最近，ABB公司联合经济学人智库（Economist Intelligence Unit）发布了一份指数：
自动化准备指数（The Automation Readiness Index）。
这个指数衡量了各国应对即将到来的智能自动化浪潮的能力。它衡量政策促进技术进步、创造新业务、发展技能以帮助管理劳动力市场的转变。
政策分为三大类：创新环境、教育政策和劳动力市场政策。国家样本包括20国集团和5个代表世界不同地区的国家。衡量标准则包含了基于52个指标。
让人意外的是，在上述三类指标中，中美两个大国并没有占据绝对地位，而韩国、德国和新加坡是准备将智能自动化顺利融入其经济的世界排名最高的三个国家。
核心发现：即使是做好最充分准备的国家，也必须制定更有效的教育政策和培训计划
自动化准备指数被编制在“WHO IS READY FOR THE COMING WAVE OF AUTOMATION?”报告中，该报告发现，全球许多国家刚刚开始认真对待AI和基于机器人的自动化带来的机遇和挑战。
报告发现，如果政策制定要跟上自动化创新步伐，就需要*、行业、教育专家和其他利益相关者之间更多的参与。
报告强调，无论决策者是否准备好，企业都在快速地将人工智能和先进的机器人技术整合到他们的运营中。
随着未来几年的采用速度加快，对经济和劳动力的影响以及对教育和培训采取更协调一致的做法的需求将会变得更加明确和迫切。
除排名前三的韩国、德国和新加坡外，最适合迎接这一变化浪潮的国家还有（排名前十位）：日本，加拿大，爱沙尼亚，法国，英国，美国和澳大利亚。
但不乐观的是，在评估创新、教育和劳动力市场的政策和战略的存在时，该研究发现，目前很少有针对人工智能和机器人自动化的挑战。在接受采访的几位专家看来，目前还没有哪个国家能“勇敢地面对挑战”。
即使是做好最充分准备的国家也必须制定更有效的教育政策和培训计划，并将新的重点放在持续的学习过程中的事业。
另外，报告还发现的比较重要的方面有：
一、智能自动化的挑战和机遇需要由多方利益相关方参与的强有力的政策响应，但到目前为止，两者都缺乏。
决策者、产业界、教育专家和其他利益攸关方之间缺乏接触，因此必须重视这一现象。
二、中等收入国家将发现适应自动化比其他国家更加困难。
除中国外，高收入国家与中低收入者之间存在巨大差距。但是，以农业为基础的低收入国家所面临的风险要低于中等收入国家，这些国家拥有大量的制造业基地。基础技能教育的缺点以及其他弱点，将严重阻碍南亚和东南亚国家的发展，例如，他们正在试图利用人工智能和机器人来模拟东亚的“老虎”，因为他们试图利用自动化提供的机会。
三、指数领导者为人工智能和机器人研究提供了大量资金和其他支持。
*为创新和创业提供的大多数支持都是与技术无关的，并且，基础研究是不同的：例如，日本和韩国*将数亿美元的资金投入到进行人工智能和机器人研究的公共和私营机构。德国、美国和新加坡也采取了同样的做法，但德国的大部分资金都流向了制造业，并支持其他技术的研究，如物联网和数据分析。
四、很少有国家已经开始通过教育政策来解决自动化的影响。
智能自动化预计将提高与STEM（科学、技术、工程和数学）以及所谓的软技能相关的教育的重要性，这些技能允许工人利用他们独特的人类能力进行交易。然而，除了得分最高的国家以外，几乎没有人通过学校课程或同样重要的教师培训来培养未来的工人。与此同时，一些专家警告说，对软技能的关注将会分散在那些基础教育还不完善国家的精力。
五、终生学习正在成为一个丰富的实验领域。
一些*正在寻找合适的方案来鼓励公民自愿接受定期技能升级。例如，新加坡正在试验资助“个人学习账户”，成人用这些账户来支持他们一生的培训课程。德国联邦劳工和社会事务部正在研究一项类似的计划，以资助在人们生活中提升技能。
六、在大多数国家，职业培训并不取决于智能自动化带来的挑战。
德国的职业技术教育体系长期以来一直被认为是其他国家的楷模。它的系统，连同韩国和新加坡的系统，帮助这三个国家在劳动力市场政策类别中的指数发挥领导作用。然而，接受该研究采访的专家警告说，大多数国家的职业培训仍然过于专注于低技能的职业，以帮助年轻人为自动化的工作场所做准备。
以下分别从创新环境、教育政策和劳动力市场政策三个方面阐述本报
创新环境：排名前三的国家*都提供了大量资金，但监管也会扼杀进步
正如在许多先进技术领域一样，*在促进人工智能和机器人在整个经济中的应用方面发挥着重要作用，在创新环境排行榜中，日本、韩国、德国位居前三，中国排名第十。
在许多发达国家，*在支持基础研究的技术应用方面发挥了重要作用，这些基础研究最终将被企业应用和商业化，无论是通过直接融资还是提供财政奖励渠道。
创新环境类别该指数的领导者为人工智能和机器人技术提供了部分资金，比如日本。
