2016 年 6 月，《经济学人》专题报道了人工智能进步对社会可能产生的巨大影响(《经济学人》封面报道：从技术、就业、教育、政策、道德五大维度剖析人工智能)。2017 年伊始，《经济学人》再度指出，和工业革命一样，人工智能和自动化时代需要另一场教育革命并对新的教育模式、当前现状及其存在的严重问题进行了深入剖析。

美剧《西部世界》剧照

　　《特别报告：终身学习》的深度分析共包括六个部分：(1)学习▲和挣钱：终身学习具有经济上的紧迫性;(2)认知变换：为了鼓励员工接受再教育，雇主可以做些什么;(3)旧瓶新酒：年长的雇员如何在单位大展拳脚;(4)MOOC 的回归：现有●的教育提供商 vs 新的︽竞争者;(5)必由之路：将条件转变成工作;(6)显而易见的问「题：低技能工人∩的再教育。机器之心对全部内容进行了有删减的编译。

　　引言：终身学习，知易行难

　　当教育的步伐跟不上技▓术发展，就会产生不公平。创新到来之际，工人没有「被利用的价值」就会遭殃——如果这些工人被技术革新远远抛在后面，社会就会】分崩离析。这一洞见从根本上影响了工业革命的改革者们，也推动了国家资助全民基础教育。接下来，工厂和办公室自动化引发了大学生人数猛增。历经△数十年，教育和创新共同推动人类社会走向繁荣。

　　今天，机器人和人工智能召唤者另一场教育革命。不过，这一次，工作生涯如此漫长而且变化迅速，只在人△生初期强加更多教育是不够的。获取新技能必须贯穿人们的整个职业生涯。

　　不幸的是，正如我们本期特别报道所述，今天，终身学习的受益方主要是成功人士，而这」更可能加剧不平等而不是减少。21 世纪经济体不想要产生一个庞大的底层阶级的话，政策制定者亟需制定措施，帮助」国民边谋生边学习。迄今为止，他们的抱▼负小得可怜。

　　传统教育模式——人生初期集中学习，之后公司培训加以补充——正在瓦解。原因之一是需要新的、不断更新的技〓能。制造业越来越多地需要脑力而非蛮力。与此同时，在职培训也在萎缩。市场正在创新以让工人能够有新方法○学习和赚钱。报告谈到的那些革新展示了工作与学习如何交织在一起。然而任其自行发展，这一〖新生市场将会主要服务于那些已经具备优势的人。如果新的学习方式是要帮助那些最需要帮助的人，则政策制定者应该瞄准远为根本的举措。19 和 20 世纪见证了教育的令人震◤惊进步。今天的↓抱负应当不逊于当年。

　　一、学№习与挣钱：终身学习变得具有经济上的急迫性

　　Andrew Palmer 说道：技术变迁将会要求教育和就业间更加紧密和连续的︽关系。这样一←个系统的大纲正逐渐露出水面。

　　游客正在接待区等待一部已退役的地铁车厢来接他们。每一个ξ　房间，主题是分别关于代码、网页▆发展和数据科学。第一眼看上去，General Assembly 的办公室和其他任何一所技术型创业公█司没什么两样。但是有一∮点非常不同：绝大多数公司使用技术来在线出售他们的产品，然而 General Assembly 通过物理世界来教导技术。办公♀室同时也是一个校园。教室里充满了学习和实践代码的学生，他们中的绝大多数为来到这里已经放弃了工作。全日制参与者要支付 8000-10000 英镑(9900-12400 美元)来〗学习为期 10-12 周的数字经济通用语。

　　从西雅图到悉尼，General Assembly 在 20 个城市的校园里拥有接近 35000 毕业生。注册成为全日制学生的人员大多数都希望他们能展开新的职【业生涯。公司的课程表是基于和雇主讨论他们极其缺乏的技能的谈话的基础上制定的。General Assembly 会举办「遇见、招聘」大会，在这里，公司能够看到代表大会的学生完成编程工作。置业顾问帮助指出学生展示的不足之处和提高他们的面试技巧。

　　General Assembly 通过有多少毕业生在他们渴望的领域里获得了一个有薪水的永久的全日◥制工作来测量它的成功。在 2014-2015 年度，有四分之三的学¤生使用了公司的职业建议服务，其中 99% 在开始寻找工作的 180 天内就求职成功。公司创始□人 Jake Schwartz 当初创◇立公司，是被两次个人经历所启发的。一个是根本没有赋予实际技能的耶鲁学位，还有一个两年的 MBA 学位，他感觉到花费了太多的时¤间和精力：「我想◢要通过降低学费和提供雇主迫切渴望的技能来改变教育行业的投资回报方程。」

　　在富裕的国∴家里，学习和赚钱的联系似乎遵循着一个简︻单的规则：青少年应该尽可能多的获得正式教育，这样，在剩余的职业生涯中就可以收获对应的奖励。文献表明每一①年额外的学校教育会带来每小＠ 时 8-13% 的收入增¤长。自从经济危机以来，提前辍学的代价越来越清晰。在美国，随着教◣育稳步提高，失业率也在稳步¤下降。

