當(dāng)前，生成式人工智能正深刻重塑著翻譯研究的形態(tài)與議題。從傳統(tǒng)機器翻譯到大語言模型，技術(shù)的迭代不斷刷新學(xué)界對翻譯效率、質(zhì)量、主體與倫理的既有認知。然而，人工智能的“智能”本質(zhì)究竟為何？翻譯研究又應(yīng)如何定位自身？這不僅是一個單純的技術(shù)問題，更是一個關(guān)乎學(xué)科本體與人文價值的深層命題。

原文 ：《翻譯研究在人工智能時代的堅守與重構(gòu)》

作者 |廣東外語外貿(mào)大學(xué)高級翻譯學(xué)院教授 戴光榮

圖片 |網(wǎng)絡(luò)

生成式人工智能（GenAI）的迅猛發(fā)展，正在深刻重塑著翻譯研究的學(xué)科形態(tài)與核心議題。從基于規(guī)則的機器翻譯到統(tǒng)計機器翻譯，再到當(dāng)下基于大語言模型與AI智能體的自動化翻譯，技術(shù)的迭代不斷刷新人們對翻譯效率、翻譯質(zhì)量、翻譯主體、翻譯倫理等話題的認知。然而，技術(shù)所展現(xiàn)出的“智能”究竟意味著什么？翻譯研究在這一浪潮中又將如何定位自身？這不僅是一個單純的技術(shù)問題，更是一個關(guān)涉學(xué)科本體、研究范式與人文價值的深層命題。

翻譯技術(shù)演進的內(nèi)在邏輯

回顧計算機的發(fā)展歷程，一個基本規(guī)律愈發(fā)清晰：智力在人類文明進程中的貢獻日益凸顯。早期計算機主要用于龐大的數(shù)值計算，但隨著信息數(shù)字化進程的加速，計算機逐步演變?yōu)槟軌蛱幚砀黝惾蝿?wù)的“信息處理機”。更關(guān)鍵的是，它不僅能夠替代人類完成計算任務(wù)，更開始涉足邏輯思維領(lǐng)域，成為名副其實的“電腦”。這一轉(zhuǎn)變?yōu)榉g技術(shù)的誕生與發(fā)展奠定了基礎(chǔ)。

20世紀50年代，基于規(guī)則的機器翻譯的初步嘗試開啟了這一領(lǐng)域；然而，在60年代，語言自動處理咨詢委員會（ALPAC）報告的負面評價使機器翻譯項目陷入低谷，人工智能也隨之經(jīng)歷第一次寒冬。1968年，法國科學(xué)家皮埃爾·維勒（Pierre Wilber）在喬治敦大學(xué)開發(fā)的SYSTRAN系統(tǒng)，作為早期實用化機器翻譯的代表，被應(yīng)用于美國空軍與歐洲聯(lián)盟委員會的多語言文獻互譯，為技術(shù)落地保留了火種。進入80年代，以歐洲共同體委員會資助的EUROTRA為代表的多語言翻譯項目持續(xù)推進，使機器翻譯在艱難中積累經(jīng)驗。90年代初，基于統(tǒng)計的機器翻譯逐步興起，計算機輔助翻譯工具開始普及，神經(jīng)網(wǎng)絡(luò)理念也首次進入翻譯技術(shù)領(lǐng)域。1997年，IBM推出基于短語的統(tǒng)計機器翻譯系統(tǒng)；隨后，基于云計算的翻譯管理系統(tǒng)如XTRF、Across Systems相繼問世。2006年，谷歌翻譯上線，迅速成為全球應(yīng)用最廣泛的翻譯工具之一，標(biāo)志著翻譯技術(shù)步入大規(guī)模應(yīng)用階段。2015年被認為神經(jīng)機器翻譯時代的開端，隨后，谷歌便推出基于轉(zhuǎn)換生成的神經(jīng)機器翻譯系統(tǒng)。2017年，DeepL發(fā)布，為機器翻譯質(zhì)量樹立了新的標(biāo)桿。2018年，首個自適應(yīng)神經(jīng)機器翻譯系統(tǒng)出現(xiàn)，能夠從譯后編輯中持續(xù)學(xué)習(xí)。2019年，基于Transformer架構(gòu)的模型全面提升了機器翻譯的能力。2020年起，機器學(xué)習(xí)與人工智能進入爆發(fā)期，顯著增強了翻譯系統(tǒng)的語境理解與交互能力?，F(xiàn)代翻譯管理系統(tǒng)深度融合術(shù)語庫、記憶庫與人工智能能力，翻譯技術(shù)生態(tài)由此發(fā)生根本性變革。

