本公众号陆续转载本专栏的文章，下面为本专栏的第三篇文章：

原文刊登 | 邓军涛,刘婉.AIGC 时代的翻译教学资源建设:变革、挑战与对策[J].北京翻译,2024,2(01).

AIGC 时代的翻译教学资源建设:变革、挑战与对策

邓军涛   刘 婉

(武汉工程大学)

【摘 要】生成式人工智能技术的突破性进展引发翻译教育全方位深刻变革。本文聚焦AIGC时代的翻译教学资源建设，从生产主体、 生产方式、生成内容和生成效率等方面阐述新技术带来的变革契机，并从技术的优势与局限性、翻译教学需求、资源开发机制等方面，探讨了资源建设过程中的快速生成与深度加工、资源富集与需求匹配、数据集成与内容创新、泛在应用与资源整合等矛盾挑战。针对上述挑战，本文提出四项对策：构建研审结合的资源遴选机制，以需求为导向建立资源的细分体系，以人机交互为重点推进资源内容创新，建立共建共享的统筹协调机制。

【关键词】生成式人工智能；翻译教学；资源建设；挑战与对策

_______________

① 本文系 2024年度教育部人文社会科学研究一般项目“欧洲口译教育信息化发展进程与启示研究”，(项目编号,24YJA740013)的相关成果。

@ 邓军涛，博士，武汉工程大学外语学院教授，研究方向为翻译技术、口译教育信息化。

③ 刘婉，武汉工程大学外语学院硕士研究生，研究方向为翻译技术。

近来，以ChatGPT为代表的生成式人工智能技术引发全球新一轮的技术浪潮，其影响波及教育、金融、医疗、媒体、法律、人力资源等多个领域。生成式人工智能技术融自动创作、机器翻译、辅助创意、图像处理、语音识别、知识提炼、数据分析、个性化推荐等多种功能于一体，在很大程度上颠覆了人们对人工智能技术的固有认知，其未来发展前景及其对各行业领域带来的深远影响也引发广泛关注。人工智能生成内容（Artificial Intelligence Generated Content，简称“AIGC”）在翻译教育领域的影响尤为广泛且深刻，翻译教学环境、教学内容、教学方法、教学管理、教学流程、教学模式、教学资源、教学评价等都面临着诸多变革机遇和挑战。在近期举办的翻译类研讨会、学术期刊专栏和师资培训中，AIGC都成为其中备受关注的议题。从AIGC的技术特征看，人工智能凭借其大算力、高互联、强交互等特性，在资源信息检索、生成与加工等方面具有诸多优势，故对翻译教学资源的规模化、高效化、多元化建设带来有利契机。与此同时，人工智能由于技术自身的复杂性、扩展性、不可控性和不可预知性（祝智庭 等，2023 ：18），其在资源生成过程中引发的真伪性、偏见性、滞后性等问题亦引发关注（莫祖英 等， 2023 ：32；冯志伟 等，2023 ：23）。鉴于此，本文聚焦AIGC时代的翻译教学资源建设，尝试从翻译教学资源建设的变革、挑战和对策三方面进行探讨，旨在为丰富翻译教学内容、优化翻译教学实施路径、提升翻译教学效能与质量提供参考。

翻译教学资源指以服务翻译教学为目的，以翻译教学师生为设计与开发主体，覆盖翻译教学各环节与要素，具有多种表现形式的翻译教学内容与素材。翻译教学资源是整个翻译教学体系中的关键要素，从课程内容的组织到教学案例的设计，从练习素材的编制到自主训练的开展，从测试题库的创建到模拟项目的实施，翻译教学资源都发挥着不可替代的作用。从实践层面看，我国的翻译教学资源建设先后经历了纸质教材主导期、纸媒资源与多媒体资源共存期、网络资源盛行期、数字资源多元发展期等发展阶段。如今，我国己基本形成课堂与课外衔接、线上与线下联通、实体与虚拟交织的多场域、多模态、立体式翻译教学资源发展格局。