　　有许多人相信技术变化只能加强正式教育。容易就能被自动化取代的日常工作已渐渐消失。这种观察的另一面是需要更多认知能力的工作正在增长。劳动力市场正在分流，而有大学毕业证书的毕业生将很自然的转向更□　高薪水的工作。

　　而现实看起来是更╳加复杂。教育的回报，即使对于高技能工作者来说，也已变得不那么清晰。根据纽约联邦储备观察，1982-2001 年间，拥有学士学位的美国工人的平均工资上涨了 31%，然而对于只有高中学历的人来说，平均工资一点也没动。但是在接下来的 12 年，大学毕业生的工资下降■率超过了学历没有他卐们高的同龄人。与此同时，大学学费还在不断增长。

　　对于绝大多数人来说，决定去上大√学依然很有道理，但是有关教育和工资间机械关系的想法被打破了。由皮尤研究中心做的一个最近调查显示：将近 16% 的美国人认为在现代经济中，四年的大学生◆涯已让学生为高薪水工作做好准备。这种想法一部分是由经济危机的周期性影响和其余波导致的。这其中也可能仅是∩供给问题：随ω着更多人有了大学学历，相应优质工作就会减少。但是技术又似乎给未来蒙上了一层纱。

　　2013 年由加拿大经济学家三人组——Paul Beaudry，David Green 和 Benjamin Sand 共同发表的一№篇文章质疑了对非常规工作需求的乐观估计。作者说，在 2000 年之前的 20 年，作为 IT 时代建立的基本设施(计算机、服务器、基站和光纤电缆)，对认知技ㄨ能的需求如日中天。现在既然技术已经大部分※安排妥当，此类职业也衰♂落了。他们的调查显示从 2000 年起，美国高技能工作的占比就一直在下滑。现在，大学毕业的求职者不得不从事对认知技能要求较少的工作，替代教育程度不高的工人。

　　这项分析证实了技术会颠覆就业这一观点。熟练和不熟练的工人都陷入了麻烦。虽然受教育程度高的人更可能找到工作，不过现在有≡了公平的机会，这让人感◥到不太愉快。那些从未上过大学的人都被挤出了职场。这是技术悲观主义者的论№点，牛津大学的 Carl-Benedikt Frey 和 Michael Osborne 的预测体◥现了这一点，他们曾在 2013 年计算出 47%的美国现有工作容易受到自动化技术的影响的著名结论。

　　这里还有另一个不那么▅具有决定性的可能。波士顿大学经济学家 James Bessen 研究了自动化技术对特定职业的影响，发现自 1980 年以来，使用计算机的职业的就业增长速度快于不使用计算机的职业。这是因为自动化技术倾向于影响＠ 职业内的任务，而不是完全消除对应的岗位。部分自动化实际上可以通过降低成本来增加需求：例如，尽管在超▲市中和在银行中的 ATM 中引入了条形码扫描器，但是出纳员和银行柜员的数量却增加了。

　　但即使技术不会在总体上毁灭工作，它也会迫使许多人做出改变。从 1996 至 2015 年，在♂日常办公工作中雇用的美国劳动力的比例从 25.5%下降到 21%，减少了 700 万个工作岗位。根据麻省理工学院(MIT)的 Pascual Restrepo 的研究，2007-08 年的金融危机使情况变得更糟■：2007 至 2015 年，非熟练日常工作的工作机会相比其他工作下降了 55%。

　　在许多职业中，获得新技能变得至关重要，因为现有的许多东西都已经过时了。Burning Glass Technologies 是一家波士顿的创业公司，它通过从在线招聘广告中提取数据来分析劳动力市场，发现需求最多的是技能的新组『合——该公司的※老板 Matt Sigelman 称之为「混合型工作」。例如，编程技能现在的需求量远远超过其他技术部门。在美国，薪酬前四分之一高的∞职业中有 49%的职位是动辄要求编程技能的工作。新工作的组成也在迅速变化。在过去五年中，对数据分析师的需求增长→了 372%; 在该Ψ 部门内，对数据可视↘化技能的需求激增了 2574%。

　　在职业生涯的开始，大学文凭并不能迎合持续获取新技能的需要，尤其是职业持续时间〗更长的时候。职业培训善于教会人们特定工作的技能，但这些技能也需要在持续几十年的职业生涯中反复更新。由多数富裕国家加入的经合组织(OECD)的教育∑　主管 Andreas Schleicher 说，「德国经常因其学徒制而受到赞扬▂，但其经济却未能适应知识经济。职业培训有一⌒　定的作用，但是训练一↑个人早一点去做一件持续终生的事情并不是终身学习的答案」。

　　这种特定的专门知识意味着在工ㄨ作中需要它，但是雇主似乎变得不那么愿意投资培训他们的工作人员。美国经济→顾问委员会在总统的「2015 年经济报告」中发现，在 1996 至 2008 年间，接受有报酬培训或在职培训的工作者的比例稳步下降。在英国，工人平★均接受的培训在 1997 年至 2009 年间几乎减少▓了一半，每周只有 0.69 小时。

