人机协同视域下翻译人才的核心能力培养

2024-01-17李颖

黑龙江教育·高校研究与评估 2024年1期

摘要：文章通过分析四种类型机器翻译的基本工作原理及局限，提出获得良好翻译效果的有效方式是在利用机器翻译高效优势的同时，发挥人类译员的质量把关作用，形成人机协同翻译模式。为了让翻译工作者能在人机协同翻译时代充分发挥把关作用，高校的翻译人才培养必须聚焦学习者成为翻译把关人所需的核心能力。一方面，培养其熟练运用翻译技术的能力；另一方面，有序提升翻译学习者的母语和外语应用能力、语境适应能力、跨文化沟通能力，与时俱进地培养多栖式语言服务人才。

关键词：人机协同；翻译人才培养；翻译把关人；核心能力

中图分类号：G642.0 文献标识码：A 文章编号：1002-4107（2024）01-0031-04

收稿日期：2023-03-21

作者简介：李颖，长沙理工大学外国语学院副教授，博士

基金项目：湖南省普通高等学校教学改革研究项目“课程思政建设下成果集评价法在高校译传人才培养中的探索与实践”（HNJG-20230353）

智能化信息技术的日新月异带来了机器翻译技术的不断更替，越来越多领域开始借助机器翻译来完成跨语言交际活动，为高校翻译专业的人才培养提出了新要求。20世纪90年代初期，文曲星电子词典流行于市，其便携易操作的特点为人们的日常生活与工作带来了便利。1996年，金山词霸的出现让人们感叹计算机技术将翻译带入了新时代。进入21世纪后，以智能化驱动的机器翻译技术已经越来越接近人类的自我学习能力和逻辑思维能力，特别是ChatGPT的出现，对翻译行业产生巨大冲击。市面上的人工智能翻译软件和翻译机器层出不穷，内载的具体应用场景也越来越丰富，不懂外语的人也可以在翻译机器的帮助下完成一般语言学习、出国旅行、商务洽谈等活动。2018年8月，科大讯飞董事长刘庆峰在青年企业家创新发展国际峰会上表示，翻译工作的大多数岗位都将被翻译机器代替，因为只要有数据，只要有规律可循的领域，机器就可以学习顶尖专家知识，达到一流专家水平，从而超过90%从业人员[1]。各种翻译软件和翻译机器的开发和应用使得社会各界开始质疑传统人工翻译存在的意义，外语教育界在行业与产业需求变化的影响下，开始从课程设置、师资队伍建设、培养手段、培养资源建设、培养环境建设等方面综合考虑现代外语人才培养的方向和路径[2-5]。

人机协同局面势必持续发展，大量只需要简单判断和识别便能完成的重复性工作将被机器取代，但需要创新意识、人文底蕴、情感投入的个性化工作始终离不开人类的参与和人类主体性的发挥，翻譯工作便是其中之一。在机器或软件的辅助下，不同译者在译前、译中、译后三阶段主观能动性的发挥情况将直接影响译文质量，译者的把关过程也恰恰展现了机器所不可取代的人类译员的核心能力。本文结合信息社会的人机协同翻译发展趋势，从“机译+人译”协同工作的特点出发，针对高校翻译人才核心能力的培养提出具体方向与方法。

一、机器翻译的工作原理及社会应用

机器翻译（Machine Translation）指“运用机器，通过特定的计算机程序将一种书写形式或声音形式的自然语言，翻译成另一种书写形式或声音形式的自然语言”[6]。根据工作原理，机器翻译可分为基于规则、基于实例、基于统计、基于深度学习四种类型，体现了人类运用计算机辅助完成翻译任务的技术发展过程。目前，这些技术已广泛应用于各行各业，它们为人类生产生活提供了便利，但从提高翻译质量和培养新时代翻译人才的角度出发，我们有必要探索其在社会运用中表现出的短板。

（一）机器翻译的四种类型及局限

第一种是基于规则的机器翻译（Rule-based MT），其基本思想认为，一个语义无限的句子可以由有限的规则推导出来，这些规则包括词法转换规则、句法转换规则、语义转换规则和中间语转换生成规则。人是规则的书写者，他们的认知程度和主观意识必定影响规则的全面性和客观性。同时，人类的语言在随时随地发展变化，语言表达习惯也千差万别，但规则系统不可能随时增减或修改，其容错能力也无法做到将所有规范与不规范的表述全部正确归入恰当的语言转换规则中，所以当有限的规则遇到万变的语言现象时，基于规则的翻译机器便会出现错译或翻译失败的情况，暴露了该类型翻译技术在实时性方面的弱点。

