版权所有:《党政研究》编辑部 PDF版
 
文章检索
 
  在线投稿
您现在的位置:第10期 -> 人工智能时代技术进步对就业影响的研究述评 -> 内容
人工智能时代技术进步对就业 影响的研究述评
作者:李颖  发布时间:2020-03-03  查看次数:    
 
 
人工智能时代技术进步对就业 
影响的研究述评
  
李颖
 
  〔摘要〕文章以 CiteSpace为工具,对1980-2018年间WOS和CNKI收录的技术进步对就业影响的相关文献进行计量与可视化分析,结合关键词共现和文献共被  引分析总结该领域的发展历程和研究前沿。研究发现虽然人工智能对就业影响的研究难以形成统一结论,但人工智能技术的采用势必会对岗位需求产生颠覆性的影响,我国学者应该分行业探索人机协同成为主流生产和服务方式后的工作任务特征和劳动力技能需求,并为建立适应智能经济和智能社会的就业培训体系提供政策建议。 
  〔关键词〕技术进步;就业;人工智能;可视化分析;CiteSpace;职业替代
  〔中图分类号〕F241.4〔文献标识码〕A〔文章编号〕2095-8048-(2019)04-0120-09
 
  一、 引言
 
  技术进步对就业的影响是经济学研究领域中具有争议的话题,虽然学者们难以达成一致的观点,但是不可否认19世纪的蒸汽机、20世纪的电力、20世纪70年代的自动化都为工业生产带来了翻天地覆的变化。更有学者预测,与之前的历次科技革命相比,人工智能革命要来得更猛烈、更彻底,由其造成的失业问题也会更加严重。基于对WOS和CNKI数据库的检索可见,近年来以人工智能为代表的技术进步对就业影响研究领域发文数量逐年增加,国内外学者对该领域的文献进行了描述性回顾和定性的分类研究,但是他们所梳理的文献数量有限,既不能全面客观反映技术进步就业影响的研究全貌,也没有系统的展示该领域的研究过程。本研究尝试使用CiteSpace可视化文献分析软件对该领域有代表性的文献和理论成果进行梳理和挖掘。 
 
  二、 技术进步对就业影响研究的发展历程与前沿探讨  
 
  本文以汤姆逊路透公司的Web of Science(WOS)核心数据库和中国知网学术期刊网络出版总库(CNKI)1980-2018年间的期刊论文为数据源,以技术进步(technology progress)和就业(employment)为主题进行检索。具体而言,选择WOS核心数据库为数据源;检索主题为“技术进步”、“就业”;来源数据库选择默认;时间跨度选择为1980至2018年,检索时间为2018年10月22日,检索结果显示共有1659篇可选文献总量。在中国知网中,设定主题为“技术进步”和“就业”,时间限定为1980-2018年,检索时间为2018年10月22日,共检索到2378篇中文文献。为确保所分析的数据更加有说服力,这里对采集到的资料进行二次整理,将综合质量不高的文献予以剔除,分别获得文献1646篇和2355篇。  
 
  本文对检索到的文献记录进行了如下几种分析,即:发文量分析、文献共被引分析,以及关键词共现分析。其中网络节点分别设置成进行“keyword”、“country(region)& institute”,以及“cited reference ”,所筛选的文献的时间区间是1980-2018年,数据选取的对象是top50。通过国家与机构分析能够了解世界范围各个国家和机构的合作关系和影响力,通过关键词的热度来发现该领域的发展历程,通过文献共被引分析能够发现该领域发展前沿.
  (一) 发文量与中心性分析  
  WOS数据库中1980-2018年间有关技术进步与就业研究的发文量趋势见图1。检索到最早的关于技术进步与就业的研究是1981年,1980-1990年期间年度发文量比较少,从1991年开始发文量缓慢增长,2006年以来,以深度学习为代表的人工智能等科技进步引起了学者再一次关注技术进步与就业之前的关系。2015年开始发文量急速增长,2016年、2017年发文量分别为171篇和170篇。美国、英国、中国和德国的发文量排在前列。发文量较多的机构主要分布在美国,前三位依次为美国国民经济研究局、麻省理工学院和加利福尼亚大学伯克利分校。  
  我国知网1980-2018年间有关技术进步与就业研究的发文量趋势见图2。检索到最早的国内关于技术进步与就业的研究是1988年,1988-1995年期间年度发文量比较平稳,1995年年度发文量开始快速增长,2004-2018年间发文量波动性增长。2013年以192篇文献数达到高峰,2015年开始下降,但是发文量总体保持在100篇以上。其中赵利、郝楠和王光栋三位作者的发文量排在前三位,科研机构中南开大学、西南财经大学和湖南大学的发文量居于前三位。   
 