　　也许雇主自己不知道他们需要什么样的专业知识。但也可能是，当有压力的时候，培训预算特别容易被削减。劳动力市场模式的变化也可能发挥作用：企业现在拥有更广泛的选择来完成工作，从自动化技术和外包到使用自雇者和众包。就业咨询公司 Manpower 的老板 Jonas Prizing 说：「组织已经从创造人才转▲向消费工作(consuming work)」。

　　总结以上，我们可以发现，时代对各种各样的工作者都更加艰难了。大学学位仍然是许多工作的先决条件，不过如果没有足够】经验的话，雇主已经不会以学位作为雇佣工作者的充分条件了。公司的许多职员面临着他们的技能将要过时的未来，但是获得新的技能▃的途径却通常难以找到。「现在，要求营销专业人员具有开发算法的能力是合理的，」Sigelman 先生说，「但是营销的线性职业不能提供获得这些技▼能的机会」。现在越来越多的人成为了自雇者。在美国，临时工、承包商和自由职业者在劳动力中的比例已经从 2005 年的 10.1%上升到了 2015 年的 15.8%。

　　持续学习阵营

　　答案看起来▽很明显。为了保持竞争力，并为低技术工人和高技能工人都提供最好的通向成功的机会，经济需要在人们的々工作生活中提供培训和以职业为重点的教〓育。这份特别报告将列出人们为以新的方式连接教育和就业做出的努力;人们主要通过平缓成为劳动力的开始和使人◎们能够在他们的职业生涯中学习新的技能这Ψ 两种方式来达成这一目标。许多这些提议还处于初级阶段，但它们也提供了对未来的一些预测和关于由终身学习新技能引起的问题的指导。

　　许多东西已经确实的发生了。比如 General Assembly 只是编程训ξ　练营(coding-bootcamp)的提供⊙者之一。由 Coursera 和 Udacity 等公司〗在十年前提供、在近几年大肆宣传的大规模开放∑　在线课程(MOOC)，已经采用了新的以就业为重点的业务模式。LinkedIn 是一个专业的网站，于 2015 年购买了在线培训业务 Lynda，现在正通过名为 LinkedIn Learning 的服务提供课︽程。Pluralsight 有一个←按需培训视频库，并且是一家独角兽公司。亚马逊的云计算部门也有一个教育机构。

　　大学正在更加积极地接受在线和模块化学习。像新加坡这样的地方●正在大力投资，为他们的公民提供可以在他们的工作生活中使用的学习贷款。个人也越来越似乎接受继续持续学习的需要。根据皮尤的调查，54%的美国工〓人认为，在他们的工作生活中发展新技能是至关重要的;这个比例在 30 岁以下♀的成年人中则达到 61%。Manpower 在 2016 年进行〗的另一项调查发现，93%的千禧一代愿意将自己的钱用于进一步的培训。与此同时，雇主也越来越重视学习本身这一技能。

　　二、认知转换：雇主能做〗些什么来鼓励员工进行再教育

　　Infosys 在 Palo Alto 的办公室里有一间摆满扶手椅、抽屉柜、桌子等古董家具的奇怪房间。衣架上挂着粗花呢夹克，一架快报废的钢琴。房间结构粗糙，好像未完成。据 Sanjay Rajagopalan 所说，这才是『重点】。

　　Rajagopalan 先生是印々度商业服务公司设计研发的负责人。他是「设计思维(design thinking)」的信徒，这是一种根植于观察成功创新者的问题解决方法论。他的目标雄心勃勃：把一家按照客户要求建立全球外包业务的公司转变为一个可以为自己的项目设置条款的公司。

　　设计思路强调在整个计划中的行动并鼓励大家以受影响者的眼光看待问题。大约有 100000 名员工已经通过了一系列∮的 workshop。第一个 workshop 为参与者设定〒了一个任务：例如改善数码摄影的体验。这就需要把思路从制作一个更好的相机的想法调整到考虑为什么人们首先看重照々片，因为这是◢扑捉记忆的一种方式。随着思路的延伸，参与 workshop 的人们立即开始用简单的材料如纸板和纸生产相机原型。「当下流行的趋势是在做之前就计划好所︼有的细节，」Rajagopalan 先生说，「而我们的方法是先做，然后测试，之后才是计划。」

　　在 Palo Alto，奇怪的结构是另①一个教学工具。Rajagopalan 先生让一个小团队重新构想数字零售经验。不是再建一个电子商务网站，而是他们在用多种技术试验一个物理空间。(比如说一个疲倦的购物者坐在椅子上，邻桌上的一壶茶◣就会自动烧起来。)在公司的办公室里的商店原型结构是有记录的，员工可以看到设计思想一步步的实施。

　　Infosys 正在解︽决一个非常重要的问题：人们需要☆怎样才能在工作中取得成功?无论是什么工作，答案总是基于特定行业的知识和经验，涉及一些技术上的和具体的技能。但是有了设计思路，Infosys 正在专注于「基本的技术」(比如创新性，问题解决和同理心)。当机器能让人类在执行日常工作任务时感到羞愧◣时，就应该考虑掌握一些计算机很难学会的技能了。

　　哈佛大学的 David Deming 发现劳动力市场提供一些需要社交技能的人。自 1980 年起，在有薪资层次上的就业和收入的的增长速度最快的行业在社会技能方面的↓溢价很高(见图表)。

