人机协同视域下翻译人才的核心能力培养.docx

人机协同视域下翻译人才的核心能力培养

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

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（MachineTranslation）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-basedMT），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-basedMT）。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