人工智能时代翻译技术研究，人工智能对翻译行业的冲击

本文来源：《上海翻译》 2023年第4期

转载自：交通大学外国语学院

人工智能时代技术驱动的翻译模型：演化、动因与启示王俊松西北科技大学肖伟庆上海外国语大学对外经济贸易学院崔其亮

[摘要]人工智能时代，翻译技术的快速进步极大地推动了翻译行业的发展，翻译模式也发生了显着变化。本文首先梳理技术驱动翻译模型的演进过程，即计算机辅助翻译机器翻译译后编辑交互式机器翻译，然后从语言服务三个方面展开翻译模型的演进。需求与技术创新。讨论。为建立人与机器和谐共生生态系统，以人文理念为核心推动技术创新，关注翻译数据安全和技术伦理，提升技术实力和科技能力提出动机和建议。译者的人文素质。 [关键词] 翻译模型、转换、计算机辅助翻译、译后编辑、交互式机器翻译

1

介绍

进入21世纪，人类社会逐渐进入人工智能时代，自然语言处理、模式识别、机器学习、视觉认知等新技术爆发式增长，渗透到经济社会各个领域。我一直在这样做。人工智能技术的快速进步极大地推动了翻译行业的发展，催生了翻译记忆库、术语管理、神经网络机器翻译等诸多新技术，使翻译生产模式发生了突破性的变化。传统的完全手工翻译模式已经不能满足不断增长的行业和市场的需求，技术驱动的翻译模式正逐渐获得行业的接受、认可并在实践中广泛使用。翻译模式的重大变革颠覆了人们对翻译行业的传统认知，同时也为翻译行业的发展注入了新鲜血液。人工智能时代，什么样的翻译模式会随着技术的发展而演变，其发展的驱动力是什么？翻译模型的演进对翻译行业和翻译教育的发展有何影响？探索和回答这些问题不仅有助于翻译模型的理论构建，也有助于翻译行业和翻译实践的发展。发展中发挥重要领导作用

2

国内外研究现状

在翻译研究中，模型是一个广泛使用但难以定义的概念。当学术界使用“翻译模型”一词时，其所指对象往往不明确且不一致。 2.1 以策略和方法为中心的翻译模型研究在早期的翻译理论研究中，翻译模型主要是指以翻译为基础的策略和方法。理论总结。这类翻译模型的研究包括翻译策略或方法的分类，如归化翻译模型和异化翻译模型（Venuti，1995）、交际翻译模型和语义翻译模型（Newmart，2001），以及具体研究的翻译方法和方法。原始概念翻译模型（袁艳玲、葛玲玲，2019）、隐喻翻译模型（文冰、王宾华，2021）、文学翻译模型（吕世胜，2013）、翻译策略研究鲁迅翻译模型（王有贵，2003），针对特定译者，如格兰瑟姆翻译模型（刘云红，徐军，2014）。上述模型研究的焦点或核心是翻译过程中所使用的策略或技巧，虽然侧重点不同，但都具有作为翻译实践的重要指导意义。 2.2 以认知过程为中心的翻译模型研究以翻译过程为中心的翻译模型主要是对翻译过程或译者认知思维过程的程式化描述。研究人员通常根据特定的专业理论，使用流程图和其他图形技术来绘制翻译中的特定流程和关系。例如，Nida Taber（1969）基于变换生成理论提出了“分析、变换、重构和检测”的四阶段翻译模型，Bell（1991）提出了“基于语义表示的翻译模型” “基于认知心理学。”，Gutt（2004）提出了基于信息处理理论的“相关性翻译模型”和“作为双语转换中介”的翻译过程模型，Gutt（2004）提出了基于关联理论的“关联翻译模型”。与注重翻译策略的翻译模型相比，此类翻译模型注重翻译过程和译者的认知思维，更贴近翻译活动的本质，体现了译者大脑的黑箱运作，有助于理清翻译过程。机制。 2.3 以组织形式为中心的翻译模型研究翻译组织形式是指涉及多人的翻译项目和翻译任务的参与者之间合作的组织形式和方式。这种翻译模式的典型例子是佛经翻译中的“口译”模式（付良玉，2005）和“对话合作”，都是翻译活动的参与者共同完成某项翻译任务的合作翻译。学术外语翻译模型（王珊珊等，2020）等而且，随着现代通信和信息技术的发展，网络用户向缔约方请求翻译任务的“众包翻译”模式（环江，2017）日益兴起，成为翻译研究的热点。上述模型研究以翻译组织形式为中心，关注译者之间的合作形式，体现了翻译活动多样化的组织实践形式。 2.4 以技术手段为核心的翻译模型研究随着人工智能的快速发展，翻译技术取得了长足的进步，现已广泛应用于翻译实践中。在此背景下，以翻译技术为核心的模型研究应运而生并受到广泛关注。早期翻译模型研究主要集中于计算机辅助翻译（CAT），此后逐渐扩展到机器翻译译后编辑（MTPE）和交互式机器翻译（IMT）。

