# 我們為什麼還要學英文

Language: zh-Hant
URL: https://mipha.ai/zh-Hant/blog/why-we-learn-english

AI 已經能聽、能說、能即時翻譯，我們為什麼還要學英文？

![下雪的街道上，一位大人陪著穿粉紅色外套的孩子一起走。](https://assets.mipha.ai/static-site/blog/why-we-learn-english/cover-v1-1600.webp)

2025 年，我們一家又去了京都。在飯店櫃檯，服務人員拿著一張京都地圖，很熱心地跟我們介紹附近好吃的、好玩的。

對方說的英文，我聽得懂七八成。沒聽懂的，多半是日本才有的東西，也可能是講得有點快。

真正讓我難受的，不是沒聽懂的那兩三成。我想道謝，說來說去只有一句 Thank you。我想多聊幾句，卻不知道從哪裡開口。

其實我很想說一句話：我們來過京都很多次，每次都感受到京都人的熱情。網路上常有人說京都人高傲、說話帶刺，連服務人員也不例外。我們遇到的恰恰相反，我想讓對方知道。

這句話，我最後沒有說出口。

我太太當時就站在旁邊。她是英文系畢業的，做過國際行銷，這句話對她來說一點都不難。可是我想讓對方知道的，是**我**這樣覺得。

這件事讓我重新想了一個老問題：我們為什麼要學英文？說得更準確一點，在 AI 已經能聽、能說、能即時翻譯的今天，我們為什麼還要學英文？

## AI 已經能替我們做什麼？ [#what-ai-can-do]

先承認一件事：AI 能做的，已經很多了。

讀文件、寫信、看論文，機器翻譯早就夠用。現在手機上的 AI 還能聽、能說、能當場口譯，兩個語言不通的人，已經可以靠它面對面聊下去。它每年都在進步。

所以我不想用「AI 翻譯還不夠好」來勸你學英文。這個理由一年比一年弱，再過幾年大概就站不住腳了。

如果學英文只是為了聽懂別人、讓別人聽懂自己，這件事可以交給 AI。那麼京都那一刻，AI 幫得上忙嗎？

## 換成機器來說，這句話的分量會變嗎？ [#the-test]

幫得上一半。

假如我當時拿出手機，打開即時翻譯，對著它說出那句話，對方會準確地收到這個訊息：這位客人來過京都很多次，覺得京都人很熱情。

但對方收到的，也就只剩訊息了。這句話的分量本來就不在字面上，而在於一個外國客人用不流利的外語，特地把它說出來。換成手機裡的合成語音，它就成了一句禮貌的客套話。

你可能會說，那是因為現在的翻譯還得拿出手機，還會慢半拍。等到耳機裡的翻譯沒有延遲，聽起來跟真人一模一樣呢？

我覺得也不會變。很多人都有過這種經驗：一個外國人結結巴巴地用中文對你說一句「謝謝」，你心裡一下子就暖了起來。打動你的不是這兩個字，而是對方為了說出這兩個字所花的力氣。這份力氣，沒辦法外包。

京都那天，我身邊就站著一位比任何 AI 都好的翻譯，她也替不了我。

談生意也一樣，而且分量更重。合約條款可以交給 AI 翻譯，那是辦事。可是對方願不願意跟你簽，往往在談合約之前就有了傾向：飯桌上的幾句閒聊，一個當場聽懂的玩笑，一次不用等翻譯的點頭。信任是交易的基礎，它就是在這些時刻一點一點建立起來的。隔著翻譯，每句話都要等一下，雙方聽到的都是機器的聲音，你很難讓對方感覺到，坐在對面的是一個值得信任的人。

所以我把英文分成兩種。

**辦事的英文**：問路、點餐、確認退房時間、讀一份合約。對方只在意結果，誰說的都一樣。

**相處的英文**：道謝、稱讚別人、接一句玩笑、陪孩子玩躲貓貓。換成機器來說，這句話的分量就變了。

要分辨它們，只需要問一個問題：**換成機器來說，這句話的分量會變嗎？** 如果不會，那是辦事的英文，交給 AI 會越來越合適。如果會，那是相處的英文，只能自己學。

京都那一刻，剛好兩種都有。我們站在飯店櫃檯前，本來是去辦事的。可是從對方拿著地圖、熱心介紹美食的那一刻起，辦事就變成了相處。我的英文，只準備到辦事為止。

你可能會問：照這個道理，在京都最有分量的，不是用日文說嗎？沒錯。可是我不可能把每個要去的地方的語言都學會。

那位櫃檯人員是日本人，對方的英文同樣是後來才學的。全世界大約有 15 億人說英文，其中四分之三左右不是母語者 [[1]](#notes)。英文早就不只是英美人的語言，它常常是兩個陌生人之間唯一共通的語言，兩邊都得花力氣去學，才能在中間碰頭。