    
 
  根据WOS数据库中1646条记录,借助CiteSpace软件能够非常快速的将各国和机构对应研究成果的数量、时间等信息以可视化颜色圈的方式展现出来。年轮越大代表发表论文的数量越多,而年轮外侧紫色圈表示该国家或机构的中心性,中心性与圈宽度呈正相关关系。〔1〕在得到的技术进步与就业研究的国家(地区)和机构综合分析知识图谱中(如图3示),共计260条线以及119个节点,其中圆形节点与直线上分支节点分别表示地区和机构。在图3当中,呈现出技术进步与就业研究的国家(地区)分布相对集中,通过节点连接线能够看到国家(地区)和机构间合作较为紧密。从发文频次角度来看,美国文献贡献率最高,与之前发文量统计一致。从各节点中心性强度来看,美国、英国的中心性也是最强的,表明美国和英国与共现网络中的许多国家都有直接或间接的合作关系,该领域具有主导的影响力和控制力。我国的中心性为0.11,在德国、澳大利亚、西班牙和加拿大等国之后,表明我国研究机构应进一步加强与国际机构的研究互动和合作,以提高其学术影响力。
 
  (二) 关键词共现分析  
  对关键词的共现分析有助于分析某一科学领域研究的热点问题,随着关键词共现频率的增加,文献表达的中心思想就越接近。关键词中心性表示的是,相同节点在某领域当中的中介作用,通常情况下,该指标大于0.1即为较强。为了了解技术进步与就业的研究状况,本文利用CiteSpace对WOS数据库中1980-2018年间技术进步与就业领域关键词进行共现分析,并对共现频率排名前15的重要关键词进行排序,见表1。
   
 
  为了初步探索该领域研究的发展历程,采用CiteSpace软件中突变检测功能探索技术进步与就业研究中关键词的突变点,图4显示了该领域研究的演进过程。结合高频关键词以及阅读重要结点节点文章,可发现国际间对技术进步与就业的研究可以分为两个阶段:1996-2005年,这一阶段的研究主要集中在宏观、中观层面上,重点关注的是以计算机的为代表的信息技术进步对劳动力技能、需求、劳动力就业和薪酬公平性的影响;2006-2016年,为第二阶段,2006年美国杰弗里·欣顿教授提出的深度学习技术及2013年德国工业4.0的提出,引发了学术界对以人工技能为代表的技术进步与就业关系的研究热潮。这一时期的研究主要关注以人工智能、自动化为代表的技术进步所带来的劳动力极化现象。    
 
  为了了解我国技术进步与就业的研究状况,本文同样利用CiteSpace对我国知网数据库中1980-2018年间技术进步与就业领域关键词进行共现分析,并对共现频率排名前15的重要关键词进行排序,见表2。
   
  仍采用CiteSpace软件中突变检测功能探索我国技术进步与就业研究中关键词的突变点,图5显示了研究的演进过程。结合高频关键词以及阅读重要节点文章,可发现我国研究大体可以分为三个阶段:1980-1989年,这一时期技术进步与就业的研究前沿主要集中于宏观层面,如:劳动生产率、经济、劳动力、就业等;1990年-2005年,研究前沿注重中、微观层面的分析,如:企业管理、企业技术进步、产业、工业化、新型工业化等;2006年-2018年,随着深度学习理论的进一步深化,国内学者对技术进步与就业的研究前沿主题紧跟国际步伐,主要集中在就业结构、劳动收入份额、资本深化、就业效应、技术进步偏向和产业结构升级。
   
 
  通过比较可以发现国内研究的热点较之国际大部分是相同或相似的,这表明我国的研究能够紧跟国际研究步伐。同时,我国研究也具有本国发展特色并具有强烈的时代色彩。如:改革开放之后,外商直接投资是促进我国技术进步的主要力量,而农村剩余劳动力的转移也是我国学者研究的热点之一。但是,我国学者对于就业公平、薪酬公平等相关领域关注度不及国际研究高。
 
  (三) 文献共被引分析  
 
  CiteSpace软件的开发者陈超美曾提到,借助文献共被引分析,能够帮助研究人员搜寻该领域的前沿研究。本研究在CiteSpace软件上将节点选择为cited reference,术语类型选burst terms,对WOS数据进行文献共被引网络聚类分析,显示方式为timeline模式(见图6)。从其生成的知识图谱的模块度和轮廓值指标来看,这幅图在聚类方面是理想的。网络的模块度是0.7845,说明这一共被引聚类可以清楚的界定出研究主题的各个子领域。聚类效度评价的另一个指标——平均轮廓值的分值是0.4425,相对较低,这主要是因为很多小聚类的存在,对于本文中我们关注的大聚类来说,平均轮廓值其实是比较高的。  
 