　　社交技能对很多工作都很重要，不仅仅是医疗护工、治疗师和其他需要与客户接近的工作。Deming 先生认为主要价值在于同事之间的关系：那些能快速有效地∩划分任务的人能形成更有效率的团◥队。如果未来的工作越来越多地由承包人和自由职业者完成，那么合作能力将变得更加重要。即便是极客也需要学习这些技巧。Ryan Roslansky 负责 LinkedIn 的在ω线教育，他注意到许多软件工程师正在他们的网站上学习管理和沟通课程来提升自己的全面技能。

　　打造一个更№好的学习者

　　发现并保住饭碗的另一个越来※越重要的技能是不停地学习。当技术正在以一种无法预测的方式改变，工作变得富ㄨ有交叉性时，人类就需要能学习掌握新技能。在 Infosys，Rajagopalan 强调「学习速率(learning velocity)」，在几天或几周内从一个问题变♂成一个好想法的过程。Alphabet 目前的执行总裁 Eric Schmidt 谈到谷歌的招聘重点放在了「学习动物(learning animal)」上。Facebook 的创始人 Mark Zuckerberg 每年都会为自己设下一个新的学习目标。

　　强调学习≡一直是 United Technologies(UTC)的一个标志，这是◤一家企业集团，旗下业∴务包括飞机发动机制造商普惠公司(Pratt & Whitney)和电梯制造商奥的斯(Otis)。1996 起，UTC 启动了一项学习计划，旗下员工可以其中获得一个业余学位，并为他们提供每年高达 12000 美元的学费，没有任何附加条件。雇主往往不愿给员工做培训，怕他们技术提升后，离职去竞争对手公▅司。但该公司的人力资源副↘总裁 Gail Jackson 有不同的观点。「我们希望招来有求知欲的人，」她说。「给他们培训让其变得更好总比没有培训让他们留下的好。」

　　这种观点变得越来越常见。当 Satya Nadella 2014 年掌管微软时，他借助斯坦福大学心理学教授 Carol Dweck 的作品来推动公司文化朝新方向发展。Dweck 女士将学生划╱分为两大阵营：认为能力是天生且不可改变的人(需要给其学习动机)和认为能力是可以通过学习提升的人。这种「增长心态(growth mindset)」是公司试图鼓励的。微软已〇修订其业绩审查标准，包括评估员工如何学习他人然后应用知识。微软还建立了一个内部的门户网站，整合了通卐过 LinkedIn 购买■的培训供应商(微软自己也在购买)Lynda。

　　电信和媒体公司 AT&T 拥有大约 300000 名员工，这家公司面临着两大劳动力问题：在大◣数据和云计算时代的√背景下快速更新技能的需求，不断的员工流失使公司不得不每年填补 50000 个职位。从外部招聘很难很贵，而且极易招致现有员工的不满。这家公司的方法是对现有员工进行培训。

　　每个员工都有自己的职业简介，里面包括他们的技能和经历过的培训。他们还可以访问一个名为「职业智能(career intelligence)」的数据库，向他们展示公司内部所提供的工作及相』应的技能需求和薪资水平。该公司还与 Udacity 合作开了一个短期课程，同时正在与多所大学一起开发课程。员工利用自己的时间开发自己的技能。但 AT&T 用「胡萝卜加大棒」策略来鼓↙励他们，给那些积极参与课程的员工慷慨地赞助学费(2015 年共计 3000 万美元)，同时对于那些没有兴趣的员工给予负面评价。

　　随着持续学习成为公司的优ㄨ先事项，出现了两个问题。第一个是，公司是否有可能根据好奇心(心理学家称之为「认知需求」)来筛选候选人和员工?上大学是一种非常粗糙的获⌒　得基本技能的途径，这解释了为什么那么多雇主要求学历，而事实上这份工作不需要这些。

　　越来越↑好奇

　　更多由数据驱动的方式也正在被尝试。Manpower 是 一个人力资源咨询公司，正在一个 app 应用上运行自己的试验，这个 app 可以对个人的学习能力打分。Knack 是另外一→家初创公司，提供一系列实际★上是游戏化了的心理测试 app。而在 Dashi Dash，参与者扮演服务生的角色，然后根据顾客的表情(通常非常难懂)来给∑顾客下单。随着越来越多的顾客的出现，管理工作流程的工作变得越来越难。每一个决定和每分钟的决策改变都会被捕获到并以数据点的形式传到云端，通过∏云端数据里对 2 万 5 千人的数据参▲考，机器学习的算法开始分析玩家的能力。具备读取顾客表情的能力将会在同理心方面获取相应的加分;一个按照顾客进店先后顺序来招待顾客的决策将会是诚信品格的一个指向标。好奇心是 Knack 测试的特质之一。