第二种是基于统计的机器翻译（Statistics-based MT）。该类型通过对大量的平行语料进行统计分析，构建统计翻译模型，进而使用此模型进行翻译。这种方法不再受制于人类提供的语言生成与转换规则，而是以数据为中心，建立语料统计模型，“通过数学模型描述自然语言的转化过程，在大规模多语言文本数据上自动训练数学模型”[7]，从而组合出翻译所需的信息。该翻译技术所需的机器虚拟内存较小，更为亲民。但平行语料库的建设本身是一件耗时费力的工作，一些特殊用途翻译任务还需要有特殊定制的平行语料库才能实现精准翻译的目的，并且有研究显示，“除了中文、英文等资源丰富的语言，世界上绝大多数语言都缺乏大规模、高质量、广覆盖率的平行语料库。即使对于中文和英文，现有平行语料库的领域也主要集中在政府文献和时政新闻，对于绝大多数领域而言依然严重缺乏数据”[7]。由此看来，该机器翻译技术能否有效服务社会还依赖于开发者及时对语料库进行扩容和维护。

第三种是基于实例的机器翻译（Example-based MT），其仍依托语料库开展翻译活动。与前两者不同的是，该类型不需要对语言进行使用规则分析，也不需要建立翻译模型，而是通过建立多语对照的翻译实例库，在实例库中查找和复现相似度最高的表达，是一种通过类比获取翻译的方法。这种原理的机器翻译同样受制于语料库资源的广泛性和代表性。同时，多语之间的相似度指的是语言结构的相似度，而非语境的相似度，这种仅依据语言片段的匹配来实现的语际转化容易出现文不对题的情况。

第四种是基于深度学习的机器翻译（Deep Learning-based MT），主要指神经网络机器翻译（Neural MT），是21世纪20年代提出的一种新的翻译技术，由谷歌公司首先运用于Google翻译等产品中，进一步提高了译语的准确性和可读性[6]。神经网络机器翻译会模仿人脑的神经元进行学习和信息收集，结合输入的语料库对所需翻译内容进行上下文关联理解，同时还具有生成自然语言中所没有的表达方式的能力，对表述规范的原语和西化的原语有极精准的转化度。但当它面对中文的一词多性、一词多意，汉语特色突出的押韵、谐音、列锦、隐喻等修辞表达，以及源文本质量较低等情况时，会出现大量错译、漏译。

（二）机器翻译的应用情况

进入21世纪后，机器翻译已从少数专业人群向社会各行各业，甚至各个家庭普及。2008年奥运会举办前，北京市各服务行业掀起了英语学习高潮。出租车司机、餐馆服务员、景点讲解员、地铁站工作人员等随时随地都在练习英语日常交际用语。十几年后的今天，服务行业从业者不再为自己不懂外语，无法服务外国朋友而惋惜，一线城市的出租车司机在载到外国人时，借助智能翻译软件，也可实现基本沟通。语言不通是境外游的主要障碍，机器翻译技术为境外游带来了春天。由于语言障碍，曾经的境外游以跟团为主，现在只需使用在线翻译软件就能惬意地实现自由行。看不懂的文字可以拍照翻译，说不出的表达可以借翻译软件来发声，吃住游购娱过程中需要交流的地方全部可以借助翻译软件来完成。如果说翻译软件仅能满足一般生活场景的翻译，那么有硬件加持的翻译机器则减少了商务洽谈和国际会议在翻译方面的不少压力，一些国际会议上甚至出现了由同传翻译机器代替高精尖同传人员来完成会议翻译任务的场景。

