中图分类号G40-015 文献标识码A 文章编号1001-8263(2021)10-0156-07 DOI：10.15937/j.cnki.issn1001-8263.2021.10.019 随着人工智能技术由弱至强的发展，人类生活特别是劳动领域发生了前所未有的改变，弱人工智能在某些机械性、重复性的劳动领域已经可以替代人类，强人工智能具有与劳动主体认知的同构性，其进一步发展可能形成能够自我升级的超级智能系统，对于人类的劳动存在方式构成挑战。人工智能革命引发教育革命，面对机器替代人、机器强于人甚至机器奴役人的威胁，劳动教育所要实现的转向包括三重：劳动技能层面的数字化转向，劳动认知层面的智慧化转向，劳动存在层面的美学化转向。 一、人工智能革命：从工具变革到存在挑战 弱人工智能是一种工具性智能，推动了从“力的技术”到“智的技术”之变迁，因而与以往的劳动工具存在本质的差异。从弱人工智能到强人工智能的技术演进，则是对人类认知模拟的跨越式进展。强人工智能通过深度学习模仿人类神经网络，进而可能具有人类的情感与意识，能够不断进行自我反思与改进，形成超级智能。超级智能对于人类劳动的影响不仅仅是工具性的进步、智慧性的启示，更是存在方式的革命。 (一)劳动工具的改进：从力量驱动到智能控制 人类从农业时代、工业时代、信息时代到智能时代的发展过程，也是劳动工具的演变过程。劳动工具作为人体器官的衍生和延伸，增强了人对外界环境的改造能力，可以说“工具的发展史是工具逐步替代人体劳动器官的功能的历史”①。在能够制造工具之前，人类用天然器官来进行简单劳动，手是触摸、抓取和移动的原始“工具”，而人自身的体力就是推动力。技术哲学创始人卡普曾提出“器官投影说”，将工具视为人体器官的投影，器皿、斧头、锤等劳动工具，是以人手作为原型的模仿，部分地完成了对于肢体劳动的辅助，但仍需要人手的参与，需要人的体力转换为工具的动力，所以在农业社会身体劳动是重要的劳动形式。自人类发明蒸汽机以来，机器自身开始具备驱动力并能够进行能量的转换，其强劲的动力胜过人类的体力，人类可以通过操作和控制机器来进行劳动生产。 机器与传统劳动工具之间已经出现了重大差别，它改变了“对使用者的技能和驱动力的依赖程度”②。在以机器为主的劳动中，整个劳动生产过程被划分为若干步骤，形成基本的操作流程，劳动者操纵机器的技能十分重要。机器本质上仍然是一种“力的技术”，着眼于劳动驱动力的变革和发展。但是，人工智能的诞生，打破了以“力的技术”为根本的范式，转而强调“智的技术”，从而与以往的劳动工具有着本质的差异：“机械化劳动工具的核心特征是工具对于人部分器官和功能的替代，而智能化劳动工具则是以对部分劳动者的替代作为目标的。”③也就是说，人工智能是以人类智能为原型的技术再现，智能化工具不仅能够将人类肢体器官(手)外化，也能够将人类的脑力器官外化和投影，达到无须人力参与的自动化程度。 一开始出现的智能化工具仅仅是弱人工智能，但是，弱人工智能的出现，已经在劳动工具发展的意义上实现由部分器官的延伸到人力的取代。“所谓科学在生产中的应用在本质上就是以人造器官取代人的天然器官去从事生产。这一取代的发展趋势是从局部的取代走向全面的取代，从首先对人的手脚、四肢的取代，进而到对人的体力的取代，而最终则引向在生产中对人脑的取代，使得机器完全代替人去从事物质生产劳动，甚至于某些机械性的精神劳动。”④如今，弱人工智能能够替代许多低技能的、重复性的劳动，劳动密集型产业中的许多岗位已经由弱人工智能所占据。“智能化劳动工具具有智能化、自动化和自主化，低端操作性的技术劳动逐渐被自动化程序所取代，例如工业机器人在机车操纵、焊装、封包等操作性领域已表现出对低端技术劳动者的高替代性，而智能客服、智能物流车则对从事相关行业的劳动者产生直接替代的作用。”⑤从简单工具、机器到人工智能的演变，伴随着劳动者从体力参与、机械驱动到程序控制的发展，劳动工具在这一过程中对劳动者的技能依赖性不断降低，而生产效率却不断提高，甚至部分劳动者被智能化的工具所代替。 (二)劳动认知的模拟：从符号编程到神经同构 作为“工具系统”的弱人工智能在本质上仍然是人体器官的投影，其意义主要在于对劳动动力的变革，弱人工智能还不具有劳动主体的思维能力。强人工智能的不同之处在于其试图对劳动主体及其认知结构进行模拟，试图建立与人类智能相似的认知系统。这种认知的模拟起初是对于人类思维推理的符号模拟，将人类思维看作是一种符号推理活动，通过符号的编程和运算来模拟人类的思维过程。但是，这种符号逻辑智能无法应对不确定的变化，无法处理复杂的情境性问题，而只能诉诸专家系统。进一步认知的模拟开始探究人类思维对于外部刺激的加工过程，这种加工过程建立在神经网络节点之间的联结和相互作用之上，不同于符号化的通用模式，这种认知模拟试图构建出人工神经网络模型。经过单层神经——多层神经——深度学习网络的技术迭代，人工神经网络模型大大推进了人工智能的认知水平。“基于深度学习的人工神经网络模型力求与人的神经系统在结构上达到部分的(即同构)仿生意义上的类似，从而类似于通过搭建神经联结来构成一个新的大脑。”⑥ 强人工智能以深度学习对于人类认识系统进行模拟还原，使其不同于程序性控制的弱人工智能。“在人工智能的语境下，深度学习指的是一种新的算法，它通过模拟人类神经网络，构建具有多隐含层的机器学习模型和海量的训练数据，让机器自动学习有用的特征，从而提升分类或预测的准确性。”⑦通过“深度学习”，人工智能一方面能够利用互联网获得大量的动态数据，并实时地对于数据进行自动化抓取；另一方面对数据进分层次的深度挖掘，发现其中的深层结构和意义关联，进行关联性预测，设计问题解决的最优策略。