当前，生成式人工智能技术引发了翻译教学资源建设的空前变革。就生产主体而言，相较于专业生成内容（PGC）和用户生成内容（UGC），AIGC最大的不同就是利用人工智能技术驱动机器创作内容，具有大模型、多模态和虚实共生等特征，强调内容生产方式的多元化与内容生产体系的健全化。在AIGC时代，人工智能技术在翻译教学资源建设中将发挥更为多元的功能，以往纯人工或以人工为主的资源生产主体格局将在很大程度上得到改变，翻译教学主体将参与到更多创造性和复杂性的资源建设之中。就生产方式而言，基于人机对话的问答式、指令式人机交互方式成为催生教学资源的重要途径，教学主体通过输入、调整和变换提示词，AIGC基于大语言模型和算法，加上第三方插件的混合式应用，极大提升内容生产力，形成“大语言模型+场景”的数字化内容生产方式，生成用户所需的个性化资源，产生较高的学习收益。就生成内容而言，背景信息资源、跨学科行业知识资源、机器翻译译文资源、多语种平行语料资源、文本摘要资源、评价性资源等不一而足，师生可以根据具体教学要求和需求进行提取和加工。就生成效率而言，数智融合环境赋予了AIGC更强大的智能计算能力、更广泛的数据语料资源、更通用的任务训练模型以及更灵活的信息参与模式等优势，可实时生成电子文本、图片、音频、视频、动画等多种形态的资源，极大拓宽了翻译教学素材选择空间。

上述变革为新技术时代翻译教学资源在多样化（秦颖，2023 ：28）、规模化（杨宗凯，2023 ：2）、科学化、高效化（周洪宇，李宇阳，2023 ：36）、数字化、智能化（沈超，2023 ：13）、个性化（Pataranutaporn et al.，2021 ：1013）、虚拟化、联通化、交互化、生态化（王华树，刘世界，2023a ：47）等方面的建设带来了契机。而同时，AIGC在资源生成过程中也存在庞杂化、混乱化（汤贝贝，薛彦华，2019 ：77）、虚假性、偏见性、程序化（莫祖英 等，2023 ：39）、数据稀疏性（彭敏 等，2017 ：194）和不可解释性、不透明性（冯雨奂，2023 ：29）等潜在风险和不利影响，这决定了其所生成的资源不能在毫无甄别的情况下直接移植到翻译教学之中。下面从挑战与对策两方面对AIGC时代的翻译教学资源建设进行深入探讨。

在AIGC时代来临之前，网络搜索引擎是主要的资源检索方式。该方式依靠“蜘蛛程序算法”（Spider Program Algorithm）、“索引排序算法”（Index Sorting Algorithm）等进行关键词索引、内容排序和信息呈现，其缺陷在于对信息的筛选排序过于机械死板，只能识别关键词，而无法获取个性化、多样化、系统性的搜索结果与学习资源。在如今的AIGC时代，随着Transformer、Diffusion等基于深度学习算法模型的不 断涌现，以及数据（data）和算力（computing power）的综合提升，基于人工智能的内容生成呈现自动化、大规模、智慧化等特征，这亦为数智环境下翻译教学资源的多元快速生成提供了强有力的技术支撑。

而与此同时，AIGC时代内容生成过程中存在的碎片化、虚假性和偏见性等问题则给翻译教学资源建设的系统性、真实性和客观性等深度加工要求带来诸多挑战。首先，人工智能对资源的碎片化、零散化生成方式与翻译教学的系统性和整体性知识建构要求形成矛盾，AIGC数据信息存在对“非线性、反身性、动态性、互联性的‘无序’偏好”，这对翻译教学秩序中的“标准、排序、分级、分类”（杨欣，2023 ：6）等体系化要求形成冲击。其次，大规模语言模型（large-scale language models）、预训练数据集（pre-trained datasets）和人工标注（manual annotation）三个核心要素决定了AIGC的知识生产不可避免存在虚假信息。无论是事实性虚假信息（factual false information）还是幻觉性虚假信息（hallucinatory false information）,都使得翻译教学资源建设的真实性、准确性和科学性存在风险，进而影响翻译教学资源建设的质量。最后，人工智能模型可迅速生成看似“有效”的反馈，但基于互联网己有 “数据投喂”（data feeding）合成观点的同时，其数据集在客观性、多样性、公正性、代表性等方面往往存在缺陷，进而导致极端偏见、“观点霸权”、刻板印象、文化片面性等问题。故此，人工智能内容生成过程中可能存在的价值偏见问题也需要引起翻译教学资源建设者的审慎思考与对待。

