译见｜｜人工智能时代技术驱动的翻译模式：嬗变、动因及启示

人工智能时代，翻译技术的突飞猛进极大推动了翻译行业的发展，翻译模式也随之发生深刻的变革。本文首先梳理了技术驱动的翻译模式嬗变历程，即计算机辅助翻译—机器翻译译后编辑—交互式机器翻译，然后从语言服务需求、技术创新和人文社会因素三个方面探讨了翻译模式嬗变的发展动因，并提出建立人机和谐共生生态系统，推动人本理念为核心的技术创新，重视翻译数据安全和技术伦理，提升译员技术能力与人文素养的建议。

关键词：翻译模式：嬗变：计算机辅助翻译：译后编辑：交互式机器翻译

进入 21 世纪，人类社会逐渐步入人工智能(AI)时代，自然语言处理、模式识别、机器学习、视觉感知等新技术呈爆发式增长，日益渗透到经济社会的各个领域。人工智能技术的突飞猛进极大推动了翻译行业的发展，催生了翻译记忆、术语管理、神经网络机器翻译等一大批新技术，引发了翻译生产模式的划时代变革。传统的纯人工翻译模式已无法满足日益增长的行业和市场需求，而以技术驱动为核心的翻译模式逐渐为行业所接受和认可，并在实践中得到了广泛应用。翻译模式的巨大变革颠覆了人们对翻译行业的传统认知，同时为翻译行业的发展注入了新鲜的血液。人工智能时代技术驱动的翻译模式嬗变形态有哪些? 其背后的发展动因是什么? 翻译模式嬗变对翻译行业发展和翻译教学有什么启示? 对这些问题的探索与解答不仅有助于翻译模式的理论建构，同时对翻译行业发展以及翻译实践也具有重要的指导和引领作用。

 翻译学研究中，模式是一个应用十分广泛，但又很难界定的概念。学界在使用“翻译模式”这一术语时常常出现指称对象不明确、不统一的现象。总体来看，国内外关于翻译模式的研究大致可归纳为以下四类: 

2.1 以策略方法为核心的翻译模式研究

在早期翻译理论研究中，翻译模式主要指基于翻译实践形成的策略、方法方面的理论总结。围绕这类翻译模式的研究包括翻译策略或方法分类，如归化翻译模式和异化翻译模式( Venuti， 1995)、交际翻译模式和语义翻译模式( Newmark， 2001)：针对特定研究对象的翻译方法和策略，如本源概念翻译模式(袁艳玲， 戈玲玲， 2019)、隐喻翻译模式(文炳， 王斌华， 2021)、 文学翻译模式 (吕世生， 2013)：以及针对特定译者的翻译策略研究，如鲁迅的翻译模式(王友贵， 2003)、葛浩文的翻译模式(刘云虹，许钧， 2014)等。上述这些模式研究的焦点或核心是翻译过程中使用的策略或方法，虽然侧重点有所不同，但对翻译实践都具有重要的指导意义。

    2.2 以认知过程为核心的翻译模式研究

    以翻译过程为核心的翻译模式主要对翻译过程或译者认知思维过程进行程式化的描述。研究者以某种学科理论为基础，通常采用流程图和其他图式方法将翻译的某些过程和关系图式化。比如，Nida & Taber(1969)基于转换生成理论提出的“分析 -转换 -重构 -检测”四阶段翻译模式：Bell(1991)以认知心理学、信息加工理论等为基础提出的“以语义表征为双语转换中介”的翻译过程模式：Gutt(2004) 结合关联理论提出的“关联翻译模式”等。相比以翻译策略为核心的翻译模式，此类翻译模式关注的是翻译过程和译者认知思维，更加接近翻译活动的本质，有助于揭示译者大脑黑匣子的工作机制。