翻译软件和翻译机器的日益普及让人们产生了“日后机器翻译将完全取代人工翻译”的声音。“一小时翻译”公司首席执行奥弗·绍尚表示，几年前，利用人工智能进行翻译的质量仅能让大家大致了解文本内容，专业译员一般需自己重新翻译一遍，现在通过神经机器翻译获得的译文只需译员稍作修改便能定稿[8]。目前人们广泛运用的机器翻译技术真的能达到如此高的精确度吗？笔者以杜甫名句“无边落木萧萧下，不尽长江滚滚来”的翻译为例，检索了中国市场较为主流的翻译软件A、B、C、D。其中，A软件翻译出现漏译，且译文句法结构缺失，不能称之为完整的句子；C和D软件虽传达了诗意，但音美和形美荡然无存；只有B软件收录了意美、音美、形美均得以考虑的许渊冲先生译文。另有一例亦可充分证明人译的不可替代性。2021年3月，中美高层战略对话中杨洁篪厉声驳斥美方的那一段话，若由翻译机替代译员张京进行翻译，原语的气势必定大打折扣。这种人类根据现场语境来思考和决定的应变能力是机器翻译无法替代的。此外，翻译机器在一些国际活动中屡次出现翻译失误的案例也证明了机器无法完全替代人类译员的事实。

人机协同翻译模式将成为未来绝大多数行业开展跨语言交际活动的主要模式，机器帮助人类完成简单重复的翻译任务，人类则在译前、译中、译后对译文进行加工，提高翻译效率，把關翻译质量。2018年，科大讯飞公司的执行总裁和上海外国语学院高翻学院专家在新品发布会上分别代表业界和学界表示，未来的翻译是人和机器之间的良性互动，机器只能够取代翻译任务中技能比较单一的部分[9]，有创造性的内容、需要语境支持的内容、需要文化关联的内容等都是机器翻译所不能取代的。

“简单”“重复”“技能单一”都是对翻译任务的抽象描述，机器翻译具体适合承担何种翻译任务，可根据原语文本的性质进行大致划分。德国功能主义学派代表人物凯瑟琳娜·莱斯（Katharina·Reiss）以不同语言的功能为依据，将文本划分为“信息（informative）文本”“表情（expressive）文本”和“感染（operative）文本”三种类型[10]，每种文本需要根据其功能特点来选择翻译方法与手段。如，说明书、条约、商务信件、官方文件等信息文本注重信息的传意和精准，表述方式客观直接，规范性强，采用机器翻译更加方便快捷；散文、诗歌、小说等文学作品属于表情文本，特别注重文体、风格、意象、意境的传达，其中还蕴含大量修辞手法，机器翻译以其现有的语料库和分析能力，尚且无法单独完成较理想译文的输出，必须有人工译员的编辑加工；对于广告、海报、现场采访、会议发言等感染文本，对原语和译语产生的文化背景和现场语境有较高要求，翻译机器目前基本做不到根据指示意翻译出联想意。

二、机器翻译对翻译人才核心能力培养的启示

核心能力即在竞争中处于优势地位，对手几乎无法达到的能力。在智能化时代，机器翻译对于翻译人才而言即是对手，翻译人员需要将对手的能力为我所用，并以“我”的能力弥补对手的不足，以计算机辅助为手段，促进人机协同翻译模式发挥最大效用，适应现代翻译职业“知识专业化、技术现代化、任务快速化、质量标准化和工作团队化” 的新特点[11]。时代的变化带来对翻译人才核心能力要求的变化。智能化时代到来之前不会被提及的翻译技术应用能力，在人机协同翻译模式下必须成为翻译人才培养的核心目标之一。曾经已经被纳入翻译人才核心能力的母语和外语应用能力、语境适应能力、跨文化沟通能力等，必须具有时代化的新内涵和新目标。

（一）落实翻译技术应用能力培养目标

熟练掌握翻译技术是把关的前提。21世纪是信息技术的时代，借助语言智能技术和语料库技术开展翻译活动是现代翻译人才必须具备的能力。当广大非翻译专业人士在使用机器翻译时，专业化的翻译人员应该能够借助计算机化工具辅助开展以人为主导的翻译工作，在高速的同时获得更精准的译文，体现翻译人才的核心竞争力。

近十年来，国内外翻译行业在政策和措施方面对翻译人才翻译技术应用能力的培养给予了充分重视。国外方面，欧盟翻译硕士项目（EMT）的教学大纲已将翻译人才的翻译技术应用能力培养作为重点内容之一，英国、法国、德国、加拿大、美国等地的多所高校均为培养翻译人才开设了系统的翻译技术课程。国内方面，自2012年起，中国翻译协会举办的全国翻译专业师资培训中就增加了“翻译、本地化技术与项目管理”课程，覆盖了计算机辅助翻译软件应用、翻译与本地化项目管理理念及技术的多个方面。国家教育部2019年颁布的《翻译专业本科教学指南》中正式确立了翻译技术应用能力的培养在翻译人才培养中的重要地位，并将翻译技术类课程列入翻译专业核心课程之一[12]。截至2019年，全国253所开设翻译硕士专业（MTI）的高校和281所开设翻译本科专业（BTI）的高校中，大部分设置了翻译技术运用的相关课程。在全国MTI教指委公布的《翻译专业学位研究生核心课程指南》中，“计算机辅助翻译”课程被列入翻译硕士9门核心课程之一[13]。

