自從 ChatGPT出現，我就感覺，同聲傳譯這個行業在未來5~10年會消失。
不過昨天 OpenAI發佈的 gpt-4o，讓我感覺，人力同聲傳譯的消失大概也就這1~2年的事。
這篇文章分兩部分，我先簡單談談同聲傳譯這個行業，然後再來談談 OpenAI發佈的 gpt-4o模型。
我讀本科的時候大概09年左右，當時有一個大學老師，曾經在課堂上講，市場上最緊缺的人才，其中一項就是同聲傳譯，每年都能賺到一百多萬。
我當時就在想，這工作好啊，工作也不累，在同聲傳譯的小箱子裏聽外語，動動嘴皮子，翻譯成中文，每場會議就能賺上萬塊錢。一年也能百萬元收入。在09年左右，北京的一套100平的房子也就100多萬啊。這是一年賺一套房子的節奏。
我當時在讀電子信息專業，甚至冒出一個想法，要不自己也去嘗試一下同聲傳譯。
不過，後來我也慢慢了解了同聲傳譯這種工作，實際上非常反人性。
首先，同聲傳譯講究實時性，它和別的筆譯、口譯不一樣。它需要在講話者說話的同時，實時進行翻譯。
另外，同聲傳譯一般都是在一些很專業的國際會議上，作為一個同聲傳譯，你光懂外語沒有用，必須得懂得專業知識，這樣才能確保翻譯順利進行。面對「肌酸蛋白酶」你該知道怎麼翻譯，面對「中心極限定理」，你也得懂得是什麼含義。總之，其實很多外語專業的人並沒有這方面知識，也導致了無法勝任同傳工作。
最後，同傳這個工作，極其耗費腦力。我認識一個同學曾經做過一場同傳，做完之後在床上躺了3天才緩過來。說白了，人體是有機能上限的，人是會疲累的。還有，除了同傳現場工作強度很大之外。培養一個同傳人才，也需要數年如一日的外語翻譯學習。
同傳一直都是翻譯行業的最具挑戰性的工作。
不過，好日子不長了，AI即將替代這一工作。
其實，AI替代人類的工作，在翻譯這個領域體現的淋漓盡致。
早在上個世紀90年代，我們國家迎來改革開發，與世界各個國家展開了貿易與合作，由此，懂得外語，尤其是諸如日語、俄語、德語、西班牙語等小語種，是非常吃香的職業，很多影視劇里，你都會看到，做跨國貿易生意的大老闆身邊往往都陪着一位妝容精緻、儀態端莊，思維敏捷的女翻譯。可以說，在那個年代，從事翻譯是很體面，賺錢的白領工作。
然而，好日子不長，隨着英語的普及，越來越多的人都能夠和外國人流利地對話，物以稀為貴的效應減弱，翻譯職業不再那麼光鮮亮麗。此外，決定翻譯職業不再光鮮的另一個很重要的點，就是 AI機器翻譯的崛起。
大約是2009年的時候，我那時讀大學，曾經兼職為外貿公司翻譯過合同，當時的人工費用是每千字（詞）收費60元人民幣。那時谷歌和百度在網站上已經提供了機器翻譯服務，只是當時的 AI機器翻譯效果還比較差，每次翻譯都需要人工去做修正和調整。
時間到了2017年，谷歌開發的機器翻譯軟件已經能夠覆蓋90%的翻譯場景。可以說，一個完全不懂外語的人，把中文或者外文丟在谷歌的網站上，就能夠輸出八九不離十的翻譯結果。此時，相比接近10年前，筆譯價格反而成了每千字（詞）收費30元人民幣，還不如十年前。這就是 AI替代人力的結果。
可以說，翻譯行業應該是最早遭受 AI衝擊的行業。很多從事翻譯的人也都逐漸轉向其它行業工作中。過去翻譯還是個收入不錯的可以養家餬口的工作，現在，你基本上看不到誰還能把翻譯作為全職行業了。
當然，同聲傳譯除外，確實有一批人靠着同聲傳譯來謀生。不過，前段時間，我還認為，同聲傳譯在未來5到10年也會被 AI替代。
我大意了，沒有閃。
OpenAI發佈了 gpt-4o模型。首先 gpt4大家都有目共睹，非常強悍，具備很多領域的專業知識。
而 gpt-4o其實就是把這種文字交互的能力，轉為語音方式說出來。而且這還不夠，它還能理解視頻畫面，總之，它已經是具有文本、語音、圖像三種模態的理解力。是一種全新的大模型。
