我的答案是：要，而且比以前更值得学。如果英语对你只意味着出国点菜、看剧刷字幕，机器翻译确实已经把问题解决得七七八八；但只要你想在某个行业里往上走、和这个领域最好的那批人同台，英语仍然是绕不开的底层能力。理由说穿了有三条：世界上大部分高价值内容仍然用英文生产；翻译这道工序天然带来时间差和信息损耗；而且连 AI 本身，都是”用英文长大”的。
AI 恰恰是英文世界的产物
很多人的推理是”翻译模型这么强，英语该贬值了”，这个推理第一步就站不住。以 OpenAI 公布过的 GPT-3 训练语料为例，按词数算英文占九成以上，中文不到百分之一。后来的模型刻意补了多语言数据，但英文占绝对大头的格局没有变：整个开放互联网上，英文内容的体量远超其他语言，而中文内容的占比，和中文使用者约占世界人口六分之一的体量完全不相称。
这带来一个很实际的结果：同一个问题，用英文问大模型，往往能得到更完整、更少胡编的回答，因为它在英文语料里见过的世面多得多。甚至有研究者解剖开源模型，发现它处理中文问题时，中间层的内部表征会先向英文靠拢，到最后一步才转成中文输出。这类研究在细节上还有争论，但方向不难理解：AI 有母语，它的母语是英文。你离英文越近，从这些工具身上能榨出来的东西就越多，连提示词用英文还是中文写，效果都常常不一样。
翻译再快，也快不过一手信息
大量高价值内容是用英文生产出来的，中间隔着翻译这个过程，哪怕它很短，也会带来信息差；而在这个时代，信息的价值有多大，毋庸置疑。
以我熟悉的医学为例：重要的期刊论文、临床指南、预印本，几乎全部英文首发。等中文编译版出现，快则几天，慢则几个月，而且你读到的是编译者筛选和消化过的版本——他觉得不重要的部分，你永远不会知道它存在过。机器翻译确实把”翻一篇文章”压缩到了秒级，但它压缩不了另一个环节：得先有人把那篇文章搬到你的信息流里。你可以让 AI 即时翻译任何页面，前提是你知道那个页面存在；知道去哪儿找、订阅什么、盯住谁，这个能力本身就长在英文世界里。文字还算好办，视频和音频更麻烦，英文世界海量的学术会议、访谈、播客，到今天也没有一条顺畅的路，能变成既贴切又方便的中文。
每个行业做到顶尖，都是在和世界上最聪明、最有天赋的一群人竞争，而这群人，到今天还是用英文工作。你和他们之间隔一道翻译，等于永远慢半拍地打牌。
有些东西，翻译搬不过来
还有一层损耗，比时间差更隐蔽：机器能替你读出字面意思，替不了你长出判断力。一篇论文值不值得花两个小时细读？作者在结论里到底留了几分余地？心血管指南里 “is recommended” 和 “may be considered” 字面只差几个词，临床分量却隔着两级推荐强度。这种分寸感，只能靠长年泡在原文里慢慢养出来。
我在谈波兰尼和大语言模型的那篇里写过：真正值钱的能力往往说不清楚、写不成操作手册，只能靠练。语感正是典型的隐默知识。你可以把”翻译”这个动作外包给机器，却没法把”读懂”外包出去，就像你可以下载全世界的菜谱，还是买不来厨艺。
那怎么学？一直用，哪怕被动地用
好消息是，LLM 时代学英语的成本反而降到了历史最低：看不懂的句子随手就能问，生词有无限耐心的解释，还能随时找到一个不嫌你烦的英文陪练。所以我的结论不是回去背单词书，而是把英语当工具一直用下去。能读原文就读原文，卡住了再求助翻译，把 AI 当拐杖，别当轿子。
被动地学也行。只要你保持在英文一手信息源的射程之内，水平就掉不下去。真正的风险是彻底退出，让所有信息都先经过一道翻译和搬运再到你眼前——那你会活在一个慢半拍、被人筛选过的世界里，而且最麻烦的是，你自己察觉不到。
发表回复