日本在2016年成立的*机构——人工智能技术战略委员会，负责协调3个国家研发中心的相关工作，以及几个部委的工作。韩国的情况也是如此，在2017年，韩国科技部已拨出近1.5亿美元，用于资助公共和私营机构进行的与人工智能相关的研发。德国联邦*通过其资金和其他形式的直接支持工业4.0的举措，正在大力推进机器人技术的研究和创新。
2016年研发总支出占国内生产总值的百分比
当然，监管创新也会*会扼杀科技进步，也会促进科技进步。阻止国内企业雇佣最优秀的技术人才的限制性签证制度就是一个例子。一些国家的*制定了一些方案，积极地鼓励有技能的专业人员在STEM学科中迁移。
法国*于2017年1月启动了法国技术签证，这是一个针对科技企业家和专业人士的快速通道。
在中低收入的国家中，创新中的繁文缛节仍然阻碍了科技企业的发展，中国和印度等主要科技国家是如此。但在为科技初创企业提供支持的时候，一些国家的*却在不遗余力地试图释放创业精神。马来西亚就是一个例子，它在这个类别中排名第16，但与大多数高收入国家的创业支持指数不相上下。马来西亚的这些项目包括资助技术加速器和孵化器的*计划，以及为初创企业提供种子融资。印度在创新支持方面的表现也很好，这在一定程度上要归功于2016年启动的印度*雄心勃勃的创业计划。
教育政策：应对自动化经济的长期挑战，应该以教育为核心
如果各国需要一项长期战略来应对自动化的挑战，就应该以教育为核心。在一个日常工作自动化的环境中，学校将需要教授学生一些软件和机器无法重现的技能。
与此同时, 他们必须为学生提供某些技术技能的基础，比如计算思维，这在大多数的未来角色中很可能是必需的。许多这样的角色也需要了解人工智能技术和机器人技术本身。随着这些技术的发展，与之合作的人类的角色也将随之进化。
这种持续的转变将要求个人在他的整个工作生涯中具有继续学习的高度适应性，而教育和培训系统必须有效满足这个需求。教师培训和评估，以及职业指导作为21世纪的必要需求，是人力资本发展的其他方面。同时也不能错过通过使用人工智能和其他先进技术来提高学习质量的机会。
在主要涉及的几个领域，教育政策准备方面的主要执行者与其他两个领域的先驱并没有太大的不同。
硬技能，软技能还是两者兼顾？在义务教育和后义务教育阶段，课程改革作为教育政策的一个方面，在大多数国家都受到了相当大的重视。例如，由于多年来关于基本数字技能需求的讨论，许多教育系统已经将编码引入中小学课程，以及在中学和职业培训课程中进行STEM课程。
2016年，部分欧洲国家25岁至64岁的人口接受21世纪技能教育和培训的比例
在这方面，中国*一直是比较积极主动的国家之一。*在正齐心协力重新思考不同层次的学校课程，并再一次强调了创造力的重要性，他们正在考虑放松考试压力，以促进它的发展。而在中国，一旦某件事成为政策，它就会被迅速推出。
在所有的教育系统中，改变课程只是用来确保学生能从具有所需知识和技能的机构毕业所做的一部分努力。另一个，可以说是更困难的部分是培训教师能够传授“21世纪的知识和技能”。
在教育领域，所有五个得分最高的国家都不仅仅对教师进行了培训。这些努力采用的方式是设计国家或选定地区的综合项目来培训教师，让他们知道如何传授“21世纪的能力”。
劳动力市场政策：应使工人具有更大的流动性和灵活性
尽管人们担心智能自动化会导致大量工作岗位流失，但在机器人和人工智能正在被积极应用到工业中，劳动力短缺似乎是一个更大的问题。
富士康是*电子产品制造商，在*的工厂部署了540000个机器人。该公司自动化技术总经理Day Chia-peng表示，自动化在机械设计、电气工程和计算机编程等领域为工程师创造了巨大的需求。
然而，从长远来看，智能自动化技术的广泛应用可能会对劳动力市场产生深远的影响。即使是那些对后工业经济的本质持乐观态度的人也承认，无论是输家和赢家在最终都会成为输家。
2016年机器人供应量最多的国家
在这种情况下，*和产业界在教育机构的帮助下，面临的挑战是要确保这些团体有机会获得未来工作场中所需要的技能，并利用自动化为自己创造机会。劳动力市场政策使工人具有更大的流动性和灵活性。
例如，通过放松对某些职业的许可要求或为他们创造更加便捷的工作场所，可以帮助各国应对这一挑战。同样重要的是通过*的支持，并在工作场所或培训机构实施的计划，进而帮助员工获得他们需要的新技能。
最近这些政策和计划的实施国家是那些与人工智能和机器人技术创新最为相关的国家，同时也开始应对相关的教育挑战。德国，新加坡和韩国在这一指数类别中均位居首位，紧随其后的是日本。几乎他们的每个劳动力市场政策指标都排在前三位，其中包括*支持和鼓励工作场所再培训，以及职业培训方法。
在咨询公司PwC发布的2017年报告中，赞扬了德国的双重学徒机制和职业培训制度（以及瑞士和奥地利的制度），以此作为准备自动化时代的年轻人的典范。日本和加拿大也是经济学人智库和普华永道排名中表现最佳的企业之一。
原文发布时间为：2018-04-28
本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”。