    2.3 以组织形式为核心的翻译模式研究

    翻译组织形式是指在多人参与的翻译项目或任务中，参与者之间的合作方式或组织形态。这种翻译模式的典型代表为合作翻译，即翻译活动的参与者通过合作完成某项翻译任务，如佛经翻译中的“口述笔译”模式(傅良瑜， 2005)、学术外译中的“对话合作”模式(王姗姗 等， 2020)等。另外，随着现代通信和信息技术的发展，由网络使用者从发包方认领翻译任务的“众包翻译” 模式(胡安江， 2017)日益兴起，并成为翻译研究的一个热点话题。上述模式研究以翻译组织形式为核心，重点关注译者主体间的合作形式，反映了翻译活动多样化的组织实践形态。

    2.4 以技术手段为核心的翻译模式研究

    随着人工智能的快速发展，翻译技术取得了巨大的进步，并在翻译实践中得到广泛的应用。在此背景下，以翻译技术为核心的模式研究日益兴起，引发广泛关注。早期的翻译模式研究主要聚焦于计算机辅助翻译(CAT)，后期逐渐拓展至机器翻译译后编辑(MTPE)和交互式机器翻译(IMT)。研究内容主要涉及各种模式的描述介绍(Bowker， 2002：崔启亮， 2014：孔令然，崔启亮，2018：黄国平， 2017)，在实践和教学中的具体应用(张政， 张少哲， 2012：Knowles et al. 2019)，以及不同模式之间效率、质量对比(Underwood et al. 2014：王湘玲，王婷婷， 2019)。目前，基于技术驱动的翻译模式研究已成为翻译研究的热点话题之一，呈现出蓬勃发展的态势。

    综上，国内外学者从不同角度出发围绕翻译模式开展了一系列研究，对翻译模式的理论建构具有极其重要的参考价值。其中，技术驱动的翻译模式研究取得了丰硕的成果，但也存在一定的不足。前期研究大多从微观层面入手，研究内容局限于某种翻译模式的介绍、应用，或不同模式的翻译效率或译文质量对比。迄今为止，鲜有研究者从宏观角度考察技术驱动下翻译模式的形态嬗变及其背后的发展动因，尚未清晰地勾勒出这种新兴模式的发展全貌。

鉴于此，本文将首先介绍技术驱动的翻译模式形态嬗变，然后进一步分析其发展动因，并探讨翻译模式变革对翻译行业、翻译教学以及译员培训的启示。

    人工智能时代，翻译技术的创新引发了翻译实践模式的颠覆性变革。翻译技术是指翻译实践、翻译研究和翻译教学中应用的软件、工具、设施、环境、技巧等的集合，主要包括“计算机辅助翻译技术”(如翻译记忆、术语管理、质量保证)、“机器翻译技术”(如统计机器翻译、神经网络机器翻译)、“翻译管理技术”(如流程管理、语言资产管理)三大类。总体来看，技术驱动的翻译模式主要经历了以下嬗变过程: 

    3.1 从人工翻译到计算机辅助翻译

    数千年来以来，人工翻译一直是翻译的主流模式。直到 20 世纪下半叶，国际交流日益加深和拓展，翻译需求呈爆发性增长，传统的手工翻译已经无法满足日益增长的行业需求。另外，彼时软件本地化翻译需求持续增长，由于软件采用持续迭代升级的开发模式，每次升级后的翻译文本与前一版本相比具有较高的重复率，对译文重用的需求持续增长。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。在这种背景下，计算机辅助翻译( Computer-Aided Translation， 简称 CAT)应运而生。计算机辅助翻译不同于机器翻译，它不依赖于计算机的自动翻译，而是译员在翻译软件或工具的辅助下开展翻译。计算机辅助翻译的历史最早可以追溯到 20 世纪 90 年代，自瑞士 STAR(思拓)公司1991 年面向市场发布第一款计算机辅助翻译商业工具 Transit之后，各种机辅翻译软件和工具如雨后春笋般不断涌现，并在行业中得到广泛应用。目前， 主流的计算机辅助翻译软件或平台包括 Trados、memo Q、Déjàvu、Wodfast、YiCAT 等，其核心技术是翻译记忆( Translation Memory， TM) 和术语管理(Term base，TB)。翻译记忆可以为译员完成当下的翻译任务提供借鉴和参考，实现平行语料资源共享与译文重复利用。相较于传统的人工翻译，计算机辅助翻译极大地降低了译员时间和精力的投入， 不仅可以显著地提高翻译效率，而且还可以保证译文风格的统一以及术语使用的一致性。虽然计算机辅助翻译将译员从繁重的手工翻译中解放出来， 但是其自动化、智能化程度并不高，迫切需要一种新的模式来提高其生产效率。

