2018摩根大通-亚洲协会“领先一步”系列研讨会聚焦人工智能时代的职业教育与培训
2018年11月8日,北京——作为 “领先一步”系列研讨会自2014年推出以来的第十次活动,由亚洲协会香港中心主办、摩根大通支持、中国发展研究基金会协办的“人工智能时代的工作前景:职业教育与培训”研讨会在北京举行。会议聚集了来自公共、私营机构及学术界的领先专家,共同探讨中国劳动力市场和职业教育与培训的发展,包括分析现状、分享可借鉴的全球优秀实践,以及寻求应对未来高科技人才战的最佳路径。
人工智能等科技已成为经济增长的新兴驱动力,并在重塑我们所生活的社会。中国政府已将人工智能产业上升为实现经济高质量发展等目标的国家核心战略。根据国务院于2017年7月发布的《新一代人工智能发展规划》,为即将到来的人工智能时代培养高技能劳动力是当前最紧迫的任务之一,而这对在经济增长与国家竞争力提升方面发挥日益关键作用的职业教育与培训体系提出了更高的要求。
摩根大通中国区首席执行官梁治文
“摩根大通是包容性经济增长的坚定支持者,我们相信应该有更多人获得持续提高经济水平和地位的机会。我们在全球以及亚太地区的劳动力发展领域积累了丰富的经验,并希望通过与中国主要利益相关方的合作,分享我们在应对劳动力发展挑战方面的经验。本次年度性研讨会及我们与中国发展研究基金会的合作,进一步体现了摩根大通充分调动集团资源,以助力本地经济和社区发展的承诺。” 摩根大通中国区首席执行官梁治文表示。
为提高中等职业教育的教学质量,帮助学生掌握获得优质工作的技能,摩根大通在过去三年向中国发展研究基金会的“中等职业教育赢未来”计划,也是摩根大通“青年新技能”计划在中国支持的项目之一,总计捐款达1900万元。双方的这一共同努力预计将惠及四川、广东、贵州和河北四省的31所中等职业学校的150,000名学生。作为计划的一部分,中国发展研究基金会还在今天的研讨会上发布了最新的调研成果《中等职业教育与未来人力资本发展——中等职业教育赢未来计划阶段性报告》。报告指出,近半数中职学生对人工智能等产业发展政策以及相关就业信息有过了解;承载着千万青年人未来的中等职业教育,应帮助更多的年轻人学会操作、管理人工智能等新兴科技,从而获得体面、稳定的工作。
中国发展研究基金会副秘书长方晋
“我国已经建成了全球规模最大的职业教育与培训体系,但仍然面临着不少挑战,比如,教育资源分布不均衡、社会普遍对中等职校学生缺乏认可;更为重要的是,教育质量仍有待提高,方可在即将到来的人工智能时代,解决劳动力市场需求和技能不匹配的问题。我们很高兴也很受鼓舞,包括摩根大通在内的很多企业已经加入我们,大家共同努力创造改变。”中国发展研究基金会副秘书长方晋说。
中国已经面临劳动力人口数量下降的问题,由于中国计划在2030年前后成为人工智能产业的全球领导者,其高技能人才短缺的挑战更为紧迫。在今天的研讨会上,九位专家还就职业教育与培训的全球最佳实践和应对人工智能时代的科技人才战两大议题展开了主题讨论。大家普遍认为,德国、瑞士等国让学生同时在职业学校接受学徒制培训的“双元制”教育模式或许可以给中国职业教育与培训一些启发。
亚洲协会香港中心主席陈启宗
亚洲协会香港中心主席陈启宗表示:“科技创新正在从根本上改变社会经济及劳动力市场所需的技能。因此,打造面向未来的教育体系已成为一项全球性议程。这不仅需要设计契合科技趋势的课程及其他技术性的解决方案,还需全社会齐心协作。作为领先的非政府组织,亚洲协会很高兴能创造这类会谈和合作,与各方共同应对关键挑战,从而打造我们共同的未来。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。