近年来，随着自然语言处理技术的进步，大型语言模型使得开放式理解与连贯性文本生成得以实现。用户可以输入各种复杂问题或序列指令描述，人工智能则可以通过使用大量的训练数据来模拟人的语言行为， 生成人类可以理解的文本，并根据上下文语境给出连续的、稳定的、恰当的回答，带来波浪式的密集“知识冲击”。这在一定程度上颠覆了以往单向度的“刺激—反应”式交互模式，打破了传统人机关系的“主—客”二元对立框架，建立起一种全新的人机交互形态（冯雨奂，2023 ：27）。上述功能技术优势为多领域、多类型、多功用翻译教学资源的富集化编制与开发带来契机。教师可以借助生成式人工智能工具辅助开发在线翻译课程、立体化翻译教材、双语术语知识库、职业译者与学习者语料库等翻译教学资源。

但是，资源富集并不意味着能与翻译教学需求之间形成严丝合缝的自然关联，二者的有机衔接还需要综合考虑难度调节、专业匹配和知识更新等多重因素的制约。在难度水平方面，生成式人工智能无法有效回应班级整体和学习者个体的差异化知识与技能需求，更无法建立从初级到高级的进阶式资源难度细分体系，这固然不利于差异化和精准化翻译教学的开展。在专业领域匹配方面，即便如ChatGPT这样功能强大的人工智能系统也并非完美无缺，其训练数据主要来自良莠不齐的互联网信息，而相对缺乏学术论文、专业著作等数据资料，导致知识的认知偏狭现象发生概率较高，生成资源在科学性与正确性方面易出现偏差；此外，AIGC本身会将训练数据中不存在的内容强行捏造，根据自身预测对后续数据进行处理与补充，导致其内容输出在错误的方向上越走越远，缺乏足够科学严谨的学术资源支撑，故无法准确、深入地处理特定行业术语及特殊的学科术语（朱永新，杨帆，2023 ：9）。由此，AIGC在垂直领域高质量翻译教学资源建设方面的适用性受到较大限制。在知识更新方面，AIGC虽具有优异的对话性能，但只能在大规模数据的基础上对人类的语言行为进行模仿，无法做到知识的同步更新，缺乏从外部存储器或数据库访问信息的能力，无法验证模型生成内容的可靠性和前沿性，其生成性也只能局限在预训练中获得的数据范围内，故与翻译教学资源动态更新的需求形成矛盾。

伴随数据采集、传输、存储、分析和读取等技术的广泛应用，资源信息的获取与加工变得日益便捷高效。在AIGC时代，数据集成的核心任务是将互相关联的分布式异构数据源（heterogeneous data source）集成到一起，使用户能够以透明的方式访问这些数据源，提高信息使用的效率。与此同时，AIGC数据集成为多形态翻译教学资源的集成开发与高效应用开辟了广阔前景。无论是平行语料库的创建，还是双语术语库的生成，抑或不同风格翻译文本案例资源的输出，生成式人工智能技术均可以发挥多语种知识库的效能，为翻译教学师生提供集成化的资源选择方案。

数据集成为高效获取各类资源信息带来便利，但同时给翻译教学资源的内容创新带来诸多挑战。首先，为保证资源生成的准确率，用户不得不迎合机器，持续输入平实化、单调化的语言和句式，这势必导致原本智慧融合、思想碰撞、情感交织的教育过程异化为套路固定、形式简单、内容枯燥的“程序化”游戏（刘伟，谭维智，2022 ：55），而这也将束缚原创性教学资源的开发，并进而阻碍学习者“横向素养”（transversal competencies）的培养。其次，AIGC以关键词为坐标生产相应的知识，通过算法预测用户的喜好与行为，将用户从某个知识节点导航至其他节点，形成隐性控制，无法保证用户在内容生产与选择上的自主性，使知识的获取变得极具不确定性（Hitzler，2021 ：81）。一旦知识本身变得不可捉摸，翻译教学资源的内容建设也将失去创新求变的支点。最后，AIGC在教育领域的运用类似“技术黑箱”，具有不透明性和不可解释性。用户可以获得某个问题的确定回答，但对其思考过程、运作过程、获取过程难以深入了解，有时AIGC甚至也无法自圆其说（冯雨奂，2023 ：29）。这种强调技术理性、追求效率本位的功利性价值观容易导致智识上的懒惰，有碍于塑造新颖独特的思维品质，对创新性资源的开发和创新性翻译能力的培养都将带来负面影响。

AIGC利用人工智能技术驱动机器创作内容，具有自动化、大规模、智慧化、万物互联等特征，这为翻译教学资源建设的泛在化应用提供了有力支撑。翻译教学师生可将AIGC应用于课堂教学、拓展练习、小组研讨、专题探究、自主训练、模拟测试等不同场景的翻译教学资源建设之中。资源的泛在化建设与应用将进一步模糊正式教学与非正式教学的界限，知识与信息获取的边界得到大幅拓展，泛在化学习、数字化学习、 移动式学习、智慧化学习将获得更为坚实的资源保障，个性化学习的潜力与效能也将得到有力激发。