    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巨大进步，尤其是 2016 年谷歌公司推出神经网络机器翻译(NMT)引擎以来，机器翻译译文的高可用性逐渐被行业接受和认可，日益受到青睐。但机器自动翻译输出的译文远不能满足高质量的实际需求， 必须进行人工编辑以提升译文质量，从而催生了一种新的翻译模式— — —机器翻译译后编辑( Machine Translation Post-editing， 简称 MTPE)。

    机器翻译译后编辑是指通过人工和部分自动化方式增强机器翻译的输出，以满足特定质量目标的过程。(DePalma， 2014)换言之，译后编辑是对机器翻译的初始译文进行编辑、修改和加工的过程。根据翻译目的、客户需求、机器翻译产出质量等因素， 译员可以采取轻度译后编辑( Light post-editing)和深度译后编辑(Full post-editing)两种策略。相比于计算机辅助翻译，机器翻译译后编辑在生产效率方面向前迈进了一大步。得益于高质量的机译产出， 译员可以在较短时间内完成翻译任务或项目，尤其是对于大批量、低成本的翻译项目来说，译后编辑是一个理想的选择，“已然成为翻译新业态”(李梅， 2021:93)。然而，在行业实践中，译后编辑模式仍然面临诸多现实挑战。目前机器翻译的译文质量还远远不能满足终端客户的需求，如果机译产出质量太差，那么修改错漏百出的译文将耗费译员更多的时间和精力。(O’ Brien，2014)另外，由于译后编辑严重依赖机器翻译，译员只能基于机器翻译产出的译文进行编辑，因而不可避免地会受到初始译文的影响，导致出现不同程度的“机器翻译腔”。

    3.3 从机器翻译译后编辑到交互式机器翻译

    近年来，随着大数据和人工智能技术的融合发展，尤其是深度学习技术的进步，机器翻译技术取得了新进展。交互式机器翻译( Interactive Machine Translation， 简称 IMT)的出现引发了广泛的关注， 并在行业中得到初步的应用。

    交互式机器翻译的概念最早由 Church & Hovy (1993)提出，其核心理念是通过译员与机器翻译引擎之间的交互作用，实现人工翻译准确性与机器翻译高效性的有机统一。目前，交互式机器翻译系统并不多见，主要有国外开发的 CASMACAT、Lilt 以及国内腾讯公司自主研发的 TranSmart平台、甲骨易公司开发的 LanguageX翻译平台。交互式机器翻译的主要优势在于交互性，其核心是在线自适应技术(online Adaptation)。在翻译过程中，系统会根据译员已经翻译的部分自动预测即将翻译的内容，并动态生成后续译文以供参考。译员可以接受系统提供的译文，也可以按照自己的思路进行修改或提出新的译法。系统会将每一次输入作为反馈进行“学习”并实时做出调整和更新，这个交互过程会一直持续到翻译任务完成。这不仅可以提高翻译的质量，也能避免译后编辑过程中译员因重复纠正相同的错误而产生挫败感。尽管目前交互式机器翻译系统仍处于原型阶段，但随着机器翻译技术的进步，尤其是基于深度学习的自适应技术的发展，“交互式机器翻译有望成为人工翻译的候选项之一”(黄国平， 2017:21)。