  通过共被引网络聚类图和阅读重要节点文章,可以确定聚类#0和#1是目前该领域研究的重点,其中Author、Goos、Moky、Acemoglu 和Frey等人的文献构成了该领域的研究前沿,也代表着该领域研究的发展趋势,下文将对这些文献进行评述。  
 
  三、 技术进步对就业影响关键文献述评
 
    
 
  通过CiteSpace软件对相关文献的可视化分析,可以准确把握相关研究的重点文献。通过对重点文献进行总结和整理,可以发现目前技术进步对就业影响的前沿文献主要从人工智能的“职业替代”和“职业创造”两个方面进行研究。部分学者也针对智能机器人对制造业劳动力的影响进行了相关研究。
  (一) 职业替代  
  目前主要有两类人工智能替代职业的研究。一种是基于任务的方法。Autor等提出的任务模型是任务方法的基础模型,该模型最大的特点在于它区分了劳动技术(劳动者个体在一段时间内的禀赋)与任务(劳动活动),而我们所熟悉的职位则是数个任务构成的。〔2〕在不同任务时间内,如何分配不同类型的劳动影响着就业问题。在生产中需要常规型和非常规型两种任务,并且这两种任务只有相互配合,才能取得良好效果。〔3〕低技能劳动只能从事常规任务,高技能劳动更适合从事非常规型任务。劳动与任务的匹配程度影响着社会就业,匹配度越高,社会失业率越低;匹配度越低,则社会失业率越高。采取这种方研究方法的学者认为,人工职能将取代部分人类工作任务。Arntz等结合不同工作场景的任务清单,对各个岗位所需技能、任务、经济特征等进行分析,其分析结果表明,经合组织国家最高有12%的工作会面临被计算机替代的风险。〔4〕Borland和Coelli同样选取了这种研究方法,其研究结果表明,在澳大利亚有接近9%的工作会面临被自动化取代的风险。〔5〕  
  此外,还有一种研究方法是基于职业的方法。Frey 和 Osborne对ALM模型进行了拓展,根据美国职业信息网站上的职业信息,通过定量分析的方式对自动化和计算机技术与美国部分就业岗位之间的相关关系进行研究。研究结果显示:美国有接近一半的工作岗位未来都有可能被人工智能取代。〔6〕在后续的研究当中,学者们继续沿用了这种方式,并且针对澳大利亚、德国、芬兰、日本、中国等国家的职业被替代率进行分析,研究结果表明,尽管人工智能的出现对于各个国家职业替代作用有一定的差异,但是都会不同程度的替代现有职业(Pajarinen和Rouvinen,2014; Benjamin,2017; The Bruegel Institute,2014; Chen 和 Xu,2018)。  
  这两类方法从微观视角出发,对技术进步与就业的关系做出了解释。虽然部分学者批判基于任务的方法存在过度强调的问题,对于技术进步对就业总量的影响无法做出判断。但需要注意的是,人工智能对工作的替代并非一个绝对的数值。在很多时候,人工智能仅能替代某些职业当中的一部分工作任务,很难对整个职业进行替代。而决定人工智能对职业替代率的主要因素是任务的自动化程度。所以,基于任务的方法所计算出的结果更具说服力。但是,不论何种方法,都不能仅仅关注新技术的替代效应,而更应当考虑其互补效应。
  (二)职业创造  
  新技术在替代部分工作任务的同时,也创造了新的工作机会。埃森哲研究所的一项研究表明,虽然人工智能取代了很多工作岗位,却又重新创造了很多新的岗位,其中最具代表性的当属人工智能培训人员、维护人员,以及解释人员等。Brynjolfsson和Mcafee认为,机器人的出现可以提供大规模数据处理能力,这势必会造就很多数据分析的工作岗位。〔7〕Autor认为在未来几十年中,自动化和智能机器人在替代部分工作的同时,也会与劳动力形成互补,中等水平的数字、文字、解决方案的工作岗位仍然需要大量的人工进行处理。〔8〕Gaggl和Wright通过实证研究的方法验证了人工智能时代新工作的产生。〔9〕  
  Acemoglu和Restrepo以任务模型为核心,提出了一个就业创造模型。该模型认为在实现自动化以后尽管部分岗位消失,但是这同时会造就一些新的岗位。自动化将降低生产成本,促进资本积累并提高机器的生产率,他们强调自动化的“岗位创造”效应。〔10〕然而,很多人在面对人工智能的时候,往往只会看到其对当前社会所造成的不良影响,却往往忽略了新技术会创造出新的岗位和需求。学者所关注的很多工作岗位出现空缺而同时又有很多人员找不到工作的问题,部分原因是因为“搜寻成本”过高而造成的匹配摩擦问题。〔11〕随着大数据和人工智能等技术的发展,搜索成本逐渐降低,此时我们的关注点应该转向“已经失业或即将失业的人员与新工作岗位之间的技能匹配”问题。
  (三)智能机器人对制造业就业的影响  
  还有部分学者针对智能机器人对劳动力,尤其是制造业劳动力的影响进行了相关研究。UNCAD通过研究指出,工业机器人在电子制造、汽车生产等多个领域当中都有使用,发展中国家有2/3的岗位会被机器人所取代。〔12〕Martech在研究中发现,在本世纪初,美国的很多制造业当中都出现了工业机器人,但是这并没有导致美国制造业出现大规模失业,反而增加了部分就业岗位。〔13〕Mishel等在研究当中提到,对于高技能与低技能的劳动者而言,其劳动结构的变化受工业机器人的影响不大,这是由于这两种岗位的工资变化导致的。〔14〕Hemous提到,智能机器人的使用会在很大程度上替代低技能劳动者,同时又会和高技能劳动者产生互补,这会进一步造成贫富分化。〔15〕通过上述论述可以发现,智能机器人对制造业就业的影响研究以定量测算的实证研究为主,缺乏理论研究框架的支撑,亦没有形成统一结论。 
  (四) 我国研究现状  
  相对来讲,国内学者对于人工智能、工业机器人等相关内容的实证和理论研究不多。马岚主要研究的是日韩的情况,并认为我国即将面临工业机器人取代人工而造成的失业问题。〔16〕吕洁等对22个国家的情况进行分析后发现,那些工业机器人使用范围越大的国家,其高技能人员的数量比也越高。同时他们还发现,在日韩引入工业机器人以后,其劳动力结构发生了非常大的变化。〔17〕吕世斌和张世伟通过对我国1998-2009年期间制造业的相关情况进行分析,发现我国就业市场存在就业 “极化”现象。〔18〕钟世川利用1987-2014年中国制造业数据展开分析,分析结果表明:我国劳动力和资本间出现了明显的互补关系。〔19〕程承坪和彭欢分析了人工智能影响就业的经济学和非经济学机理,并结合我国现状提出了应对人工智能就业影响的对策。〔20〕我国正面临着以人工智能为代表的第四次工业革命的挑战,既要广泛应用高新技术实现产业结构升级,又要关注由于人工智能等技术进步所带来的一系列问题,我国学者应进一步提出正确处理人工智能、经济增长和就业之间关系的具体建议。
 