翻译人才培养的上层设计已经充分表现出对翻译技术应用能力培养的重视，但基层具体实施情况却差强人意，主要表现在师资水平、设备软件、教学效果三个方面。2022年3月，笔者通过问卷星对北京、上海、广州、河南、湖北、湖南六个省市开设计算机辅助翻译相关课程的部分院校师生展开了问卷调查，共收回有效教师卷67份，有效学生卷211份。通过对教师卷的统计发现，43.3%的教师认为自己或本校任课教师缺乏计算机辅助翻译的系统学习背景；32.8%的教师表示，学校没有提供授课所需的机房或能满足实操的软件，理论转化应用难以实现。通过对学生卷的统计发现，虽62.1%的学生仅知晓Transmate、Trados、云译客等常见翻译软件中的一种，但多数为其所学课程依托的软件，这在一定程度上说明学习者对翻译技术学习的主动性和积极性不高；84.4%的学生表示，平时主要用在线词典辅助翻译，因为专业的翻译软件操作不如这些词典方便。从调查结果来看，高校翻译专业人才的翻译技术应用能力培养任重而道远。信息社会的翻译人才亟需与时俱进地了解常见、常用、最新翻译技术的异同，并熟练掌握1至2种专业翻译软件的用法，能科学运用翻译软件提升翻译质量。

（二）重视母语应用能力的专业化发展

机器无法逾越的方面应该成为翻译人才培养着重关注的方面。汉语的博大精深使机器很难在任何情况下都正确解码其内涵。虽然当前的神经翻译机器已经具备了解读长距离指代的能力，但汉语的意合特点使其表达方式千差万别，机器对句子结构、性数搭配、多义词、反语、意象等的误读时有发生。除了汉译英的解码失误，机器翻译在英译汉方面不尽如人意的地方也大多出现在不地道的汉语表述和对文化的误读方面。译前沟通、译中协调、译后编辑的“翻译三步曲”就是通过人类译者的协助来获得良好翻译效果的重要步骤。当基础性翻译工作由机器替代完成时，有扎实语言功底和文化素养的人类译者就是这项翻译工作质量的把关者。

母语水平与外语翻译能力相关性研究的大量成果已经充分证明了母语水平对于翻译工作的重要性。特别是在翻译传播中国典籍时，对母语的要求更非一般母语能力之所及。国内外学界关于“译出去”和“译进来”到底该由谁来译的问题，一直存在争议。争议的焦点在于对译者外语水平的担忧。但学界似乎忽视了译者的母语水平对译文质量的影响。新一代的译者大多为高校培养的专门人才，高校对翻译专业学习者母语水平与母语文化水平的过度信任易导致学习者对母语规范用法的生疏和对母语文化了解的欠缺。

当前，国内高校翻译人才培养存在“重外语轻汉

语”“重域外文化轻母语文化”的情况，主要体现在缺乏系统开设母语语言与文化学习相关课程，第二课堂和专业实践也很少开展母语语言和文化主题活动。有的高校本科阶段以公共课性质开设了现代汉语、大学语文等课程，到硕士阶段则戛然而止；有的仅在硕士阶段开设一门母语文化课程；还有的在本科和硕士阶段均未开设母语能力培养课程和活动。北京师范大学、北京外国语大学、上海外国语大学等在硕士入学考试中均有汉语言文学相关科目的测试，从翻译人才培养的源头来提醒和保证学生对母语学习的重视程度，值得推广。只有有计划地持续输入汉语语言与文化知识，才能保证翻译人才保持高质量的汉语输出能力。

（三）高精专培养外语应用能力

翻译行业工种繁多，一些基础性翻译工作将来很有可能被智能翻译机器完全取代，但带有创造性、鉴别性的翻译工种，以及专业性、综合性非常强的工种不可能被翻译机器取代。所以，市场召唤高校培养无法被机器替代的高精尖翻译专门人才。