研究内容主要集中在各种模型的描述和介绍（Bowker，2002；崔其亮，2014；孔令然，崔其亮，2018；黄国平，2017），以及它们在实践和教育中的具体应用（张政，张绍哲）。2012；Knowles 等，2019），以及不同模式之间的效率和质量比较（Underwood 等，2014；王翔玲，王婷婷，2019）。当前，技术驱动的翻译模型研究已成为翻译研究的热点之一，并呈现活跃的发展趋势。综上所述，国内外学者从不同角度对翻译模式进行了一系列研究，对于翻译模式的理论构建具有极其重要的参考价值。其中，技术驱动的翻译模型研究取得了有益的成果，但也存在一些缺陷。早期的研究很多是从微观层面开始的，仅限于特定翻译模型的介绍和应用，或者不同模型的翻译效率和翻译质量的比较。迄今为止，很少有研究人员从宏观角度研究技术驱动的翻译模型的形态演化及其背后的发展动机，而且这种新模型的整体发展仍不清楚。基于此，本文首先介绍技术驱动的翻译模式的演变，然后进一步分析其发展的动因，并探讨翻译模式的变化对翻译行业、翻译教育和译员培训的影响。

3

技术驱动的翻译模型演化过程

人工智能时代，翻译技术的创新导致翻译实践模式发生颠覆性变化。翻译技术是指用于翻译实践、翻译研究、翻译教育的软件、工具、设备、环境、技术等的集合，主要指“计算机辅助翻译技术”（翻译记忆、术语管理、质量管理等）。保证等）。等）。 ）、“机器翻译技术”（统计机器翻译、神经网络机器翻译等）、“翻译管理技术”（流程管理、语言资产管理等）。 3.1 从手工翻译到计算机辅助翻译几千年来，手工翻译一直是翻译的主导模式。到了20世纪末，随着国际交流的深入和扩大，翻译需求爆发式增长，传统的手工翻译已经不能满足行业日益增长的需求。而且，当时软件本地化翻译的需求不断增加，而软件采用了不断迭代升级的开发模式，因此每次升级后翻译文本的重复率都比之前的版本要高，翻译需求也随之增加。重复利用正在增加。持续增长。随着计算机技术的进步，人们开始尝试使用各种软件和工具来辅助翻译。正是在这种背景下，计算机辅助翻译（CAT）应运而生。计算机辅助翻译与机器翻译的不同之处在于，它不依赖计算机自动翻译，而是借助翻译软件和工具进行翻译。计算机辅助翻译的历史可以追溯到20世纪90年代，自1991年瑞士STAR发布第一个计算机辅助翻译商业工具Transit以来，各种机器辅助翻译软件和工具如雨后春笋般涌现。雨.广泛应用于工业。目前主流的计算机辅助翻译软件或平台有Trados、memo Q、Dj vu、Wodfast、YiCAT等，其核心技术是翻译记忆库（TM）和术语库（TB）。翻译记忆为译者完成当前翻译任务提供参考和参考，并实现双语语料资源共享和译文复用。与传统的手工翻译相比，计算机辅助翻译可以显着减少译者的时间和精力投入，大大提高翻译效率，还能保证翻译风格的统一和术语的一致性。计算机辅助翻译将翻译人员从繁重的手工任务中解放出来，但其自动化和智能化程度有限，迫切需要新的模式来提高生产效率。 3.2 从计算机辅助翻译到机器翻译译后编辑继计算机辅助翻译之后，机器翻译技术取得了长足的进步，特别是自Google 于2016 年宣布推出神经网络机器翻译（NMT）引擎以来，机器翻译技术具有高可用性。它正在逐渐被业界接受、认可并越来越受到业界的支持。然而，自动机器翻译输出的译文远远不能满足实际的高质量要求，需要人工编辑来提高译文质量，因此需要一种新的翻译模型。出生于。)。机器翻译译后编辑是通过手动和部分自动化的方式增强机器翻译输出以实现特定质量目标的过程。 （DePalma，2014）换句话说，译后编辑是编辑、纠正和处理机器翻译的初始翻译的过程。根据翻译目的、客户需求、机器翻译输出质量等因素，译者可以采取两种策略：轻度译后编辑（Light Post-editing）和深度译后编辑（Full Post-editing）。

