英语专业导论 · PROFESSIONAL INTRODUCTION

AI能做40%的工作，
我们该学什么？

从吴恩达访谈出发，重新理解英语、学习与未来工作

主讲人：杜云飞副教授，硕士生导师

01

今天的四个问题

先不问“英语有没有用”，先问四个更具体的问题

01

工作会消失吗？

AI改变的是整个职业，还是职业内部的一组任务？

02

AI真的帮助学习吗？

更快完成作业，是否等于真正形成能力？

03

大学跟得上变化吗？

稳定的专业基础与快速变化的前沿技能如何兼得？

04

英语学生要构建什么？

从“会用工具”走向“发现问题并做出作品”。

快速投票：四个问题中，哪一个最让你焦虑？为什么？

02

本课起点 · 一次37分钟的访谈

Andrew Ng与Marina Mogilko合影 — Silicon Valley Girl × Andrew Ng｜2026年8月

四个判断，最终指向一个问题

WORK

技能在变，工作没有整体消失

CONTEXT

人的优势来自上下文、判断与品味

LEARNING

AI可能提高作业分数，却削弱真正学习

BUILDING

每个专业的人都应该学会用AI构建

英语专业学生如何把语言、上下文判断与AI组合成新的能力？

课堂视频：B站 BV1nvYR6CEka（完整访谈，37:51）；原访谈：Silicon Valley Girl × Andrew Ng。

03

01

就业市场

技能在变，工作没有消失

“Maybe AI could do 30–40% of many jobs.”AI也许能完成许多工作中的30%—40%。

▶ B站访谈 03:04

04

一、先把“职业”拆成“任务”

一份工作，由一组相互关联的任务构成

1 / 4

全球约四分之一劳动者所在职业，对生成式AI存在某种程度的任务暴露。

暴露不等于替代
大多数职业仍需要人的输入
更可能发生的是任务重组与岗位转型

来源：Silicon Valley Girl访谈摘要图；ILO, Generative AI and Jobs: A 2025 Update（约3万项任务的评估）。

05

从英语专业看任务重组

把可自动化的交给AI，把人的部分做得更深

AI更擅长的任务

快速、标准化、可重复

基础信息检索与初步摘要
常规文本初译与语法检查
多版本标题和文案草拟
语料整理、格式转换、批量标注
会议记录与基础数据归纳

人更需要升级的任务

情境化、责任性、创造性

定义真正的问题与沟通目的
判断来源可靠性与隐含立场
理解语气、关系、文化与现场
做取舍、承担后果、解释选择
把语言连接到教育、传播与产业

专业升级：夙实语言基本功，并让它进入更复杂的真实任务。

06

人的“上下文优势”

判断力与品味，并不神秘

“Humans have a massive context advantage compared to AI.”与AI相比，人类拥有巨大的上下文优势。｜12:02

看见：对方的表情、犹豫与真实反应
知道：组织目标、关系历史与没有写下来的规则
判断：什么正确、什么合适、什么值得做

访谈时间码12:02；图片：学院学生在机场、企业与模拟联合国真实场景中的学习实践。

07

3分钟课堂练习

同一句英语，为什么不能只有一个“正确翻译”？

“We may need to reconsider.”

AI初译：我们可能需要重新考虑。

A｜商务谈判中：委婉拒绝，还是要求对方让步？

B｜项目会议中：暂缓决定，还是否定现有方案？

C｜跨文化沟通中：语气是否足够礼貌、清晰、可执行？

你还需要知道哪些上下文，才能做出专业判断？

08

02

AI与学习

完成得更快，不等于学得更深

“LLMs, as they are most commonly used, are terrible for learning.”以多数人目前的常见用法，大语言模型并不利于真正学习。｜14:04

▶ B站访谈 14:04

09

不要站队，先看研究设计

AI既可能造成“认知债务”，也可能成为有效导师

LLM替写

MIT Media Lab 写作实验

更低的脑连接与作品所有感

54名参与者前三轮写作；LLM组在脑连接、回忆与作品所有感上表现较弱。研究为预印本，样本和任务范围有限，不能泛化到所有AI学习。

AI脚手架

Harvard 本科物理课RCT

更高学习增益，更少时间

194名学生随机交叉试验；AI导师采用专家提示、预设答案与教学法脚手架，学习增益显著高于课堂主动学习条件。

关键变量：AI是在替你思考，还是推动你思考？

Kosmyna et al., 2025, MIT Media Lab / arXiv:2506.08872；Kestin et al., 2025, Scientific Reports, 15:17458。

10

英语学习的AI使用原则

把AI放进学习闭环，让它服务于每一步

① 先独立

先读、先想、先写一个不完美版本。

② 让AI追问

请求反例、质疑、提示，不直接索要成品。

③ 核验

查原文、词典、语料库和可靠来源。

④ 复述

关掉AI，用自己的英语解释和表达。

⑤ 迁移

换材料、换场景，再完成一次新任务。

最低标准：凡是AI给出的内容，你必须能够解释、核验，并在新情境中重新做出来。

11

四类基本功，四种更好的AI用法

不要让AI替你练，要让AI提高训练质量

阅读 Reading

✕ 让AI直接总结全文✓ 先写主旨与证据，再让AI提出反驳并回到原文核验

写作 Writing

✕ 输入题目，复制成稿✓ 自拟论点和提纲，让AI做“苛刻审稿人”，自己重写

口语 Speaking

✕ 背AI生成的完美答案✓ 即兴录音—转写—发现问题—二次表达—比较进步

翻译 Translation

✕ 接受第一版译文✓ 比较三种译法，说明受众、语域、文化与取舍

12

03

大学教育

既要学稳定的基础，也要追快速变化的前沿

“We should be teaching them for the jobs of 2028 and beyond.”我们应该帮助学生面向2028年及更远的工作。｜05:31