  四、结论  
 
  技术进步对就业的影响已是学术史上百年争论的话题,学者们的观点难以统一。不可否认的是,以人工智能为代表的技术进步即将对社会就业结构和岗位需求产生颠覆性的影响。纵观研究历程,可以发现学者们从最开始的理论争论,逐渐转向实证研究,研究内容既包括由此引发的宏观经济现象也包括具体岗位的消失与创造,既有历史数据验证又有模型推理预测,学者们从不同层面研究了技术进步对就业的影响。但是人工智能时代劳动力“生成与匹配”机制和转型路径仍是一个黑箱,当代劳动力要如何面对以人工智能为代表的技术进步的影响,前期研究还没有给出明确解答。现有研究缺口包括:一是忽视了人工智能与劳动力“互补”视角的研究;二是重点关注了“被替代职业”或“新创造职业”的类型,缺乏对工作任务特征的分析;三是从静态视角测算了人工智能时代某一阶段的失业率或新创造职业的类型,而从动态视角研究人工智能时代劳动力“生成与匹配”机制和升级路径仍是一个黑箱;四是我国分行业的理论与实证研究相对较少。  
  人工智能在深度学习技术提出之后得到了迅猛发展,各个国家均在部署人工智能发展战略和规划。为了促进我国智能化、自动化技术的发展, “中国制造”“‘互联网+’人工智能三年行动实施方案”“新一代人工智能发展规划”等战略规划相继发布。习近平总书记在中共中央政治局第九次集体学习时强调,推动我国新一代人工智能健康发展,加快研究人工智能带来的就业结构、就业方式转变以及新型职业和工作岗位的技能需求。因此,为了确保劳动力市场面向未来需求平稳过渡,未来我国相关研究应在人工智能疾速发展的背景下,分行业探索人机协同成为主流生产和服务方式后的工作任务特征和劳动力技能需求,并为建立适应智能经济和智能社会的就业培训体系提供政策建议。 
  
  【责任编辑:刘彦武】
 
 
CopyRight 2017-2020 © All Rights Reserved.版权所有:《党政研究》编辑部 未经授权禁止复制或建立镜像

技术支持:四川世毅云网络科技有限公司 | 备案号:蜀ICP备15025617号