与计算机辅助翻译相比，机器翻译译后编辑在生产力方面已经取得了长足的进步。得益于高质量的机器翻译输出，译者可以更快地完成翻译任务和项目。特别是对于大批量、低成本的翻译项目，译后编辑是理想的选择。 “翻译的形式”（李梅，2021：93）。然而，在行业实践中，译后编辑模式仍面临诸多实际挑战。目前，机器翻译的翻译质量远远不能满足最终客户的需求，而当机器翻译的输出质量太低时，译者就不得不花费更多的时间和精力来修复充满错误的翻译。 （O'Brien，2014）此外，由于译后编辑严重依赖机器翻译，译者只能根据机器翻译产生的译文进行编辑，这不可避免地影响了最初的翻译，机器翻译存在不同程度的“空洞” 。 3.3 从机器翻译译后编辑到交互式机器翻译近年来，由于大数据和人工智能技术的融合和发展，特别是深度学习技术的进步，机器翻译技术取得了新的进展。交互式机器翻译（IMT）的出现受到了广泛关注，并最初应用于工业界。交互式机器翻译的概念最早由Church & Hovy (1993) 提出。其中心思想是通过译者与机器翻译引擎的交互，实现人工翻译准确性与机器翻译效率的有机统一。目前交互式机器翻译系统较少，主要有国外开发的CASMACAT、Lilt，以及腾讯自研的TranSmart平台和Oracle的LanguageX翻译平台。交互式机器翻译的主要优势是交互性，其核心是在线适配技术。在翻译过程中，系统会根据译者已翻译的内容自动预测要翻译的内容，并动态生成后续译文供参考。译者可以接受系统提供的翻译，根据自己的想法更改翻译，或者建议新的翻译方法。系统从每个输入作为反馈中“学习”，实时进行调整和更新。这个交互过程一直持续到翻译任务完成。这不仅提高了翻译质量，还避免了译者在译后编辑过程中反复纠正相同错误的挫败感。尽管目前的交互式机器翻译系统仍处于原型阶段，但机器翻译技术的进步，特别是基于深度学习的自适应技术的发展，表明“交互式机器翻译将成为人类翻译的候选者之一”。 （黄国平，2017：21）。综上所述，技术驱动的翻译模式已经从计算机辅助翻译发展到机器翻译译后编辑再到交互式机器翻译。每种翻译模型都有自己的特点，都是在以往模型的基础上发展和创新的，在智能性、译者主体性、人机交互能力等方面有所不同，如表1所示，展示了典型特征。表1 技术驱动翻译模型的特征

翻译模式

智力程度

译者的主观意见

人机交互

计算机辅助翻译(CAT)

*

***

**

机器翻译译后编辑(MTPE)

**

*

**

交互式机器翻译(IMT)