上述演進歷程表明，翻譯技術(shù)并非線性進步，而是在多次技術(shù)范式的轉(zhuǎn)換中不斷躍遷。每一次轉(zhuǎn)換，都伴隨著對“翻譯是什么”“機器能做什么”的重新定義。翻譯技術(shù)演進的內(nèi)在邏輯與人工智能發(fā)展的整體脈絡(luò)緊密交織，每一次技術(shù)躍遷都折射出AI的興衰更迭。二者共同推進，逐步將人類從繁重的翻譯勞動中解放出來。

大語言模型時代翻譯研究中心的轉(zhuǎn)移

生成式人工智能的崛起，以一系列標(biāo)志性事件加速了翻譯研究范式的轉(zhuǎn)型。以O(shè)penAI為代表的人工智能公司推出了一系列模型，包括2023年9月發(fā)布的具備視覺功能的多模態(tài)語言模型GPT-4V，同年11月推出的語音轉(zhuǎn)錄模型家族新成員Whisper-large-v3，2024年2月發(fā)布的旗艦級視頻音頻生成模型Sora，以及5月推出的具備全模態(tài)交互能力的模型GPT-4o。我國本土企業(yè)深度求索人工智能基礎(chǔ)技術(shù)研究有限公司于2024年12月發(fā)布DeepSeek-V3，并于2025年1月推出推理式大模型DeepSeek-R1。作為中國本土創(chuàng)新開源大語言模型的代表，DeepSeek憑借其卓越的推理能力與開放生態(tài)，迅速躋身全球生成式人工智能前沿，這標(biāo)志著中國在人工智能核心技術(shù)領(lǐng)域?qū)崿F(xiàn)了從跟跑到引領(lǐng)的重要跨越。

上述技術(shù)迭代不斷拓展人工智能在語言能力與場景落地方面的邊界。當(dāng)前，大語言模型已呈現(xiàn)出多維度的能力：文本生成、語言理解、知識問答、邏輯推理、數(shù)學(xué)能力、代碼能力、多模態(tài)交互。2025年底推出、2026年2月正式統(tǒng)一命名的OpenClaw，讓AI從“會聊天”（包括與人互動完成翻譯）進化到“會做事”（可自主規(guī)劃翻譯流程并高質(zhì)量完成翻譯任務(wù)）。這些能力深刻重塑了信息分發(fā)與獲取模式，革新了內(nèi)容生產(chǎn)方式，讓通過全自然交互完成任務(wù)成為現(xiàn)實；不僅催生了專家級虛擬助手，顛覆了傳統(tǒng)手工編程模式，也成為科研工作的重要輔助工具。

對于翻譯研究而言，一個根本性的轉(zhuǎn)變正在發(fā)生：研究中心正從“如何譯”轉(zhuǎn)向“如何與人工智能協(xié)同翻譯”。傳統(tǒng)翻譯研究側(cè)重于語言對比、譯者主體性與文化轉(zhuǎn)換，而大語言模型的出現(xiàn)促使研究轉(zhuǎn)向人機交互、提示工程等新興領(lǐng)域。譯后編輯逐漸演變?yōu)槿斯ぶ悄芴崾竟こ?，翻譯過程中的“技術(shù)化”特征日益凸顯。

知識翻譯在這一背景下呈現(xiàn)出新的面貌。知識翻譯強調(diào)跨語言的知識加工與重構(gòu)，而大語言模型正是海量知識的參數(shù)化載體。通過技術(shù)手段（如知識增強、領(lǐng)域適配、實時檢索）激活并優(yōu)化模型中的知識，成為實現(xiàn)高質(zhì)量知識翻譯的關(guān)鍵路徑。翻譯研究的方法論也因此走向融合，不再局限于理論推演，而需結(jié)合模型訓(xùn)練、評估指標(biāo)量化、算法優(yōu)化等實證技術(shù)方法。研究者需要兼具語言學(xué)洞察與技術(shù)應(yīng)用能力，以應(yīng)對翻譯在知識密度、專業(yè)深度與動態(tài)演進層面面臨的新挑戰(zhàn)。

算法主導(dǎo)下的人文堅守

然而，技術(shù)能力的提升并不等同于對翻譯本質(zhì)的全面把握。人工智能翻譯雖然發(fā)展迅速，但無法完全替代人類譯員。人工智能并不真正“理解”語言，它本質(zhì)上是基于模式進行預(yù)測，這意味著在處理俚語、幽默或行業(yè)術(shù)語時可能出現(xiàn)偏差，甚至在某些情況下可能會放大數(shù)據(jù)中隱含的偏見。因此，規(guī)避機器翻譯的數(shù)據(jù)與算法偏見，已成為翻譯研究必須直面的話題。當(dāng)涉及捕捉細微差異、情感表達或理解文化背景時，人工智能仍顯不足。對于那些承載情感、品牌個性或法律風(fēng)險的內(nèi)容，人類譯員的主導(dǎo)作用依然不可或缺。換言之，翻譯不僅僅是語言符號的轉(zhuǎn)換，更是文化、情感與價值的傳遞。