　　第二个问题是，有没有可能做到训练人△去学习。成像技术正在帮助我们揭开好奇心比较强的人的脑内活动情况之谜。在』神经科学期刊 Neuron 2014 年ξ发表的一项研究中，参与者首先被要求▼给自己在学习不同问题解答上的好奇心程度打分。随后，那些所要学习的问题的解答将会展示给参与者，同时展示给参与者的还有一√张陌生人的脸部照片;最后参与者要完成一个对答案内容回顾的测试和一个脸部识别测试。好奇心较强的参与者在这两个测试上，对内容的记忆保持▽较好，脑部扫〓描的结果显示他们中脑边缘多巴胺系统的活动更频繁，中脑边缘多巴胺系统是一个奖励通路。同时海马体的活动也♀更频繁，海马㊣　体是一个形成新记忆的关键区。

　　想知道人的特质(类如好奇心)能不能通过教导而习得现在还为时尚早。但是目前通过让◎个体对自己的思考过程更关注从而让其变成更↘有效的学习者是越来越容易了。随着网络教育的兴起，关于什么在教育●和学习中起到作用的假说变得越来越容易检测。MIT 已经率先提出了一个研究计划，这个计划是对学习机制的跨学科研究并将研究成果用于自己的教学中，包括线上和线下的教学。MIT 有自己的线上学习平台，包括一个同哈佛共建的 MOOC 平台——edX，可以为这项研究提供试验环境。当 MOOC 的学习者被要求写下所参与的某个课程的学习计ζ　划时，他们将比另外一个对照组成员有 29% 的比率更可能完成所参与的课程学习。

　　有关有效学习策略的信息也可以个性化。Open University，一个英国远程学习机构，已经使用控制板来管理每●个学生个体的线上行为和表现。Knewton，这个机构的学习平台已经获取了 1 千万当前美国学生的数据，然后向学生推荐个性化的学习内容。个性化的内容推荐以帮助〓人们更多的关注自己♀的思考过程，从而使他们更有可能能够学习到他们ω　后面所需的新技能。

　　三、旧瓶装新酒：年长的雇员如何在单位大展拳脚

　　人们处理信息的速度从 20 多岁开始就稳步下降。你的认知能力可能已经⊙在减弱。

　　处理速度最＠常见的测试是「数字符号替换测试(digit symbol substitution test)」，其中一系列符号与代码中的一组数字配对。将代码展示给参∏与者，并给他们＠一排符号，然后要求他们在一个设定的时间内写下相应的数字。没有什么认知挑战性的任务;教育程度对绩效没有影响。但年龄々有影响。随着年龄的增长，配对速度持续下降。

　　对于这种机制的解释目前还停留在假设层面，但是，人们已经提出不少实验性的解释。有观点将原因指向了¤髓磷脂，一种覆盖轴突(负责将信号从一个神经元传给另一个神经元)的脂肪物质。随着年龄的增长，髓磷脂的稳定减少可能会〓让这些链接速度慢下来。另一种解释认为这与多巴胺减少有关。

　　幸运的是，年龄的增长有利有弊。心理学家区分了「流动智力(fluid intelligence)」，大致等同于人类◣解决新问题的能力，以及「晶体化智力(crystallised intelligence)」，大♀致等同于个体的知识储量。知识储量会随着年龄的增长继续递ぷ增：在词汇、通识测试(general-knowledge)中，人类表现会持续提升，直到 70 多岁。而且经验常常能抵消认知能力的下降。

　　对于终身学习，所有这些意味着什么?只要人们在熟悉的领域中ㄨ学习新知识，这就会很棒。不过，如果年长的工人尝试全新知识领域，进展可能就不会顺利。

　　四、MOOC 的回归：过去的教育提供商 vs. 新的竞争◤者

　　MOOC 的热潮高峰出现在 2012 年，投资分析师 Salman Khan 通过互联网给他的表弟教授的小规模课程最终变成了广受欢迎的教育资源——可汗学院(Khan Academy)，那年他☉登上了《福布斯》的封面。另一家 MOOC 提供商 Udacity 的创始人 Sebastian Thrun 则在《连线》上预言未来 50 年内，全世界的大学数量将会降至仅仅 10 所。《纽约时报》则将那一年称为 MOOC 的一年。

　　蜂拥而来的学习者似乎预示着一种全新的开放式教育方式即将兴起，但现在 MOOC 的怀疑者却超过了信徒。尽管现在仍然还有很多人注册 MOOC，但辍学率也高】得惊人。

目前，可汗学院每个月有大约 1400 万到 1500 万用户至少会进行一项学习活动;Coursera 有 2200 万注册用户。这些数字还在增长♀。英国 Open University 所有的 MOOC 则还有大计划。牛津大学在去年 11 月份宣↓布将在 edX 平台上「推出其第一个♀ MOOC。

　　在商业模式上(尽管可汗学院等一些是非营利的)，比如，Udacity 推出了一些以技术为核心的纳米学位(nanodegree)，范围从基础一直到前沿。

　　Coursera 的内容大多来◣自大学，而非专家导师;其涵盖的范围也广得多;而且其还提供完全学位以及短期课程。Coursera 也有一些收费项目々(发布认□证等等)。

　　目前还处于非常早期的阶段。Coursera 并未公布其付费学习者的人数;Udacity 则表示其纳米学位参与者有 13000 人。但不管数据◥如何，重※新发明的 MOOC 总归帮助学习者的继续教育解决了两个问题。