而同时，AIGC在资源泛在化生成过程中受内在标准与外在环境等因素的制约，导致其在翻译教学资源整合过程中存在瓶颈。就内在标准而言，目前尚未形成统一的数据应用规范标准，缺乏统一的数据采集标准、数据接口标准、数据存储标准和数据共享标准。数据资源标准规范体系的缺失会导致各主体对数据质量的标准要求不一致，进而阻碍优质资源的开发、利用、挖掘、共享和融合。与此同时，AIGC算法和模型在内容结构、知识表征和底层逻辑等方面的弱点、不同语种资源稀疏性的差异、原始语料库可信度等问题，则在很大程度上限制了翻译教学资源的高质量整合与高效应用。就外在环境而言，由于在教育信息化建设过程中，长期存在重视硬件投入、轻视资源信息共享建设、忽视多平台系统兼容和统一规划等问题，导致教育信息化建设缺乏相关标准，各系统兼容性、移植性欠佳，后期运维负担较重（祝智庭 等，2021 ：3）。再加上政府、高校、企业等部门构建的相对独立封闭的数据系统，使得新技术背景下信息资源呈现私有化、部门化、孤岛化等特征，资源信息流通共享的壁垒和屏障难以消除。上述因素在客观上限制了各类泛在化翻译教学资源的有机整合与共享应用。

要建立系统化的资源遴选机制，首先需要研究和确定翻译能力体系的内涵，明确译者能力培养的整体性要求。我国《翻译专业本科教学指南》对“翻译能力”的界定如下：能运用翻译知识、方法与技巧进行有效的语言转换，一般包括双语能力，超语言能力（如百科知识、话题知识等），工具能力，策略能力等（赵朝永，冯庆华，2020 ：15）。再结合“欧洲翻译硕士”（EMT）有关翻译能力框架的表述，译者能力由语言与文化、翻译、技术、个人和人际关系素养、服务提供等要素构成（EMT，2022）。故此，翻译教学资源建设需要首先从整体布局和体系架构上形成对上述能力的全面覆盖，为学习者翻译能力的综合提升奠定基础。与此同时，还需要对每一项子能力进行纵深层面的深度挖掘与探索。以翻译技术能力培养为例，学界相关研究己涉及译后编辑能力（冯全功，刘明，2018 ：55）、人机协同能力（李冀红 等，2021 ：38）、翻译项目管理能力（陈严春，2022 ：39）、信息检索能力、建立翻译记忆库能力、编辑排版能力（崔艳秋， 2017 ：23）、译者搜索能力（王华树，张成智，2018 ：26）、数字获取能力、数字批判能力、数字评估能力、数字知识管理能力（王华树，刘世界，2023b ：74）等若干方面。随着研究深入，翻译技术能力的内涵还将进一步丰富，而翻译教学资源建设也需要及时回应上述变化，适应新时代发展的要求。

对翻译教学资源的审核涉及信息来源、内容质量、法治伦理、价值导向等多个层面。其中，在信息来源层面，需要重点审核素材来源的真实性、 可靠性和规范性。在内容质量层面，审核的重点包括信息安全审核、内容完整性与准确性审核、教学价值相关性审核、低质量识别、虚假信息检测等。在法治伦理层面，根据国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局发布的《生成式人工智能服务管理暂行办法》文件精神，一方面需要关注知识产权、隐私权、名誉权、 肖像权、个人信息权益等法治问题，另一方面需要对算法和数据中可能存在的民族、信仰、国别、地域、性别等歧视性的内容生成加以审核。在价值导向层面，需要对资源隐含的意识形态和价值观等问题进行重点审核，从而确保资源在翻译教学中发挥正确的课程思政功能和育人导向功能。

由上可见，“研”重在从宏观层面强调对资源建设的整体规划，使其在语言、文化、职业伦理、技术素养等方面形成覆盖全面、要素齐备、内容完整的翻译教学资源体系，进而促进译者能力培养的综合提升。“审”旨在强调从微观层面，按照真实性、针对性、契合性、代表性、客观性等标准，对资源的内容、质量、价值等进行多维审核，使其符合翻译教学目标要求。研审结合是AIGC时代翻译教学资源高质量遴选和体系化建设的重要保障。

