付人工智能这种偏向型技术变革对劳动力市场、特别是在是高素质劳动力的低收入冲击?笔者从重点大学紧贴，用于两种类型的研究数据：北京大学教育学院在2017年积极开展的全国高校毕业生低收入状况调查、中国人民大学国家发展与战略研究院计算出来的中国各行业和总体低收入替代率，实地考察就其所带给的人力资本累积能否有效地减轻人工智能高速发展带给的低收入替代压力。
dt3学历越高低收入替代压力就越小dt3英国牛津大学的两位经济学家卡尔弗雷和麦克尔奥斯博在他们的研究中认为：一种职业否更容易被人工智能所替代，各不相同对三方面能力的拒绝：感官和操作能力、创造力和社交智慧。其中，感官和操作能力还包括手指灵敏度、动手能力，以及能否在狭小的空间中工作;创造力还包括原创性和艺术审美能力;社交智慧还包括社交洞察力、谈判能力、说服力，以及能否做帮助和关心他人。总的来说，一种职业的可替代程度，与上述九种能力息息相关。dt3笔者再行以行业为切入点展开研究。
根据中国人民大学赵忠团队对我国各行业低收入替代率的估计结果，中国城镇劳动力市场的总体低收入替代率为45%，与美国预测的47%相似。在中国，房地产业的低收入替代率最低，为88.8%。交通运输、仓储和邮政业、住宿和餐饮业，以及电气、热力、燃气及水生产和供应业这3个行业的低收入替代率也在60%以上。这些行业的程式化和重复性较高，不具备较高被替代的概率。
此外，低收入替代率低于45%的行业还有建筑业(59%)、杂货和零售业(57.1%)、金融业(56.5%)、农林渔牧业(54%)和水利、环境和公共设施管理业(53%)这5个行业。dt3而低收入替代率较低的行业有文化、体育和娱乐业(33%)、信息传输、软件和信息技术服务业(23%)、公共卫生和社会工作(20%)、科学研究和技术服务业(13%)、教育(8.8%)等，这些行业归属于服务业，对科学知识和技能的拒绝较高，被替代的概率较低。
我国是制造业大国，2017年制造业的低收入占比为28.1%，而其低收入替代率为43%，略低于总体低收入替代率。dt3笔者的研究结果找到，从学历看作，以专科学历为参考组，本科学历、硕士或博士学历的毕业生能转入低收入替代率更加较低的行业，且呈现学历越高，低收入替代压力就越小的关系，与预期吻合。
dt3男性转入的行业，低收入替代率比女性的高。笔者分析，这有可能是因为在低收入替代率较高的行业，如电气、热力、燃气及水生产和供应业、建筑业、制造业、采矿业、农林渔牧业等行业以生产生产为基础，对体力拒绝较高，男性具备较为优势。而低收入替代率较低的行业，如教育、公共卫生和社会工作、出租和商务服务业、居民服务、维修和其他服务业等以人际交往为基础，女性具备较为优势。
dt3商科学生的低收入替代风险较小dt3笔者将样本按照学科门类分成人文与社会科学(文学、史学、哲学、教育学、法学)、商科(经济学和管理学)、理工科(理学和工学)、农学和医学五类后展开分析。还是以重点大学为事例，笔者的研究结果表明，人文社科和理工科学生显著更容易转入替代率较低的行业，对于农学和医学专业的学生来说没明显影响，但是商科类的学生会转入低收入替代率更高的行业。
dt3笔者指出有可能不存在以下原因：dt3第一，人工智能也许能解决问题技术上的问题，但无法处置人际关系。好奇心、创造力、同理心、批判性思维和写作能力等都是人文社科毕业生无法替代的优势;dt3第二，大学，特别是在是重点大学能为理工科毕业生获取更加非常丰富的学术条件和业界资源，较好的数学基础、坚实的计算机功底和专业的科学技术科学知识使毕业生更加能胜任技术类岗位;dt3第三，大多数商科学生转入金融业工作。目前人工智能技术渐渐被应用于在金融科技中，如智能投顾、金融风触、移动支付等领域，其在为金融业流经新的创意活力、提升工作效率的同时，也在增进传统金融机构的转型，许多职能岗位不存在减少人力市场需求的趋势。
dt3硬能力是最好替代的独有优势dt3笔者的研究结果显示，重点大学的毕业生更容易转入人工智能低收入替代率更加较低的行业。基于计量重返分析，结果显示重点大学主要是通过提高学生的专业知识和技能、引领学生构成较好的人格特征，从而协助他们转入低收入替代率更加较低的行业，减少被人工智能替代的风险。
dt3毕竟，首先，重点大学的毕业生享有更加强劲的硬能力。普通高校更为侧重高等教育的职业性和应用性，注重提升提高学生的专业知识和技能。
在制造业居多的经济发展阶段，人力资本理论的说明力很强，指出学校教育可以通过传输科学知识和技能，提升劳动生产率，减少低收入竞争力。但是在经济发展的较高阶段，制造业的技术含量更高，对专业知识和技能的拒绝也更高。