　　一是学习的成本——不只是金钱≡成本，而且还包括时间成本。

　　二∞是能为人们提供快速反应的能力。现在的技术发展速度如此之快，教育系统必须做出快速≡反应才能培养出社会◤所需的人才。MOOC 凭借高度的灵活性也许就能够为这种需求提供帮助。

　　密歇根大学 Ross 商学院的院长 Scott DeRue 将教育和音乐这个行业进行了比较。在 iTunes 和流媒体服务出现之前，音乐是以唱片的形式销售的。而对比教育行业，学位就相当于唱片，MOOC 上的免费课程内容就相当于免费的流媒体音乐服务，而纳米学位这样的「微认证(microcredential)」就像是 iTunes 上的付费单曲。

　　大学应该对此做出怎样的回应呢?DeRue 再次使用了音乐行业这个比较▓。面对互联网所带来的颠覆，大学教育将会变成现场演唱会，将能提供网络课程所不能提供的独特优质体☆验。从学校获得的学位将成为这种优质经历的象征。

　　大学也可以让他们的教育资源更容易通█过网络获取。这正在开始╱发生。当乔治亚理工决定以低成本提供其计算机科学硕士课程的在线版本时，很多人都惊呆了：这似乎会有损于其学校课程。但据学习该〇课程的哈佛大学的 Joshua Goodman 说，这个决定是正确的。校园课程仍将继续吸引 20 岁出头的学生【，而网络课程则》能吸引到无法离开工作岗位的 30 几岁的职场人士。Goodman 估计这个课程能每年将美国计算机科学新硕士的数量提升 7% 到 8%。

　　教育的》乐高

　　大学也可√以变得更加的模块化。EdX 的供应链管理课有一个微硕士学位，这个课可以作为单独学习的课程，同时也纳入 MIT 硕士学习课◆程之中。威斯康辛麦迪孙大学已经构建了一个名为 University Learning Store 的网站，这个网站提供实用学科(例如项目管理和商业写作)的线上学习内容。热心家们在讨论一个「证书堆叠」的世界，也即资格证书就像乐高Ψ 的基本模块一样能够被组装在一起。

　　但是，大学在朝着这个方向发展的道路上能走多№远和多快还不可知。学位目前还是被高度重视，并且批判性思考和社交技能将在更多的地方显示出自身价值的观点越来越得到重视。「大学的校园ㄨ、终身教职机制等等对短期课程没有作用，」Jake Schwartz 补充说到，他是 General Assembly 的老板。「覆盖固定成本的经济因素促使他们在这个方向上走的更久。」

　　教育机构同时努力去提供非常快速更新的内容。Pluralsight 用一个类似于书籍出版的模型，通过 1000 个专家组成的网络来生产和更新其 IT 和创造技能视频库的内容。这些专家根据他们内容↑被观看的频率来获得相应→的版税;Pluralsight 上去年收益最高的专家赚取了 2 百万美金，这一数据来源于这家公司老板 Aaron Skonnard。这样的回报对网站视频内容的生产者持续更新他们的内容是一个极大的鼓舞。大学的院系制度★有其他优势。

　　除了成本，MOOC 面临的第二个问题是认证的问题。现代劳动力市场广泛地通过学位和职业证书来了解一个人的技能↓和专业知识。MOOC 则希望通过⌒微学位的方式来解决这个问题。

　　但雇主需要相信这些认证是可靠的。LinkedIn 想出的方法是让会员的联系人为他/她的技能「背书」，并以此来认证一个人的技能水⊙平。这能够减少对学位认证的需求。

　　MOOC 还可以通∏过大学来协助认证。Coursera 依赖大学和商学院来为其提供内容;这些大学的名字也会出现在相关的证书上。另外也有一些公司企业也能够起到学术认证的作用，比如谷歌的安卓开发纳米学位▲。

　　不管在哪里学习，学生都应该寻求获得可信的认证。当一门课学生〖数量少时，也许可以得到老师的直接认△证。但有的 MOOC 的学生数量非常大，让少数几位老师来进行认证是不切实际的。自动化认证能帮上我们的忙。Udacity 让其学ζ生将代码上传到 GitHub，机器学习毕业生可以在▽几个小时之内就给出反馈。

　　但即便这个问题可以解决，但微学位可能是会有很多水分的。虽然和大学学位一√样，微学位也需要一些※认证和考试，但微学位的很多学习过程都是在非正式的场景中，很多工作所需的技能无法在这个过程中被学习到。

　　一种〖处理方式，是通过发行「数字标牌(digital badges)」将知识货币转化为小面额货币来认证不太正式的成♀果。澳大利亚最大的高等教育机构墨尔本皇家理工大学(RMIT)，正在与资格认证平台 Credly 合作，为那些没有通过测试但是对企♂业依然有价值的〒技能签章。RMIT 的副校长 Belinda Tynan，引进了工程学学生做的一辆电动汽车，进入比赛并赢得赞助商作为一个例子。

　　数字标牌的麻烦是它增长的太快了。在 2016 年与 Credly 合作的一个〗项目中，伊利诺斯州立大学单独创建了 110 个 badge。加上 MOOC 证书，LinkedIn Learning 课程、能力本位教育 General Assembly 等诸如此类，和创造新知识的货币看起来更会导致恶⌒　性膨胀。