***

**

***

星号(*) 的数量表示程度。

首先，翻译变得越来越智能化。从表1可以看出，早期的计算机辅助翻译技术复杂度相对较低，主要依赖于翻译记忆技术（即双语并行语料库）。相比之下，在译后编辑模式下，译者所使用的机器翻译引擎技术要复杂得多，需要强大的人工智能和深度学习技术作为基础。交互式机器翻译在前者的基础上引入了更先进的自适应技术，进一步增加了系统的智能性和交互性。翻译模型的不断发展意味着翻译日益自动化和智能化，技术对翻译效率和质量的贡献越来越大。其次，译者的主观性被削弱。在计算机辅助翻译中，各种工具和软件在翻译过程中发挥着重要作用，但它们只是辅助功能，大部分翻译工作仍然由译者来完成，译者是翻译活动的主导者。然而，在机器翻译译后编辑和交互式机器翻译中，大部分工作都是由机器翻译完成，译者只是在系统生成翻译文本后进行修改和处理，很难充分发挥自己的独立性和创造性。 不能。尽管交互式机器翻译有意识地增加了译后修改过程中的人的参与，但译者的主观性仍然没有得到充分体现。最后，人机交互程度不断提高。无论是计算机辅助翻译还是译后编辑模式，人与机器的交互程度都很弱。译者只能根据翻译记忆库改进翻译，或者对机器翻译产生的静态翻译进行处理和修改，而得不到及时的反馈或调整。交互式机器翻译模式可以让译者获得机器翻译系统的即时反馈并进行动态调整。更正和调整将保存在翻译记忆库中以供后续翻译。这种人机交互一直持续到翻译任务完成。其完成的版本被认为是“当前和未来专业翻译的主流翻译模式”（王华树，2020：85）。交互式机器翻译模式既可以提高机器效率，又可以提高译者的主动性，两者相辅相成。

四

技术驱动的翻译模型的演变

技术驱动翻译模式的演进是人工智能时代翻译行业发展的必然趋势。探究其背后的发展动因，不仅有助于加深对翻译模型的认识和理解，而且对行业发展、技术创新、译者培训等具有重要的参考价值。下面，我们从语言服务需求、技术工具创新、人文社会因素三个方面分析其演变的原因。 4.1 语言服务需求是翻译模型演化的根本原因语言服务需求的变化是翻译模型演化的根本原因。另一方面，随着全球经济一体化的加速，对语言服务的需求急剧增加，翻译的速度和效率从未如此重要。据国际权威研究机构CSA Research的研究显示，2008年全球语言服务产值仅为140亿美元，但2022年将达到520.1亿美元。翻译需求的快速增长对传统翻译行业提出了挑战，仅靠人力和简单的组织很难完成如此庞大的翻译量。通过实施翻译技术来提高生产效率可以成为解决这一问题的理想方案。另一方面，翻译目标的变化也在推动翻译模式的变化。随着数字时代的到来，“除了传统的纸质文本外，各种网络文本，包括文本、图像、音频、视频和其他形式的符号，都成为翻译的对象”（谢天真，2015：14） 。如INDD、XML、YML、JSON等文件。如果没有翻译技术工具的支持，译者就无法访问需要翻译的文件，也无法开始翻译这些文本项目。这就要求翻译行业不断升级技术工具、创新翻译模式，以满足不断变化的行业和市场需求。此外，随着语言服务的需求向多语种、规模化、更高质量方向发展，翻译模式逐渐从个体翻译向团队协作翻译转变，项目管理沟通协调的加强是必然的，包括分工和协作。协作和项目信息共享。这主要促成了各种云翻译平台（Phrase、YiCAT、YiMa.com等）的出现。 4.2 技术创新是翻译模式变革的直接驱动力翻译技术创新是翻译模式变革的稳定驱动力。基本上，翻译技术是基于软件技术、互联网技术和大数据技术的人工智能技术不断发展的产物。随着人工智能技术的发展，其不断升级，为翻译模型的演进提供了直接驱动力。纵观历史，人类每一次重大的社会变革都与科学发现和技术发明密切相关。过去30 年来，颠覆性技术不断涌现，改变了翻译的创建方式，对传统的手动翻译模式产生了重大影响。 20世纪90年代，随着语料库技术的日益成熟以及基于翻译记忆库的计算机辅助翻译软件和平台的诞生，计算机辅助翻译模式逐渐成为翻译行业的主流。机器翻译技术的日新月异，尤其是2016年神经网络机器翻译技术的出现，打破了计算机辅助翻译的统治地位，使机器翻译译后编辑从幕后走向了舞台中央。近年来，基于深度学习的自适应技术为翻译行业的变革注入了新的活力，人机交互的理念逐渐开始被行业认可和接受，“人机协同翻译” ” 翻译已成为主流。成为。模型也从理想变为现实。 2022 年Chatgpt 等大规模语言模型的发布将加速交互式机器翻译模型的采用。可见，翻译模式的任何变革都离不开翻译技术的创新和发展。