德國學(xué)者吉仁澤在《失控與自控》（How to stay smart in a smart world）一書中提出，保持聰慧意味著了解數(shù)字技術(shù)的潛力和風(fēng)險，以及在充滿算法的世界中保持主導(dǎo)地位的決心。這一觀點對翻譯研究者具有重要的警示意義。面對人工智能的浪潮，我們不能盲目崇拜技術(shù)，更不能固步自封，而應(yīng)在充分理解技術(shù)原理的基礎(chǔ)上，堅守翻譯作為人文活動的本質(zhì)。

語言科學(xué)與計算科學(xué)的跨學(xué)科協(xié)同

翻譯研究在人工智能時代的發(fā)展，離不開跨學(xué)科的協(xié)同合作。語言科學(xué)背景與計算機科學(xué)背景的研究者雖然存在知識結(jié)構(gòu)的差異，但這恰恰構(gòu)成了優(yōu)勢互補的基礎(chǔ)。自然語言處理領(lǐng)域的經(jīng)典著作為翻譯研究者提供了重要的技術(shù)參考。對于語言背景的研究者而言，并不需要完全掌握算法的技術(shù)細節(jié)，但必須具備理解數(shù)據(jù)、解讀結(jié)果的能力。數(shù)據(jù)出來之后，最重要的環(huán)節(jié)在于解讀。借助數(shù)據(jù)分析工具進行數(shù)據(jù)驗證，關(guān)注數(shù)據(jù)的一致性、比對結(jié)果的差異，并深入分析誤差產(chǎn)生的原因——這些能力正在成為翻譯研究者的基本素養(yǎng)。

從更宏觀的視角看，翻譯研究與計算機科學(xué)的交叉，反映了人文科學(xué)在數(shù)智時代轉(zhuǎn)型的普遍規(guī)律。語料庫建設(shè)、機器翻譯質(zhì)量評估、提示工程研究、AI智能體設(shè)計等方向，既是翻譯研究的新增長點，又是人文學(xué)者參與技術(shù)構(gòu)建的重要路徑。

重塑人智協(xié)作新范式

人工智能時代的翻譯研究，既面臨前所未有的機遇，又面臨深刻的挑戰(zhàn)。機遇在于技術(shù)賦能拓展了翻譯研究的疆域，挑戰(zhàn)則在于如何在技術(shù)引領(lǐng)的時代堅守翻譯的人文本質(zhì)。未來翻譯研究的核心任務(wù)，或許正是重塑人智協(xié)作的新范式——在這一范式中，人工智能承擔(dān)可重復(fù)、可計算的翻譯任務(wù)，人類則聚焦于創(chuàng)造性、情感性與文化性的翻譯實踐；人工智能（硅基）提供效率與規(guī)模，人類（碳基）賦予翻譯溫度與深度。

碳基與硅基的協(xié)作，不是替代關(guān)系，而是分工與互補。信息化時代的譯員必須告別“裸翻”，學(xué)會與人工智能協(xié)同工作、協(xié)同思考。這不僅是對翻譯實踐者的要求，也是對翻譯研究者的要求。翻譯的本質(zhì)乃是知識遷移與價值重構(gòu)。譯者應(yīng)當(dāng)秉持文化自覺，以批判思維審視技術(shù)輸出，以人文精神彌補算法的瑕疵，以“人”智引領(lǐng)“機”智，以“人心”指導(dǎo)“機芯”，實現(xiàn)價值對齊。唯有在技術(shù)洞察與人文堅守之間保持平衡，翻譯研究才能在人工智能時代找到屬于自己的位置，繼續(xù)為跨語言、跨文化的交流與理解貢獻力量。

人工智能與翻譯技術(shù)的演進史告訴我們，每一次技術(shù)變革都會帶來焦慮與期待的交織。然而，歷史同樣證明，真正具有生命力的研究范式，不是對技術(shù)的盲從或排斥，而是在深刻理解技術(shù)邏輯的基礎(chǔ)上，重新發(fā)現(xiàn)人的價值。人工智能時代翻譯研究的未來，正系于這種清醒的自我認知與開放的重構(gòu)勇氣。

文章為社會科學(xué)報“思想工坊”融媒體原創(chuàng)出品，原載于社會科學(xué)報第2001期第5版，未經(jīng)允許禁止轉(zhuǎn)載，文中內(nèi)容僅代表作者觀點，不代表本報立場。

本期責(zé)編：程鑫云

《社會科學(xué)報》2026年征訂

點擊下方圖片網(wǎng)上訂報↓↓↓