那天，對方用自己學來的英文熱情地招呼我們，已經走完了自己那一半。我學了 9 年英文，卻沒能回一句像樣的話。

## 學了 9 年，為什麼還是開不了口？ [#nine-years]

我從小學學到高中，學了 9 年英文。畢業的時候，能讀一點，聽不太懂，嘴巴幾乎張不開。

工作以後，會用到英文的地方也只有閱讀。參加大型會議，很多演講是英文的，我坐在台下，聽得一知半解。

後來出國旅行的次數多了，自己也愛看英文電影，耳朵才慢慢跟上，現在大部分都聽得懂。可是嘴巴一直沒跟上。京都那天就是這樣：聽懂了七八成，卻說不出一句想說的話。

回頭看，我不覺得問題出在不夠努力。

我在學校學到的，基本上是辦事的英文：讀懂一篇文章，選對一個選項，寫出一個沒有文法錯誤的句子。考試只看結果對不對。誰在說、用什麼語氣、在哪個時刻說出來，都不重要。

結果有點諷刺：我花 9 年練的，正是 AI 最先接手的那一塊；AI 替不了的那一塊，我幾乎沒練過。

這也不只是我一個人的狀況，很多地方的學校大概都差不多。在 EF 英語能力指標 2025 年的各項分數裡，我查了幾個相隔很遠的國家，從法國、韓國到墨西哥，情況都一樣：閱讀分數最高，聽和說落在後面 [[2]](#notes)。

如果你也學了很多年，真要開口時卻張不開嘴，我想跟你說：這多半不是你沒天分，也不是你不夠用功。沒怎麼練過的事，做不好本來就很正常。

沒練過的那一塊，該怎麼練？我是看著女兒，才有了一點頭緒。

## 四歲的女兒是怎麼學的？ [#how-she-learned]

我女兒四歲，已經能很自然地說一些短句和片語：hey there，sunny side up，玩 hide and seek（躲貓貓）時喊一句 ready or not, here I come。

她的英文來自幾個地方：在 Mipha 上看的卡通，YouTube Kids，還有我和太太在生活裡教她的。她看影片的時候，我們總是陪在旁邊。

她最先學會的，大多是相處的英文。hey there 是打招呼；ready or not, here I come 是躲貓貓時數完數喊的話，意思是「不管你躲好了沒，我都要來找囉」，說出來是為了跟人一起玩。

這些話她真的用上了。有一次在 Club Med 的遊樂區，她和兩個泰國小朋友玩在一起。他們說的大概就是這樣幾句：Wanna play slide together? OK. Awesome! 靠這麼簡單的英文，三個孩子一起溜滑梯、盪鞦韆、玩樂高，一點隔閡都沒有。三個孩子，沒有一個的母語是英文。

她走的路跟我剛好相反。我是先讀，後來試著聽，到最後也沒怎麼開口。她是先反覆聽，再在遊戲裡試著說，慢慢就用熟了。

你可能會想，那是因為她年紀小。可是有研究發現，剛開始學的那幾個月，大人的進步反而比小孩快 [[3]](#notes)。年齡至少不是大人起步的障礙。我沒辦法複製她的成長過程，但有一點可以學：她聽到的英文，很快就有機會在生活裡用上。

她聽到的是什麼樣的英文？有一部澳洲卡通叫《妙妙犬布麗》（Bluey），講一隻藍色小狗和家人的日常。其中有一集，女兒看了好幾遍，我也陪著看了好幾遍：Bluey 和妹妹 Bingo 在家裡玩開飯店的遊戲，爸爸來當客人。前 40 秒裡有按鈴、問好、要房間、帶路、道謝，用到的句子都很短：

> Hello. How are you?
>
> I'd like a room, please.
>
> This way, please.
>
> Thank you.