最絕的是，gpt-4o模型能夠做到實時與人類交互。
如果你之前用過 Siri之類的語音助手，這裏就可以看出明顯的不同了。首先，你可以隨時打斷 AI的話，不用等它說完就可以繼續下一輪對話。其次，你不用等待，模型反應極快，比人類的回應還快。第三，模型能夠充分理解人類的情感，自己也能表現出各種感情。
這裏有個最關鍵的點，gpt-4o模型能理解並表現出人類的情感。
說實話，此前我在抖音上見到一些翻譯行業的up主，還會說，AI無法替代人類翻譯，因為 AI的翻譯沒有感情，其實 gpt-4來做各種筆譯，gpt-4o來做各種口譯、同聲傳譯，都是完全可以的，而且，還可以帶理解、帶感情。
在現場，OpenAI的工程師拿出一個 iPhone演示了新模型的幾種主要能力。其中，最重要是實時語音對話，Mark Chen講：「我第一次來直播的發佈會，有點緊張。」ChatGPT說，要不你深呼吸一下。
好的，我深呼吸。
ChatGPT立即回答說，你這不行，喘得也太大了。
如果你之前用過 Siri之類的語音助手，這裏就可以看出明顯的不同了。首先，你可以隨時打斷 AI的話，不用等它說完就可以繼續下一輪對話。另外你不用等待，模型反應極快，比人類的回應還快。第三，模型能夠充分理解人類的情感，自己也能表現出各種感情。
說穿了，就是，gpt-4o表現得非常自然，沒有過去的 AI的那種機器味兒。
隨後是視覺能力。另一個工程師在紙上現寫的方程，讓 ChatGPT不是直接給答案，而是讓它解釋要一步步怎麼做。看起來，它在教人做題方面很有潛力。
接下來嘗試 GPT-4o的代碼能力。這有一些代碼，打開電腦里桌面版的 ChatGPT用語音和它交互，讓它解釋一下代碼是用來做什麼的，某個函數是在做什麼，ChatGPT都對答如流。
輸出代碼的結果，是一個溫度曲線圖，讓 ChatGPT以一句話的方式回應所有有關此圖的問題。
其實，gpt-4o里的 o，對應英文單詞是 omnimodel，這裏的 omni就是全知全能的意思。模型無處不在，無所不知。
關於同聲傳譯，你可以看到，gpt-4o在專業知識方面應該是碾壓人類譯員的，而且 AI模型是機器，通電就能工作，也不會有累的干不動的時候。
最關鍵的一點來了，gpt-4o可以做到實時，它最快可以在232毫秒的時間內響應音頻輸入，平均響應時長320毫秒，與人類相似。在 GPT-4o發佈之前，體驗過 ChatGPT語音對話能力的用戶能夠感知到 ChatGPT的平均延遲為2.8秒(GPT-3.5)和5.4秒(GPT-4)。
至此，翻譯行業幾乎可以說全軍覆沒，完全被 AI替代。未來可能再也不會有同聲傳譯了。
不過，如果你要問我，那還用學英語嗎？
學英語還是很有必要的，至少在十到二十年之內。（或許這是我的毒奶，具體時間又會被提前呢？）
好了。其實，如果僅僅把 gpt-4o拿來做翻譯工具，真的是大材小用了。它的強大是整體性的，全知全能的強大。
來一個橫向測評結果康康：
總之，我知道scaling law一定會在多模態上展現超強的能力。我只是特別納悶，為什麼來的這麼快？
我一直覺得，gpt4這種帶圖像理解的模型會在幾年後出現，但沒想到它2023年4月就發佈了。
我也一直以為，全模態（文字、圖像、音頻）的AI模型至少也得等個3~5年吧。結果 gpt-4o現在就出了。
如果說 ChatGPT剛出來時，我還有點興奮和欣喜。現在的我就是：
其實現在的問題就是：
AI科技的推進速度太快了，完全不給人類適應的時間。
生產力發展太快，生產關係完全跟不上這種超速的前進，導致人們很驚訝、很震驚、很害怕、很焦慮。
當你對一個技術習以為常時，說明你還很年輕。當你對一個技術感到恐懼，說明你已經開始老了。
講真，看到 gpt-4o，我突然感覺自己有點老了~~~~