确定需求是开发翻译教学资源的起点，资源开发者应在充分调研的基础上，确定翻译教学主体对资源类型、资源结构、资源表征形式、资源内容、资源体量、资源质量、资源服务平台等相关需求，从而为规划资源建设方向、明确资源建设重点、细化资源建设要求提供有效引导，并进而为提升翻译课程建设质量、优化翻译教学流程、増进个性化学习效果提供资源保障。

在翻译教学主体中，学习者需求是资源建设应关注的重点。学习者对资源的需求体现在目标、内容、过程、评价等多个方面。其中，学习目标的需求主要表现为资源与语言服务行业前沿发展要求、翻译职业技能发展要求、翻译教学阶段性目标要求之间的契合性；学习内容的需求体现为资源在难度水平、专业领域、主题覆盖、技能分解等方面的差异性和多元性；学习过程的需求表现为资源在任务情境的真实性、练习巩固的针对性、路径选择的优化性、复习强化的循环性、学习进展的前瞻性等方面发挥的价值；学习评价的需求则包括资源在学习反馈、职业借鉴、自主评价等方面的适配性与参照性。除此之外，翻译教师在大纲编制、课程开发、方法设计、教学评价等方面的需求，也需要纳入翻译教学资源建设关注的范畴。

翻译教学资源建设应以上述翻译教学主体的需求为导向，从功能定位、应用场景、适用对象、专业用途和内容架构等维度，建立翻译教学资源的细分体系。在功能定位方面，可从预设性资源、关联性资源、生成性资源和泛化性资源等方面，建立通用与专用相结合、内容与过程相统一的资源体系。在应用场景方面，可建立涵盖教学计划与准备、教学组织与实施、教学监督与管理、教学测试与评估的全流程资源体系。在适用对象方面，可按年级、水平、语种划分学习者群体，建立具有差异性和衔接性的资源应用体系。在专业用途方面，可按学科领域、主题范畴建立符合区域特色和校本特色的垂直领域翻译教学资源体系。在内容架构方面，可按理论、语言、知识、技能、心理、技术、实践等模块建立要素完整的翻译课程资源体系。

利用AIGC技术生成资源的过程包括数据收集、算法设计、数据预处理、模型生成和优化、提供内容生成服务等环节。在资源生成过程中，大 语言模型和生成式人工智能技术发挥着基础性作用，而与此同时，使用者的技术意识、认知、素养同样发挥着关键性作用，使用者是否与AIGC进行有效交互，在很大程度上决定了资源建设的内容质量与创新程度。

首先，在意识和认知层面，资源建设者应克服惰性思维，摒弃过度依赖人工智能的想法。同时，资源开发者需要从认知层面了解AIGC资源生成的基本原理和运行机制，建立对资源生成机理的感性认识，了解资源生成过程中在来源数据、知识产权、内容质量、隐私安全、知识领域、伦理问题等方面可能存在的短板与局限，从而为资源的合理生成与有效利用提供知识基础。此外，资源建设者还应培养批判性思维，加强对资源内容、质量的鉴别能力与创新思考，具有一定的资源优化与创新能力；同时将人类特有的想象力、洞察力、判断力、共情力融入资源建设过程，产生思想碰撞、情感理解、心灵共通等饱含人类生命特征的互动要领。提升资源生成的灵性与温度，遵循按人性浸染心灵的教育本质，做有温度和有人文意蕴的人工智能+教育。

其次，在技术素养层面，翻译教学师生应通过自主探索式学习、学术社区研讨式学习、跨学科方法学习等方式，学习和应用生成式人工智能工具中 FlowGPT、BestPrompts、Hugging Face、PromptPerfect、Promptomania、 Prompthero等与翻译资源相关的提示（Prompt）工具网站，或可以系统学习有关提示工程（Prompt Engineering）的培训课程，用合理的提示词与人工智能工具形成更为有效的交互，从而生成和获取更为有效的翻译教学资源。同时，还可利用 PlagScan、Grammarly、Turnitin、Ginger、Hemingway Editor等质量检测软件或工具以及国内外学术资源数据库作为参考，提高对所生成资源的审核与质检效率，并确保资源的准确性、可信度和合法性。在此基础上，师生应可进一步提升计算机素养与编程思维，可以学习诸如Python语言、Java语言、PHP语言、C语言、C++ 语言、Visual Basic语言等计算机编程语言，从而更好地将编程工具、 第三方插件、软件开发工具包（SDK）、虚拟仿真平台等工具和资源与 AIGC技术形成对接，发挥技术融合的优势，为生成更具创新性和质量水准的翻译教学资源提供技术支撑。

