原标题：山高水远的 AI 职业教育

　　目前，许多国家已经开始将人工智能与职业教育结合在一起。从这些先遣经验中，可以大致看到 AI 职业教育的两个关键难题：

　　1. 高等教育系统与人资市场需求的矛盾

　　尽管获得自动化、算法等高级领域学历的学生更有机会晋升到中高级技术职位，但现有的高等教育系统根本无法满足工程劳动力的需求。

　　比如加州州立大学的教育官员就发现，每年该系统工程专家能够收到约十万份申请，来竞争 1 万个名额。

　　此时，向社区学院系统探索职业教育，就成了一个非常重要的补充力量。比如加州社区学院系统是加州州立大学和加州大学系统的 " 支线 "，学生不需要本科学位就可以获得晋升需要的相关证书和技术工作。

　　电力、汽车和能源等领域，特别是太阳能安装等领域，雇主迫切需要员工能够跟上人工智能、机器学习这样的新技术，于是加州社区学院也开始推出了类似 STEM 这样的课程。

　　2. 职业教育的技能衡量标准

　　提升制造业、服务业的 AI 工程技能，一个常规的挑战是，如何确定课程内容符合现实的应用标准？

　　实际上，美国也并没有成熟的解决方法。当前的做法是，将与机器协同的工作技能培训提前至八年级。也就是在 K12 阶段就对课程进行相应的调整，同时引入更多具有相关工作经验的兼职教师的加入，并要求技术工人的公司加强指导和其他在职培训工作，集合社会教育体系来共同摸索。

　　可以肯定的是，在这样的探索中，一方面大量的劳动者有望通过持续学习重塑自我，跟上快速迭代的智能社会。同时，先进制造业也有望雇佣这些高素质工人，创造出前所未有的智力资产。最后，将是整个国家生产制造和经济竞争力的全面提升和扩展。

　　那么，对于致力于在工业 4.0 实现制造业转型升级的中国来说，这些舶来经验是否值得借鉴呢？