    综上，技术驱动的翻译模式经历了由计算机辅助翻译到机器翻译译后编辑，再到交互式机器翻译的嬗变历程。每种翻译模式都有其自身的特点，并在前期模式的基础上有所发展和创新，在智能化程度、译者主体性和人机交互能力方面，呈现出一些典型的特征，如表 1 所示。

    首先，翻译智能化程度越来越高。从表 1 可见， 早期的计算机辅助翻译技术复杂度相对较低，主要依靠翻译记忆技术(即双语平行语料库)。相比之下，译后编辑模式下，译者调用的机器翻译引擎技术就复杂得多，需要强大的人工智能和深度学习技术作为依托。而交互式机器翻译在前者的基础上引入了更为先进的自适应技术，进一步提升了系统的智能性和交互性。可见，随着翻译模式的不断发展，翻译的自动化、智能化程度越来越高，技术对翻译效率和质量的贡献作用也越来越大。

    其次，译者主体性有所削弱下降。在计算机辅助翻译模式下，尽管各种工具和软件在翻译过程中发挥了重要的作用，但只是一种辅助功能，大部分翻译工作仍然由译员完成，译员是翻译活动的主导。然而，在机器翻译译后编辑和交互式机器翻译中，大部分工作由机器翻译完成，译员只是在系统产出译文之后进行修改和加工，主动性和创造性不能得到充分发挥。虽然交互式机器翻译有意识地提高了人在译后修改过程中的参与度，但是译者主体性仍然无法得到充分的彰显。

    最后，人机交互的程度不断增强。在计算机辅助翻译和译后编辑两种模式下，人机之间的交互程度较弱。译员只能在翻译记忆的基础上完善译文或对机器翻译产出的静态译文进行加工和修改，无法得到及时的反馈和调整。而在交互式机器翻译模式下，译员可以得到机器翻译系统的即时反馈并进行动态调整，修改调整又会被存储到翻译记忆中用于后文的翻译，这种人机互动会持续到翻译任务完成， 被认为是“当前和未来职业翻译的主流翻译模式”(王华树， 2020:85)。在交互式机器翻译模式下，机器的效率和译者的主动性都能得到提升，二者相互补充、相得益彰。

    技术驱动的翻译模式嬗变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深化对翻译模式的认知和理解，而且对于行业发展、技术创新和译员培训都具有重要的参考价值。下文将从语言服务需求、技术工具创新、人文社会因素三个方面分析其嬗变动因。

    4.1 语言服务需求是翻译模式嬗变的根本因素

    语言服务需求变化是推动翻译模式嬗变的根本性原因。一方面，随着全球经济一体化进程的加快， 语言服务的需求量急剧增长，翻译的速度和效率受到前所未有的重视。据国际权威调查机构 CSA Research的调查，2008 年全球语言服务产值仅为 140 亿美元，2022 年达到了 520. 1 亿美元。急速增长的翻译需求给传统的翻译行业带来了挑战，仅凭人力和简单组织很难完成如此巨大的翻译量。而引入翻译技术来提高生产效率可作为解决这一问题的理想方案。另一方面，翻译对象的变化也推动了翻译模式的变革。随着数字化时代的来临，“翻译的对象除了传统的纸质文本外，还涌现出了形形色色的涵盖文字、图片、声音、影像等多种形式符号的网状文本”(谢天振， 2015: 14)，例如 INDD、XML、YML、JSON等文件。如果没有翻译技术工具的支持，译者无法访问需要翻译的文件，也就无法开始这些文本项目的翻译。这在很大程度上倒逼翻译行业必须不断升级技术工具、革新翻译模式，以满足不断变化的行业和市场需求。另外，随着语言服务需求向多语种、规模化和高质量方向发展，翻译模式逐渐从个人翻译向团队协同翻译转变，不可避免地需要加强项目管理沟通与协调，进行分工协作，共享项目信息等。这在很大程度上推动了各种云翻译平台(如Phrase、YiCAT、译马网)的出现。

