何文忠：生成式人工智能与翻译的变革

过去一年，我一直在密集测试大语言模型在文本分析、文档对齐、术语提取或生成、机器初译、术语核查、译后编辑、风格调整、质量保证、校对润色中的应用，试验各种提示词的效果，确实效能明显，减轻了工作量，提升了翻译质量和交付速度。在无字幕文件的视频翻译中，自动语音识别、自动时间轴、自动机器翻译、配音、口型同步等技术，极大解决了影视翻译的痛点。

这也让我担忧，很快翻译实践、教学、技术都将重新洗牌。大语言模型将会提高翻译的门槛，挤压初中级译员的生存空间，逼退他们，造成翻译人才的断层。

大语言模型翻译相较于人类译员的优势在于快速高效、成本低廉、多语言支持、学科穿透性强及较好的一致性。但是，与高水平的职业译员相比，其劣势也明显：不会处理涉及意识形态与立场的文本；非本地部署的大语言模型可能会泄露隐私和敏感信息；可能难以完全理解某些文化特定的表达或俚语；对于语言的微妙含义不太敏感；在处理创造性文本时可能缺乏灵活性和创新性，语言相对平庸，缺少个性和灵气；不会主动去核实信息、查证引文、术语和专名，从而导致错误；对于高度专业化的领域，可能需要额外的训练；在传达情感色彩和语气方面可能不如人类译员准确，即便有提示词的介入。所以对于高利益攸关的翻译项目，交付前一定需要高水平译员把关，否则会造成严重后果。

在这种形势下，翻译教育必须因势而变。首先，教师要转变教育理念，拥抱人工智能，以现代翻译实务为纲，以培养人工智能时代的翻译能力为目标，以探究性实验教学为手段，大刀阔斧地改革培养方案、教学组织形式、教学内容和评估方式，培养人工智能时代的合格职业译员。其次，将翻译领地扩展到语言服务，扩大学生就业途径。第三，构建新型的师生关系和高效的教学组织形式，决不能再固守中世纪的课堂形式，教授旧石器时代的翻译技巧。再者，构建多元化、智能化的学习资源。学校学习负责知识的深度，网络学习负责知识的广度。让学生加强实习实践，学而时习之，才能形成经验，应对复杂庞大的翻译项目。

虽然大语言模型强大如斯，但在需要高质量、文化与意识形态敏感度高和专业性强的翻译任务中，人类译员的专业性和创造力仍然不可或缺，而且对翻译从业者的语言能力和经验提出了更高要求。要是看不出生成式人工智能翻译的问题，你在这个行业就难以有立足之地。

作者简介

何文忠，博士，浙江大学外国语学院副教授，硕士生导师，主要研究方向：语料库语言学、语料库翻译学、现代汉语语法、翻译技术、对比语言学。

文献来源：原载《21世纪英文报·英语教育》347期（2024年1月8日）。

– END –

转载来源：浙大译学馆

转载编辑：刘淋霖

Was it helpful ?

还有问题？我们能帮忙吗？