可从体制保障、主体协同和技术赋能三个层面探索翻译教学资源共建共享的统筹协调机制。在体制保障层面，首先，为保证数字资源及其数据的易用性、复用性、互操作性、共享性及其可持续发展，数字资源的描述、发布、服务、管理、保存、传递交换需要遵循统一的标准规范和模式，这是大数据时代保证资源质量和可持续发展的基本前提和基础（肖珑 等，2018 ：6）。通过建立资源标准规范，可实现平台互通和资源共享，进而从根本上改变资源建设条块分割的局面，超越不同层面的教育资源“围墙”，打破信息孤岛困境。其次，在基于智能技术带来的教育数字化转型的大趋势下，通过优化资源的标准体系、服务体系和管理体系，有助于实现对虚拟与实体、显性与隐性、理论与实践等资源的高度有效整合（徐蓉，张琪，2022 ：115），更好地推进翻译教学资源的全域开发、高效运作与互动共享。此外，还应建立知识产权保护制度，切实保护资源建设这和参与者的权益，从而提升资源供给者共建共享资源的积极性，保证资源质量和可持续发展，扩大优质翻译教学资源的受益范围。

在主体协同层面，应建立以高等院校为主体，教育指导委员会、行业协会、语言服务企业、国际组织等广泛参与的翻译教学资源共建共享格局。首先，院校之间应以全国翻译专业学位研究生教育年会、虚拟教研室、教研工作坊等平台为契机，秉持共享发展与协同创新理念，发挥各自学科特色优势，通过深入对话共同探讨翻译教学资源共建共享的院校联盟机制。其次，院校可通过教育部产学合作协同育人项目等平台，与语言服务企业共建产教融合的翻译教学资源，重点推进垂直领域翻译教学资源建设。最后，国内院校还应拓宽视野，积极融入国际翻译教学资源共建共享项目。以口译教学资源为例，可以推荐院校共享使用英国全国口译网、会议口译员在线资源网站、欧盟口译语料资源库等资源（邓军涛 等，2023 ：80），也可鼓励师生参与Speechpool全球共建共享型语料资源库的研、建、用、评，提高资源共建共享的价值与效益。

在技术赋能层面，云计算、大数据和区块链等智能技术为智能治理数字教学资源提供了技术支持，有助于破解资源建设中存在的重复化、断层化、形式化等封闭式开发与应用难题，从而建立翻译教学资源共建共享的良性秩序。例如，借助云计算的网络化、虚拟化、分布式存储等技术应用，有助于构建标准统一、功能完善、安全稳定、纵横互通的“教一研一学”一体化平台，为翻译教学资源的共建共享、数据交换提供有力支撑。再如，可以发挥大数据容量大、类型多、存取速度快、应用价值高等技术优势，通过对来源分散、格式多样的翻译教学信息资源进行采集、存储和关联分析，可从中发现新知识、生成新数据、创造新价值，进而为资源的共建共享和创新增值使用创造条件。

自深度学习算法问世以来，人工智能技术引发翻译行业和翻译教育空前的技术变革，AIGC的出现更是在很大程度上颠覆了翻译界对人工智能技术的认知。未来，技术的发展步伐不会停歇，技术对翻译职业和翻译人才培养所带来的深远影响不容回避。在对待技术的态度上，翻译教学主体的主观能动性至关重要，这种主观能动性包括态度方面的接纳与认可，价值方面的思辨与理性，素养方面的培养与提升。利用AIGC 赋能翻译教学资源建设，需要着重发挥其在信息容量、实时交互、智能理解、知识建构、分析运算、解释预测、内容生成、泛在教学、跨科融合、技术创新、效率提升、数据挖掘等方面的优势；同时，对其在知识碎片、信息茧房、技术异化、数据伦理、信息孤岛、深度伪造、学术滥造、智能歧视、信息操控、教育错位、理实脱节、生态失衡等方面的短板和劣势，则需要发挥翻译教学主体的主导作用，做好技术与翻译教学深度融合的“守门人”，与时俱进，驾驭技术，善用技术。最终，使AIGC在最大范围和限度上促进翻译教学资源的高质量和高效能建设，从而提升翻译教育信息化的整体建设水平，为新时代高质量翻译人才的培养赋能助力。

参考文献略。

点击查看：《北京翻译》（第2卷）目录及摘要