這同樣是飯店櫃檯的場景，說的幾乎都是辦事的話。可是如果讓機器替 Bluey 說，這個遊戲就不存在了。對她們來說，這不是辦事，是跟爸爸一起玩。

## 從一段想看的影片開始 [#how-to-start]

大人也可以走孩子那條路：先聽清楚別人怎麼說，再跟著說，最後在自己的生活裡用出來。起點不是課本，而是一段你本來就想看的影片。有興趣的一段，才值得反覆聽。

不過，先聽有個難處：一句沒聽清楚的話，常常一下子就過去了。在京都，櫃檯人員說過的話，我沒辦法倒回去再聽一遍；練習的時候，至少可以。

Mipha 是我做的一個網站，可以對照字幕看影片學英文。當初做它，就是為了跟女兒一起這樣學，想讓「再試一次」變得簡單。字幕都經過人工校對，沒聽清楚時，有可靠的文字可以對照。

Mipha 能幫的是前兩步：聽清楚，跟著說。想多練開口，可以找 ChatGPT、Gemini 這類 AI 用語音聊天，它們隨時都在，很方便。AI 替不了你說，但可以陪你練。最後一步，把話對著一個人說出來，只能靠自己。

如果一時找不到想看的，可以從這一集開始。

[入住布麗飯店（Bluey）](https://mipha.ai/zh-Hant/play/watch/1d6LEnCW99g)
Bluey 和 Bingo 在家裡開飯店，爸爸來當客人。全片 2 分 15 秒，練習只用前 40 秒。


照下面的順序做一遍，大約十分鐘：

1. **開著翻譯看一遍。** 先弄懂發生了什麼事，不用管每個單字。
2. **關掉翻譯，再看一遍。** 在播放器的「設定」裡關閉「顯示翻譯」，對照英文字幕聽。哪個單字沒聽清楚，[點一下字幕裡的那個單字](/zh-Hant/docs/playback#replay)就能回去重聽；講得太快，就[把播放速度調慢](/zh-Hant/docs/playback#speed)一點。
3. **只看畫面，再聽一遍。** 英文字幕還在螢幕上，眼睛先不去看它。
4. **記下第一句你不看字幕也聽出來的話。** 想跟著說，就讓這一句[自動循環](/zh-Hant/docs/playback#loop)，利用每遍之間的停頓跟讀。
5. **選一句用得上的話，離開螢幕自己說一遍。** 再想好下次要對誰說、在什麼時候說。有孩子的話，可以像 Bluey 那樣玩一次開飯店的遊戲，This way, please 馬上就能用上。自己學的話，先想一個會遇到的場景：下次旅行住飯店，I'd like a room, please 這一句就自己說。辦事的話，常常就是相處的入口。

如果第三遍只聽出了 Hello，也沒關係，那就從 Hello 說起。這只是一次很小的開始。相處的英文不是背起來的：聽過，認出來，自己說過一遍，下次才接得上。

家裡有孩子的話，這幾步可以跟孩子一起做。陪女兒看卡通時，跟著學的其實不只她一個。

## 下次在京都 [#next-time-in-kyoto]

那句話用英文說，其實不難：

> We've been to Kyoto many times, and people here have always been so warm to us.

難的不是這句話本身，而是在那一刻，親口把它說出來。

現在，我已經能跟母語者聊上一小段，而且還算流暢。

下次去京都，我想自己說。

## 註釋 [#notes]

1. 數字來自 Ethnologue 不同年份的統計：說英文的總人數約 15 億，母語者約 3.7 億到 3.9 億，實際數字每年隨資料更新而變動。彙整見 [List of languages by total number of speakers](https://en.wikipedia.org/wiki/List_of_languages_by_total_number_of_speakers)。
2. EF 英語能力指標 2025 年的各項分數（閱讀、聽力、口說）：法國 555、524、456；韓國 540、518、489；墨西哥 455、422、413；菲律賓 573、567、539；中國 492、436、448。這只是我核對過的幾個國家，不是全球平均。受測者是自願參加免費線上測驗的成年人，不能代表全體人口，適合用來比較讀、聽、說三項之間的高低，不適合當成精確的程度指標。資料見 [EF EPI 2025 報告](https://www.ef.com/assetscdn/WIBIwq6RdJvcD9bc8RMd/cefcom-epi-site/reports/2025/ef-epi-2025-english.pdf)和各國的分項頁面。
3. Snow 和 Hoefnagel-Höhle 在 1978 年追蹤了一群在荷蘭自然學會荷蘭語的英語母語者：頭幾個月裡，青少年和成年人進步最快，三到五歲的孩子在各項測驗中得分最低；一年後，八到十五歲的孩子學得最好。長期來看，從小開始學的人往往更容易接近母語者，尤其是口音。所以起步晚不是不學的理由。見 [ERIC 摘要](https://eric.ed.gov/?id=EJ196662)。