国际会议的现场同传和交传均属于专业性极高的工作，除了扎实的翻译基本功、与时俱进的知识储备、广泛的知识面，还需要超强的现场分析和应变能力。口译员需要随时把握现场语境，即时与发言人作好沟通，才能不偏不倚、恰到好处地传达出发言人用语的真实意图。目前，全球范围内能胜任这种工作的人才非常有限。国际会议口译员协会（International Association of

Conference Interpreters，简称AIIC）是全球会议口译员协会中影响力最大的组织，截至2019年仅3 000左右会员，其中汉语普通话会员不到100人，而每年需要进行汉英同传的国际会议不下万场，巨大的市场需求为翻译专业精英人才的培养吹响了号角。翻译精英的培养不在一朝一夕，是长期知识积累和业务实践循环互促的结果。学校教育是翻译精英培养的基础阶段，夯实基础才能搭建高楼大厦。人工智能翻译机器的翻译能力日益强大，学校在为精英培养打基础的过程中，需特别注重培养学生机器翻译所不具备的能力，如语境分析能力、现场应变能力、逻辑思辨能力、人文关怀素养等，让学生能适应人工智能时代的要求，与翻译机器互助互利、共存共生。

（四）沉浸式培养语境适应与跨文化沟通能力

从古至今，绝大多数翻译活动的开展是为了将译作传播，而非自我欣赏。在翻译传播活动中，译者不是孤立存在的个体，他们在宏大的社会语境中开展翻译活动，需要与翻译传播过程内部的传播主体、媒介、受眾，以及传播系统外部的原作者频繁互动，交换意见，以保证译语质量。根据英国人类学家马林诺夫斯基（B.Malinowski）对语境的描述，语境可分为语言语境和非语言语境两种，前者通过交际中的话语结构和上下文情境来传达，后者则由交际所处的时间、地点、环境、交际者身份与情绪等因素来营造。“语境在所有翻译中都是最重要的因素，其重要性都大于任何法规、任何理论和任何基本词义”[14]，而“机器翻译只受制于词汇和语句层面的语言语境”[15]，加之当前的神经机器翻译缺失将原文句子进行小句及更小要素切分的精细化过程[14]，能完全理解人类交际的语境，并精确地传达语境意义目前还无法实现。正因如此，翻译机器加入翻译传播活动并不代表人类译者的退出，而是“机译+人译”新组合的出现。翻译机器不具备根据不同语境来临场思考和应变的能力，也不具备与传播系统外部社会因素及内部各要素进行沟通协调的能力，所以在人机互动翻译过程中，人类译者仍然承担着与内外各因素沟通的责任，以及在出现惯习外行为时进行应变处理的责任。“翻译三步曲”充分体现了人类译者在翻译传播活动中的语境适应能力和跨文化沟通能力。

三、结语

为满足不断提高的翻译人才质量要求，国家教育部继2007年公布设置翻译硕士专业学位后，2022年9月又公布设置翻译博士专业学位（DTI），专门培养高精专翻译实践人才。上海外国语大学将成为试点高校，助力国家从“翻译大国”向“翻译强国”的跨越。当新时代的中华文化“走出去”战略遇上新世纪的人工智能翻译技术时，翻译人才同时面临着来自翻译行业的机遇和来自信息行业的挑战。上层设计已经搭建，呼唤各高校积极响应落实，及时了解智能化机器翻译的行业服务现状与未来发展趋势，与时俱进地调整教学方案，培养行业需要的翻译人才。

参考文献：

[1] 齐鲁壹点.科大讯飞刘庆峰谈人工智能：机器翻译将超过

英语八级[EB/OL].（2018-08-07）[2023-01-02].http：//

www.qlwb.com.cn/detail/8625497.

[2] 傅敬民，谢莎.翻译技术的发展与翻译教学[J].外语电化

教学，2015（6）.

[3] 胡开宝，王晓丽.语言智能视阈下外语教育的发展——

问题与路径[J].中国外语，2021（6）.

[4] 李芸昕，范武邱.面向语言服务产业的翻译硕士培养体

系建构探索[J].外语电化教学，2022（1）.

[5] 黄立波.大数据时代背景下的语言智能与外语教育[J].

中国外语，2022（1）.