    4.2 技术创新是推动翻译模式嬗变的直接动力

    翻译技术的创新为翻译模式变革提供了源源不断的推动力。从根本上来说，翻译技术是人工智能技术不断发展的产物，其基础是软件技术、互联网技术和大数据技术。它伴随着人工智能技术的发展， 不断迭代升级，为翻译模式嬗变提供了直接动力。

    纵观历史长河，人类每一次重大社会变革都与科学发现和技术发明息息相关。过去 30 年，改变翻译生产方式的颠覆性技术不断涌现，对传统手工翻译模式产生了巨大冲击。20 世纪 90 年代，日益成熟的语料库技术催生了基于翻译记忆的计算机辅助翻译软件和平台，计算机辅助翻译模式逐渐成为翻译行业的主流。日新月异的机器翻译技术，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一统天下的局面， 机器翻译译后编辑由幕后走向台前。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得到行业的认可和接受，“人机共译”的翻译模式也从理想变为现实。2022 年以 Chatgpt 为代表的大语言模型的发布，加速了交互式机器翻译模式的应用。由此可见，每一次翻译模式的变革都与翻译技术的创新与发展密不可分。

    4.3 人文社会因素是翻译模式嬗变的调节器

    人文社会因素在翻译模式的变革中也起到重要的调节作用。随着技术工具在翻译过程中的广泛应用，翻译效率得到极大的提升，显现出巨大的生产力。在惊叹技术进步的同时，人们往往过分强调速度和效率，沉迷于技术的应用，而忽略了翻译活动的人文性和社会性。这种“技术至上”的思潮推动了计算机辅助翻译、机器翻译译后编辑等新模式的应用，但同时也造成人们对机器和工具的过度依赖。然而，翻译从本质上来看是一项兼具人文性与社会性的交际活动，人在其中扮演着绝对主导的作用，只有充分发挥人类主体的能动性和创造性，才能够合理运用和驾驭各种工具和技术，实现知识和价值传递的目标，而不是为工具或技术所奴役。随着价值理性的回归，学界开始对翻译技术及其衍生的翻译模式进行批判性反思，注重探索翻译活动中的社会文化因素，逐渐向“以人为本”的理念靠拢。在价值理性的指导下，越来越多的研究者试图重建译者的主体性，出现了“工具理性和价值理性的融合趋势”(李彦，肖维青， 2018:1)，交互式机器翻译模式就是在这一思潮的推动下逐步萌芽和发展起来。

人工智能时代，技术驱动的翻译模式变革不仅深刻地影响了语言服务行业的发展，同时也对翻译技术创新、翻译教学与培训带来机遇与挑战。基于前述分析，本文提出应从以下几方面进行建设，以推动翻译行业的持续健康发展。

    5.1 建立人机和谐共生的生态系统

    面对日新月异的人工智能技术发展，语言服务行业要顺应时代潮流，引领翻译技术和生产模式的发展，建立人与机器和谐共生的翻译生态系统。在这一生态系统中，译员和机器不是竞争或取代的关系，而是互相支撑、系统并进，最终实现人类与机器的密切耦合。要实现这一目标，必须强化人与机器的交互，引导人机关系向着共生的方向发展。通过人机交互，机器可以更好地适应人的操控能力、感知能力和认知能力，提供灵活、个性化的服务：而译员借助智能化的翻译技术或机器引擎可以充分发挥其主动性和创造力，从而提升翻译效率和翻译质量。Davenport & Kirby(2016)曾前瞻性地指出，技术思维与人类智慧相结合是未来发展的必然趋势，人类和机器能否和谐共生关键在于我们的选择。