　　David Blake 是创业公司 Degreed 的创始人，希望通过打造成一个资格的中央银行来解决这个问题。他想发布一个标准化的技能水平评估，不管人们用什么方法获得这项技ζ　能。该计划是建立一个主题专家网络来评估员工的技能(比如说，复制编辑或信用分析)，和一个标准︼化的分级语言，不论何时何地对所有人都是一样★的标准。

　　Pluralsight 也在朝类似的方向发展。它是一个诊断工具，使用一种称为项目★反应理论的技术来计算用户在编码等领域的技能水平，给他们评分。该系统有助于某人下一步应该学习什么，还为公司提供了一个标准化的方法来评□　估人们的技能。

　　然而，一套标准化技能测量『系统有它自己的问题。让专家给能力打分所产生的问题是对这些专家的资格的质疑。项目反应理论难以评价主观技能，例如构造论点的能∏力。在 IT 这种领域，具体可评估＠的技能。更适合这种方法。

　　是非常的适合。事实上，它们可以直接测试。一个在亚美尼亚的青』少年 Tigran Sloyan 过去△常常参加数学奥林匹克竞赛。那段经历帮助他赢得去麻省理工学院读书的机会，还让他在旧金山创卐建了一家名为 CodeFights 的公司。该网站为 500000 用户提供免费的游戏化的挑战作々为一种帮助程序员学习的方式。当他们足够了解，他们将向雇主▲输送人才，如果推荐的人才被成功录用，雇主会向这家公司支付人才薪水 15% 的钱。斯德哥尔摩的创业公司 Sqore 利用竞赛为其客户筛选工作申请。

　　五、路径依赖：将条件∮转化为工作

　　大学教育旨在作为一个缓冲期，让学生进入更广阔的世界，期望能指导他们加入工作。但是 在实践中，许多人〓还是陷入了困境，因为雇主♀要求的是具有特定经验的证明。-这是否是技能鸿沟(skills gap)是辩论上的问题。- 宾夕法尼亚大学沃顿商学院(Wharton School)的 Peter Cappelli 说：「如果▂我找不到一辆价格 15000 美元的强劲、节能和易于停放的汽车，那这并不意味着汽车短缺。」但是，无论是教育者还是雇主方向有问题，我们都需要引导个人进入就业ㄨ的道路。

　　有时，一些工作基础医学和法律已经明确地界定了。职业教育将课堂和基于工作的学习相结合，为准备进入特定行业的年轻人做好准备。在许多欧洲国家，三分之一到半数的高︽中毕业生将进入职业道路上(见图表)。

　　但是，在≡其他国家(例如美国，缺乏职业教☉育的传统)需要更多途径来将正规教育毕业生平稳≡地过渡到工作中。纳米学位(nanodegree)就是这种方式的一个▓例子，它非常依赖雇主提供的内容评论。

　　这在人们↓职业生涯的早期阶段尤为重要，这不仅仅是因为他们缺乏经验，同时还因为收入增长最快。从美联储经济学家对美国工】资增长的分〓析表明，大部分收入增长发生在 25 岁至 35 岁之间，平均而言，在 45 岁之后，只有 2% 的工作者能拥有提薪的机会。因此，对于人们来说，一旦〓获得资格证明，就必须迅速加入工作岗位中。

　　这是初创公司 LearnUp 的见解，它通过与没有大学学位的申请人合作开展入门级职业教育。在线申请工作的「用户可以点击一个链接，参加一小时的在线培训课程，了解如何成为出纳员、销售员或这些之类的。雇主向 LearnUp 支付固定费用以提高候选人的人数，从而使Ψ招聘和留任率上升。

　　Generation 是由麦肯锡社会倡议运营的慈善社会计划，是一家非营利性的咨询机构，它采用了一种训练营方式和一些典型的麦々肯锡思维方式来培训对申请中等职位有困难的求职者。该程序从进入工作场所并识别关键事件开始做分析。

　　课程设计师然后使用该分析创建一个涵盖技术知识和行为技能并◥持续 4 至 12 周的全日制培训计划。该计划已在美国、西班牙、印度、肯尼亚和墨西哥上线。到 2016 年年底，它有一万名毕业▲生。这个项目学员不用付钱，但雇主需要支付。

　　这样教育就可以让人们从事特定的工作。职业教育有利于让毕业生尽快上班，但对人们适应工作◥世界的变化并没有帮助。实际上，胡佛研究所(Hoover Institution)的研究人员在 2015 年进行的一项跨国研究表明，接受职业教育的人们比那些接受普通教育的人更有可能随着年龄的增长而退出劳动力市场。在严重依赖学徒制度的国家，如丹麦、德国和瑞士，这种模式尤※为明显。

　　大公司▆可能更有规模地为员工提供内部培训来提高他们的技能。但许多工作者并不知道走怎么样的发展路线。这表明，企业很可⊙能在行动、实效上作为职业顾问。去年推出了一个名为 MyPath 的计划，该计划基于学习和工作迭代的☆想法。它允许美国临时工人从西方国际大学(Western International University)获得学位，并且不需要㊣支付费用。该学位的结构是由一系列教育☉阶段组成，在教育阶段后是工作阶段，他们期望人力资源有良好的评价，从而有高薪工作的机会。