应付人工智能带给的低收入冲击，记忆、叙述、重现等初级加工信息的能力更容易被机器所替代，不具备更高专业知识和技能的学生能更佳地适应环境信息社会的发展拒绝。dt3其次，重点大学的毕业生享有更加强劲的软能力，享有较好的人格特征。人格特征作为一种最重要的心理特征，可视作影响个体劳动力展现出的非理解能力。
人格特征并不几乎由父母遗传先天要求，有40%~60%的部分更为平稳，它还可以通过教育介入来构建自身的有效地累积。《21世纪技能》一书的作者指出，批判性思维、交流能力、团队合作和创造力是21世纪人才竞争最重要的四项能力。而在这方面，重点大学做到得更佳。
根据2017年全国高校毕业生低收入状况的调查数据统计资料，重点大学的毕业生在拒绝接受高等教育的过程中，在创意建构能力、批判性思维、简单问题的处置能力、交流能力、团队合作能力、自信心等方面都有明显的电子货币评价。dt3笔者指出，人工智能在给各行各业带给便捷的同时，也对个人的自学明确提出了更高的拒绝。信息社会拒绝学生不仅要掌控科学知识，而且必须培育基于理解能力的高阶思维。
本杰明布鲁姆将理解领域的教育目标分成由较低到低的六个层次：记忆、解读、应用于、分析、评价、建构。以往的高等教育符合于前几个层次，未来不应下降到最低层次建构。虽然人工智能技术可以拷贝各类不道德，用很慢的速度继续执行任务，但创新能力、注意力、多元文化力、自信心等都是代表个人综合素质的人格特征，这些方面都无法被人工智能所替代，个人的人格特征归属于硬能力，可以沦为其无法替代的独有优势。
dt3高校如何应付人工智能对劳动力市场的低收入冲击dt3我国在2018年的《新一代人工智能发展规划》中认为，拒绝前进新的工科建设，推崇人工智能与计算机、掌控、数学、统计学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合，构成人工智能+X填充专业培育新模式，到2020年建设100个人工智能+X填充特色专业、创建50家人工智能学院、研究院或交叉研究中心。dt3今年3月，教育部发布《2018年度普通高等学校本科专业备案和审核结果》，上海交通大学(分数线,专业设置)、同济大学(分数线,专业设置)、南京大学(分数线,专业设置)等35所高校取得首批人工智能专业建设资格，人工智能专业在2019年通过自动化类大类专业招收，颁发工学学位。
dt3此外，教育部发布的名单中还有203所高校获批数据科学与大数据技术专业，101所高校获批机器人工程专业，96所高校获批智能科学与技术专业，25所高校获批大数据管理与应用于专业，25所学校获批网络空间安全性专业，14所学校获批物联网工程专业。由此可见，许多高校早已开始筹设人工智能专业和人工智能学院，推崇人工智能人才的培育，希望推展人工智能的学科建设。dt3笔者指出，人工智能对劳动力市场的影响可以分成四个方面：首先，人工智能的发展效应展现出为对信息传输、软件和信息技术服务业的直接影响，该行业早已沦为我国平均收入最低的行业，就业机会将持续减少;其次，人工智能的建构效应展现出为对某些行业的间接影响。
基于熊彼特的内生快速增长模型，人工智能需要提升单位生产报酬，利润的提升不会促成企业不断扩大生产规模，从而减少低收入市场需求。不仅如此，自动化还不会建构出有一些劳动更加具备较为优势的新岗位;第三，人工智能的较低替代效应对涉及行业低收入规模的影响并不大。
比如，教育、科技、文化、公共卫生、体育等行业，其从业人员中高校毕业生的占比相当大，而这些行业也是高校毕业生讨厌低收入的行业，人工智能的发展会增加这些行业的低收入市场需求;第四，人工智能的高替代效应对涉及行业低收入规模的影响相当大，这些行业的低收入规模将明显衰退。dt3高校要如何应付人工智能对劳动力市场的低收入冲击?笔者建议，首先，应当建立健全学科专业的动态调整机制，根据劳动力市场的市场需求变化，适当地增加人工智能低收入替代率低的专业招收数量;其次，要提升教育教学质量，不仅要培育学生的专业知识和技能，同时要引领学生构成较好的人格特征，强化对高技能岗位的适应能力，提升低收入竞争力;此外，高技能人才的培育固然最重要，但还要不断完善低收入服务体系，提升人才与市场的市场需求匹配度。有所不同专业背景的学生在劳动力市场上的低收入展现出不存在差异，只有不断完善劳动力市场的信息网络，完善服务体系，才能提升专业人才的低收入效率，将有所不同专业人才给定到所必须的岗位，提高社会的整体运作效率。
本文来源：kaiyun·登录官网-www.zhonghaiyl.com