    5.2 推动人本理念为核心的技术创新

    随着人工智能技术在翻译领域的广泛应用，一些问题和不足逐渐暴露出来， 其中最主要的问题在于很多设计没有充分考虑“人”的因素。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增强翻译模型的效果，起到了很好的引领和示范作用。然而，目前人机交互技术还不成熟，有待完善。比如， 交互式机翻系统仍然采用传统的左右交互方案，这在一定程度上影响了翻译的效率。(黄国平， 2017)推动翻译技术的完善和进步不能完全依赖于先进的计算模型，还需要充分挖掘人机交互得到的信息去增强翻译能力，“对其研发者和使用者提供人文关怀和伦理指导，以推进机器翻译深度开发和跨学科发展”(王贇，张政， 2022: 112)。这需要行业用户为翻译技术软件和系统的开发者提供支持和反馈，引领翻译技术的发展，而不是被技术牵着鼻子走。在未来，人机交互、相互学习将成为机器翻译技术甚至是人工智能技术进步的关键。

    5.3 重视翻译数据安全和技术职业伦理

    随着技术驱动的翻译生产模式不断拓展和延伸，翻译活动中的数据安全和职业伦理问题也日益凸显。一方面，基于互联网的翻译技术、云平台的使用大幅提升了翻译的产出效率，但同时也存在数据安全的隐患。例如，用户存储在云端服务器的术语库和翻译记忆库可能会被黑客、病毒攻击，导致数据泄露：而使用在线机器翻译也存在个人隐私泄露的风险，因为机器翻译服务商可能会利用用户的真实翻译语料进行机器学习和训练。(王华树，刘世界， 2022)因此，保障翻译数据安全刻不容缓。另一方面，翻译技术是一把双刃剑，滥用翻译技术会对语言服务行业带来负面的影响。例如，在机器翻译译后编辑中，如果不对机器翻译译文进行严谨、专业的译后审校，会造成译文质量下降，有损于翻译工作者的职业形象，也可能给读者带来阅读障碍。为此，必须重视培养译者的职业伦理培训，加强对译者的技术伦理约束。2019 年，中国翻译协会发布的《译员职业道德准则与行为规范》可以在这方面发挥良好的引导效用。

    5.4 注重译员技术能力与人文素养双提升

    技术驱动的翻译模式变革给翻译教学和译员培训带来了不小的挑战，传统教学模式下培养出的毕业生很难适应当前瞬息万变的翻译行业。为了适应当前翻译技术和行业发展的需要，必须改革现有教学体系，增设翻译技术类课程，提高学生的翻译技术能力。然而，翻译不是简单意义上的语言转换，而是兼具社会性、文化性、符号转换性、创造性和历史性的跨文化交际活动。(许钧， 2003)这意味着一名合格的译者不仅需要扎实的双语功底，还需要广博的文化知识、丰富的情感和想象力等。如果一味注重技术能力的发展，而忽略了人文精神的培养，那么译者可能“面临着被‘机器化’的风险，慢慢沦为语言流水线上的工人”(王华树， 刘世界， 2021:89)。在未来的翻译教学中，既要培养学生技术能力，同时也要大力提升他们的人文素养，注重培养审美、探究、逻辑思维能力，激发自主性与创造性。

06

    人工智能时代，翻译技术进入高速发展时期，技术驱动翻译产业和模式变革符合发展语言智能的国家战略，也是历史发展的必然趋势。本研究对技术驱动的翻译模式嬗变分析发现，当前翻译模式智能化、自动化的趋势愈加明显，而译员对技术的依赖也与日俱增，主体性和创造性有所削弱和下降。但这并不意味着二者截然对立、不可调和，而是彼此联系、相互依存的矛盾统一体。在未来，实现二者和谐发展的关键在于推动人机交互技术的发展和应用: 一方面，翻译技术开发要注重以人为本，增强人机交互，激发译员的主动性和创造性：另一方面， 译员要保持客观理性的认识，积极接纳和引导翻译技术的发展，推动人与机器相互依存、共轭共生的理想成为现实。