　　领英是另一个对更广泛趋势有正确理解的组╱织。专业网络站点喜欢称它拥有的数据为「经济图谱」，即全球经济的数字地图。它的〗求职者数据及招聘平台，为其【提供了关于雇主的需求以及求职者需要什么技能的信息。通过领英学习(LinkedIn Learning)，它现在也可以提供培训资源。

　　提供大众市场职业建议的困难是怎样找到一个商业模式为其╲买单。领英主要针对专业人士来解决这个问题，他们自己对支付服务或招聘人员感兴趣。但这又产生了一个更大的问题。

　　六、显而易见的问题：低技能工人的再教育

　　想象→下你是 45 岁的长途货车司机，从来没有享受过学校生活，并总想尽快离◇开它，证书很少。虽然工作很累很孤独，但它至少似乎提供了体面的工作保障：司机短缺在行业内常年是一个问题，并且劳动力的平均年龄很高(英国是 48 岁)，所以缺口很可能变得更糟。BLS 网站预测，「随着经济的增长，货物需求将急剧增加，从而需要更多的卡车司机来保持供应链的正常运行。」

　　但未来可能会有很大的不同。货运行业可能更快地采用自动驾驶汽车。根据 2014 年摩根史丹利投资公司(Morgan Stanley)的报告，全自动化可能会使美国卡车司机的数量≡减少三分之二。这些预测是警告，但它又是正确的。采用无人车的速度很可能会由于监管而减缓，可能仍然需要司机来处理不可预见的问题，如果这些新出现的司机工作↓需要更多的技术知识，他们甚至可以获得更高的薪水。但其他部门的就业可能会随着运费降低而增加。但也有可能在不久的№将来，大量的卡车司机发现他们自己是多余的。

　　知道什么时候跳槽也是一个问题。对于＠ 那些有着几十年工作经验的人来说，放弃还太早，但是，认为变化不会▅发生，也是有风险的。

　　对于ξ　这种低技术工人而言，他们与 MOOC、General Assembly 和领⊙英的世界距离很远。约有 80%的 Coursera 学习者拥有⌒大学学位。在时间和金钱方面，再培训的成本对于他们来说也是很少的。而动机是大问题：互∮联网提供的巨大的学习机会根本不会吸引每个人。

　　再教育回报最高的是计算机技能，但是，从卡车司机到程序员，没有一条自然■路径。在一个评估全球卐成人技能的项目中，OECD 给出了 33 个成员国成年人计算机水平的暗淡图景(如图)。

　　每五个成年人中，就有√一人的阅读和数字水平很差。每四个人中，就有一人几乎没有计算机经验。使用技术来解决问题的能力，几乎所有的成年人都在最低的熟练水平之下。

　　而且，如果要掌握新技能，最好的办法就是『实践，但是，许多工作包括卡车司机几乎无法提供这样的机会，有些∩工作甚至是进一步去技术化的。

　　因此，卡车司机的难题很难解决。任何体面的答案都需要个体、雇员、教育提供商的协作努力。特别是两个单位的角色，很重要。

　　一◆个是工会。他们了解全产业的发展趋势，而小一些的雇主可能没有这样的视野。工会还可以陪伴工人职业生涯，在♂一个自我雇佣呈上升趋势的世界里，这会变得更加重要。丹麦著名的「弹性安全(flexicurity」系统就是一个很好的例子，为失业工人提供一张有关行业培训计划的清●单。

　　第二个是政府。虽然终身学习谈得多，但是，只有少数国家正在付诸实践，比如新加坡︻政府。考虑到国⌒　家大小、政治系统的不同，新加坡的办法虽然难以复制，但是仍然可以从中学习到东西。

　　2016 年 6 月，我们曾经调查过人工智能领域以及◢工作变化时工人所需要做出的调整。「那意味着要让教育和培训变得足够灵活，快速而高效地教授新的技术，」我们总结↘说，「这更需要强调终身学习以及在职培训，更广泛地使用在线学习和视频游戏风格的模拟。」

　　技术变迁的步伐和范围所↘带来的不确定性是巨大的。不过，毋庸★置疑的是需要找到新的、更有效的方法来发展、增加工作技能。

　　连接雇佣教育╳的新生态系统的微弱轮廓正变得可加辨识。雇⌒主更加强调雇员的适应能力，好奇心和学习。他们正在和大学以及新的教育提供商合作，打造和提升□　自己的人才供应链。短期课程、低成本、在线学习正让人们更加容『易将工作和培训结合起来。

　　与此同时，新技术也让学习更高效，更有必要。虚拟和增强现实能更本上改善职业培训。大数据为卐个性化教育提供良机。平台使得不同知识水平的ξ人连接起来更容易，还能进行 p2p 教育和指导。「教育正变得灵活、模块化、易接触到和学的起。」

　　但是，到』目前为止，这个尚处初期的△生态系统可能不对称地让那些最不需要帮助的人群。