想象这样一个场景：

学生看到一句原文，然后问AI，“给我调用十个机器翻译引擎，并从中选出最好的让我做译后编辑，并给出编辑建议。”

学生完成编辑之后（甚至有可能不需要编辑），问AI，“根据原文来对我的译文做一下质量提升”，于是AI给出提升建议。

然后学生把这个作业交给老师。

老师拿到学生作业之后，问自己的AI，“请根据我之前的打分情况，对学生的译文进行质量评估并打分，并给出一段500字的评语，评语要基于我之前录入的评语进行调整。”

等到老师把最后的版本的译文确定好之后，告诉AI，“把这个版本的原文和译文录入你的数据库”，为后续训练做准备。

这个好实现吗？

我尝试着实现了一部分，大家看这个视频：

上图这部分是我用两小时开发测试并录制剪辑完成的，背后基本上没有用什么复杂的代码，主要是自己去调整怎么向ChatGPT提问。

不过这个演示看了之后既不要太当真，认为笔译教学以后真的可以都这样做，也不要不当真，因为我调用的只是一个相对来说还不错的AI模型，还不是最新的。

由此我还要一些关于翻译教育的思考，分享给大家：

从翻译教育发展方向的角度来讲，首先不能像之前评价机器翻译那样来使用文学翻译作为一个标杆去衡量能否替代的问题。

现在全国搞应用型翻译人才培养，文学翻译本来就只是一小众人的专利，更多的学生还是要通过做应用型的翻译工作来谋生。

在这样一个前提下，如果：

来学翻译的学生的平均基础要低于五年前，四年的本科和两年研究生学制内花在提升语言水平、翻译水平以及专业领域水平的时间又因为一些原因而压缩（比如提升信息素养、职业素养等）。

那么我们培养的学生如何才能够在出校时就有竞争力？他们毕业时除了做翻译工作还可以做什么？他们的毕业起薪能否足够吸引优秀学生留在这个行业？

以下是可能的改革方向：

第一个方向是：

要优化现在的翻译教育和语言教育的教育流程，进行数字化提升。

听说读写译能力都是没有办法植入到学生的大脑的，只能通过技术来加速提升教育效率。

比如原来要让学生看两个小时的电影来提升语感，现在就要尽可能的用各种手段来给学生提供有效的语言输入，让学生借助移动应用来多听，多读，多看，多写，多译，把尽可能多的碎片化时间用于语言学习和翻译学习，尤其是要通过提升移动端的学习体验来和游戏抢时间，让学生在移动端也能方便完成课堂上老师布置的语言作业。

第二个方向是：

要基于现有的AI技术设计开发新的工具植入到课堂中。

我们无法阻止学生使用新的技术来让自己的英文作文变得更好。

在断网的情况之下来考试和做作业不符合学生未来职业场景，我们能让程序员在断网的情况之下去写代码吗？未来能让译者在断网的情况之下去做翻译吗？

所以我们要教会他们怎么更好的去使用新的技术来提升自己的翻译效率和翻译质量。

但是在这个过程中，要防止学生成为技术的奴隶，语言工作者在很多的工作场景中犯错误，都是因为基本功不够，应变能力不强，心理素质不够，职业素养太差等原因。有些基本功是在有网没网的时候都能体现出来的，学生如果不加引导的使用AI，基本功只会越来越差，但使用合理，是可以提升的。比如我最近在开发英语口语评测的工具时，我虽然不直接开发AI，而是应用别人的API，但我发现一句话反复练习多次去拿到更高的AI打分是一件非常有趣的事：

                      

上图为口语评测工具针对发音给出的各项打分数据和音标错误。

而AI也可以用于给我自动点评：

上图为ChatGPT针对一句话的英文翻译给出的即时答案解析。

我能像打游戏一样去进行语言练习，并能得到即时的反馈，那么学习过程就会变得更有趣。

ChatGPT这类生成式语言模型的出现使得原来需要人工编纂教师反馈的时代基本结束，它能根据实际情况生成千人千面的反馈，而且还基本上能够评到点子上，这就让教学过程变得丰富了起来。

第三个方向是：

要加强学生的思维能力和问题解决能力培养。

有了AI，但不能没有头脑，我们依然面对着很多靠AI无法解决的问题，所以人的价值依然要重视，而且要继续提升。

我这段时间做了不少实际的ChatGPT应用工具，为的就是能够亲身体验，而不是道听途说。我要形成自己对技术发展现状的判断，我们的学生未来也是如此，他们要行动、思考、判断、创新。

高水平的人才，有创新能力的人才，能解决问题的人才依然是这个社会紧缺的。

翻译专业人才不是一天两天，一年两年就能培养出来的，现在的ChatGPT类的技术解决不了复杂的翻译问题，无法自主提供完整的语言服务解决方案，语言服务行业的发展需要更高水平的各类型的人才，所以我们不能抛弃翻译教育，不能无视翻译的价值。

不管翻译圈外的人怎么看待技术对翻译的影响，圈内的人一定要行动，一定要变革，一定要创新。

我们也许叫不醒装睡的人，但可以让起得早的人过得更加美好。