▶ B站访谈 05:31

13

变化速度不匹配

如果只为过去的岗位准备，毕业时就已经落后

2022把AI当搜索框
把专业理解为固定岗位

→

2028+把AI变成工作流
用专业能力解决新问题

大学四年最重要的成果：形成持续学习与自我更新的能力，面对变化仍能不断前进。

14

英语专业的“双轨学习”

课堂内打基础，课堂外追前沿；两条轨道必须相交

稳定轨｜专业深度

听说读写译的语言基本功
语言学、文学与跨文化知识
批判性阅读、学术写作与研究方法
价值判断、责任意识与团队协作

变化轨｜前沿广度

AI素养、提示、验证与工作流
数据意识、自动化与数字内容
选择一个真实领域：教育 / 传播 / 商业 / 科技
用在线课程、项目与社群持续更新

交点：真实项目与作品

15

大学四年的能力路线图

每一年，都要留下“我能做什么”的证据

大一｜语言为基

建立阅读、写作、听说训练习惯
学会查词典、语料库与可靠来源
形成AI使用记录

作品：双语阅读札记 + 口语成长档案

大二｜思维成形

写出有问题、有证据的论证
理解语境、文化与传播
参加竞赛、社团与模拟任务

作品：研究型写作 + 公开表达

大三｜English × X

选择教育、传播、商业或科技
进入企业、会议、社会实践
用AI完成一个真实工作流

作品：跨领域项目 + 实习证据

大四｜形成方向

完成毕业研究或综合项目
整理作品集与能力叙事
把自己连接到岗位或深造方向

作品：可展示的个人能力组合

16

04

用AI构建

从“问AI”走向“用AI做成一件事”

“Learn AI, apply it, and even go build something.”学习AI、应用AI，并真正构建一些东西。｜37:38

▶ B站案例片段 22:20–23:10

17

吴恩达团队的例子｜22:20–24:45

岗位正在从“执行一个环节”走向“负责完整链路”

🧭

营销人员

爬取相关文章、桌面高亮、对话导航，把选题研究变成可复用系统。

选题 → 检索 → 判断 → 写作 → 反馈

📊

财务团队

自动打开文件、检查一致性、发现异常并提醒，把机械点击变成监控流程。

采集 → 校验 → 异常 → 提醒 → 决策

🧩

招聘团队

招聘工程师嵌入职能团队，直接构建端到端工具，支持完整招聘流程。

需求 → 搜寻 → 评估 → 沟通 → 复盘

趋势：窄专才 → 有专业深度的通才；等任务 → 主动发现并解决问题的人。

18

英语 × AI｜本校真实锚点

构建已经发生：我们从这些真实项目开始

学生与AI对话研究 — **学习者—AI互动研究**
分析人如何提问、回应、修正并形成学习策略

亚洲人工智能技术大会服务 — **亚洲人工智能技术大会**
让语言进入真实的技术传播与国际服务现场

19

English × X 项目清单

从一个具体的人、一个真实痛点开始

01

国际旅客服务知识库

整理机场常见问题、多语种表达与文化注意事项，设计可追溯答案。

02

英语口语反思教练

录音—转写—错误分类—二次表达，用数据展示进步而非代写答案。

03

中国品牌海外舆情雷达

采集英文内容、聚类议题、判断情感与文化误读，形成传播建议。

04

跨文化案例检索助手

为谈判、客服或国际项目提供情境、风险与表达策略，而非只给翻译。

05

双语技术内容工作流

把访谈、产品资料转成摘要、术语表、FAQ与海外社媒内容，并人工核验。

06

AI输出偏差观察站

系统收集翻译、文化与事实错误，建立可复现的评测集与改进策略。

好的项目 = 明确用户 × 真实问题 × 专业判断 × 可运行作品 × 可验证结果

20

课后行动｜30天做出第一个作品

不要等到“学完了”才开始构建

W1

发现问题

访谈3名真实用户，记录他们的语言或跨文化痛点。

交付：问题定义 + 访谈证据

W2

拆解任务

标出AI能做、必须由人判断、需要哪些上下文。

交付：任务栈 + 风险清单

W3

做出原型

用现有AI与无代码/轻代码工具，跑通最小工作流。

交付：可演示原型

W4

测试改进

找用户试用，记录失败，修改并解释取舍。

交付：演示 + 复盘报告

21

一节课的答案

英语专业在AI时代的能力公式

语言基本功×上下文判断×AI素养×主动构建

AI降低了生成内容的成本，却提高了定义问题、判断质量、理解文化、承担责任和做成事情的价值。

能力对应：语言素养与语言技能、批判思维与创新能力、复杂问题解决能力、终身学习与自我发展能力。

22

TO LEARN · TO JUDGE · TO BUILD

不要与AI比谁更像机器

要借助AI，成为更会学习、更能判断、更懂世界，也更能把想法变成现实的人。

英语，走向世界，通往未来。

23