4.3 人文社会因素是翻译模式变革的调节因素人文社会因素在翻译模式变革中也发挥着重要的调节作用。翻译过程中技术工具的激增，极大地提高了翻译效率，大大提高了生产力。人们在惊叹科技进步的同时，往往过分强调速度和效率，沉迷于科技的应用，而忽视了翻译工作的人文性和社会性。这种“技术优先”的思潮鼓励了计算机辅助翻译、机器翻译译后编辑等新模式的应用，但也导致人们过度依赖机器和工具。然而，翻译本来就是人类占绝对主导地位的人文和社会交际活动，只有最大限度地发挥人的独立性和创造性，才能合理地利用和驾驭各种工具和技术。实现知识和价值转移的目标，而不是成为工具和技术的奴隶。响应价值理性的回归，学术界开始批判性地审视翻译技巧以及由此衍生的翻译模式，重点探讨翻译活动中的社会文化因素，并逐渐变得更加“以人为本”。越来越多的研究者试图在价值理性的指导下重构译者的主体性，并出现了“工具理性与价值理性相结合的趋势”（李岩、肖伟庆，2018：1），交互式机器翻译模型的激发在这种思潮的推动下，它逐渐萌芽、发展。

五

技术驱动翻译模型演变的启示

人工智能时代，技术驱动的翻译模式变革不仅对语言服务行业的发展产生了重大影响，也给翻译技术创新、翻译教育培训带来了机遇和挑战。基于以上分析，本文提出，要实现翻译行业持续健康发展，应从以下几个方面进行建设。 5.1 建立人与机器和谐共存的生态系统面对人工智能技术的快速发展，语言服务行业顺应时代潮流，率先发展翻译技术和生产模式，发展翻译生态系统，必须建立。人类与机器和谐共处。在这个生态系统中，翻译者和机器并不相互竞争或取代，而是相互支持、系统推进，最终实现人与机器更加紧密的结合。为了实现这一目标，我们需要加强人机交互，引导人机关系向共生方向发展。通过人机交互，机器将能够更好地适应人类的控制、感知和认知能力，提供灵活、个性化的服务，翻译人员将能够依靠智能翻译技术和机器引擎的帮助。您可以最大限度地发挥您的自发性和创造力，从而提高您的能力。翻译效率和翻译质量。 Davenport & Kirby（2016）曾积极指出，科技思维与人类智能的结合是未来发展的必然趋势，但人与机器能否和谐共存的关键在于我们的选择。 5.2 以人性为核心推动技术创新随着人工智能技术在翻译领域的普及，一些问题和不足逐渐暴露出来，但最重要的问题是，很多设计的问题在于“性别”因素没有得到足够的考虑。目前，交互式机器翻译的自适应技术充分利用人机交互带来的信息来提高翻译模型的有效性，发挥了良好的引领和示范作用。然而，目前的人机交互技术尚不成熟，需要改进。例如，交互式计算机翻译系统仍然采用传统的左右交互方式，这在一定程度上影响了翻译效率。 （黄国平，2017）推动翻译技术的改进和进步，不能完全依赖先进的计算模型，而必须充分利用人机交互中获得的信息，还需要加强翻译能力，“提供人性化的考虑”。以及对译者的道德指导。”开发者和用户。 ”（王云，张政，2022：112）这需要行业用户向翻译技术软件和系统开发者提供支持和反馈，引领翻译技术的发展而不是被技术驱动。马苏。未来，人机交互和相互学习将是机器翻译技术乃至人工智能技术进步的关键。 5.3 关注翻译数据安全和技术道德随着技术驱动的翻译生产模式不断拓展，翻译活动中的数据安全和职业道德问题日益突出。基于互联网的翻译技术和云平台的使用虽然大大提高了翻译输出效率，但也带来了数据安全风险。例如，用户存储在云服务器上的术语库和翻译记忆库可能会受到黑客或病毒的攻击，从而导致数据泄露。使用在线机器翻译还存在机器翻译服务提供商泄露个人隐私的风险。我们可能会使用用户实际翻译的语料库进行机器学习和训练。 （王华树，刘世杰，2022）因此，保障翻译数据的安全刻不容缓。另一方面，翻译技术是一把双刃剑，翻译技术的滥用会给语言服务行业带来负面影响。例如，在机器翻译的译后编辑中，如果机器翻译没有经过严格的专业审核，翻译质量就会下降，损害译者的专业形象，给读者阅读带来困难，这是有可能的。

为此，有必要重视对译者的职业道德教育，加强对译者技术道德的约束。中国翻译协会2019年发布的《译员职业道德准则与行为规范》号文件可以在这方面起到很好的指导作用。 5.4 注重译者技术素质和人文素质的提升技术驱动的翻译模式变革对传统教育模式下的翻译教育和译员培训提出重大挑战翻译行业的日新月异，培养的毕业生难以适应当前的形势翻译模型。为适应当前翻译技术和行业发展的需要，应改革现有教育体系，增设翻译技术课程，提高学生的翻译技术能力。然而，翻译不仅仅是语言转换；它是一种社会的、文化的、象征的、创造性的、历史的跨文化交际活动。 （徐军，2003）这意味着，合格的译者不仅需要扎实的双语功底，还需要丰富的文化知识、丰富的情感和想象力等。如果一味注重技术能力的发展，忽视人文精神的培养，译者“就有‘机械化’的风险，逐渐成为语言流水线劳动者”（王华树、刘世杰，2021：89）。未来，翻译教育不仅要培养学生的技术能力，更要积极提高学生的人文素养，注重培养审美意识、求知欲、逻辑思维能力，鼓励独立性和创造力，需要激发。

6

结论

进入人工智能时代，翻译技术进入快速发展期，技术驱动翻译行业和翻译模式变革符合发展语言智能化的国家战略，是历史发展的必然组成部分.这是一种趋势。本研究对技术驱动翻译模式演进的分析表明，在当前翻译模式智能化、自动化的趋势越来越明显的同时，译者对技术的依赖也日益增强。并且更加主观和创造性。它变得虚弱并衰落。但这并不意味着两者截然对立、相互排斥，而是相互联系、日益相互依存的矛盾统一体。未来实现两者和谐发展的关键是推动人机交互技术的发展和应用。另一方面，翻译技术的发展应注重以人为本，增强人机交互。在激发译者自发性和创造性的同时，译者必须保持客观理性的认识，积极拥抱和引导翻译技术的发展，实现人与机器的相互依存、耦合、共生。注：感谢北京外国语大学王华修副教授在本文写作过程中提出的宝贵修改意见。 *参考文献和注释请见期刊原文链接：https://kns.cnki.net/kcms2/article/abstract v=wtfL5LaTFbGfRK3iM3zTOLx0yr1QiGcMPToqCWwliwC-2TA6RR3NheF2yiFX21D_t0djX2lYvCxcj9xbdBKAUU0etaXVs rdQlkUZAif sZeUal6-lswY6MFjaIRvYxK6neIN1-phG9lE=uniplatform=NZKPTflag=复制