人工智能時代筆譯員如何翻譯技術應用

　　1  引言

　　技術界普遍存在著一種共識：工業(yè)革命在100多年前幾乎改變了一切，而人工智能將在未來幾年里改變整個世界。智能語音、深度學習、神經(jīng)網(wǎng)絡機器翻譯等技術越來越成熟，人工智能給許多行業(yè)帶來了重要影響和挑戰(zhàn)。2019年4月初，人社部等公布的13個新職業(yè)中包括人工智能工程技術人員、大數(shù)據(jù)工程技術人員等，這是自2015年以來國家發(fā)布的首批新職業(yè)。翻譯職業(yè)也因此發(fā)生巨大變化，如出現(xiàn)翻譯工程師、本地化工程師、機器翻譯譯后編輯人員等新崗位，語言服務市場對譯員的技術能力要求越來越高，開設翻譯技術的高校遍布全球(傅敬民、謝莎， 2015)，技術帶來的沖擊使得外語教學乃至翻譯教學范式進行重構(陳堅林、馬牧青， 2019)，“語言+技術”成為新時代的必然要求。

　　2  研究現(xiàn)狀
　　隨著翻譯技術在行業(yè)實踐中的快速發(fā)展與廣泛應用，技術能力已經(jīng)成為譯員能力的重要組成。2003年至今是翻譯技術的全球化大規(guī)模發(fā)展階段(Chan， 2015：16)，也是技術與譯員能力相結合的重要時期。PACTE (2003； 2005)將工具能力作為翻譯五大能力中的重要組成；歐盟筆譯碩士(The European Master’s in Translation， EMT)(2009； 2017)將翻譯技術能力作為歐洲翻譯碩士必備能力之一；中國《高等學校翻譯專業(yè)本科教學要求》(2012)指出翻譯工具能力是翻譯專業(yè)學生需具備的五大能力之一；翻譯服務歐洲標準(EN15038：2006)、國際標準(ISO17100：2015)、中國《口筆譯人員基本能力要求》(T-TAC 2-2017)和《中國英語能力等級量表》(GF 0018-2018)中都指出譯員需具備多種信息能力，能夠使用多種翻譯工具完成翻譯工作。
　　國內(nèi)外人才培養(yǎng)和行業(yè)標準重視翻譯技術能力，但學界對翻譯技術能力研究還處于基礎階段。2004年之前，學者主要通過研究翻譯技術工具本身探討譯者工具能力(Hutchins， 1997；Bowker， 2003)。2004年之后，學者們先以翻譯學習者作為研究對象，探索其翻譯技術能力構成(Pinto & Sales， 2007； 2008； 2010；張文英、吳非， 2014； 王華樹、王少爽， 2016)。目前學者通過量化研究職業(yè)譯員的技術能力構成(苗菊、王少爽， 2010)，還有學者憑借自身經(jīng)驗分析總結職業(yè)譯員和自由譯員的翻譯技術能力構成(Massey & Ehrensberger-Dow， 2011； 王少爽， 2017； 王少爽、覃江華， 2018； Zetzsche， 2019)。還有研究從某種技術角度呈現(xiàn)出譯員需具備的技術能力，如術語管理能力(王少爽， 2011； 2013； 苗菊、寧海霖， 2016； 王華樹、郝冠清， 2016； 王華樹， 2018；盧植、胡健， 2019)，機器翻譯譯后編輯能力(馮全功、劉明， 2018；Nitzke et al.， 2019)等。
　　在職業(yè)譯員翻譯技術能力研究中，思辨性研究較多，實證性研究較少，缺乏大規(guī)模調(diào)研和來自筆譯員的第一手資料；研究相對零散，體系性較弱，對于譯員的整體技術能力貢獻率有限。本研究以職業(yè)環(huán)境中的筆譯員為研究對象，通過實證研究，調(diào)研譯員的真實表現(xiàn)和具體技術的應用，力圖回答：筆譯員的翻譯技術認知情況如何?其翻譯技術應用情況如何?這個群體的翻譯技術應用存在哪些問題?

　　3  研究設計
　　本研究旨在調(diào)研全國筆譯員翻譯技術的現(xiàn)狀與問題，利用“問卷星”平臺設計并發(fā)放問卷，調(diào)研日期為2018年11月15日至2019年4月15日，共收到問卷343份，經(jīng)后臺分析無效問卷6份，有效問卷337份，有效回收率為98.3%，覆蓋全國31個省、自治區(qū)、直轄市和特別行政區(qū)。調(diào)查的被試基本信息如表1所示。
　　問卷共設33個題目，涵蓋翻譯技術認知情況、使用頻率、熟練度、學習渠道、學習期待等方面，其中單選題22個(包含16個李克特五級量表題)，多選題11個。
　　正式發(fā)布問卷前，筆者邀請5位職業(yè)筆譯員(5年以上工作經(jīng)驗)和5位高校筆譯教師(翻譯量200萬字以上)進行初測，針對他們提出的改進方案，優(yōu)化題目和問卷結構，最后進行大規(guī)模調(diào)查。筆者針對問卷中體現(xiàn)的現(xiàn)狀和問題，在定量分析的基礎上，結合定性研究，更加科學、客觀、深入地揭示人工智能時代筆譯員翻譯技術應用全貌。

　　4  數(shù)據(jù)分析
　　筆譯員翻譯技術現(xiàn)狀主要包括技術認知、技術工具使用和技術學習三個方面。技術認知主要考察筆譯員對技術的基本認識，技術工具使用主要考察實際工作中技術工具的使用頻率和效果，題目主要為李克特五級量表題和少量多選題；技術學習主要針對學習內(nèi)容、學習方法等，題目主要為多選題和少量普通單選題，未設置五級量表題。限于文章篇幅，本文僅客觀描述、分析337份問卷中的主要信息。
　　利用SPSS 25.0對16個李克特五級量表題(主要為技術認知和技術使用)進行分析， Cronbach’s α系數(shù)為0.834(>0.7)，說明題目內(nèi)部一致性良好，具有較高的信度。對題目數(shù)據(jù)做進一步的檢測，KMO值為0.783， Bartlett球體檢驗值為0.000，達到非常顯著水平，適合進行因子分析。運用主成分分析法按方差最大斜交旋轉法對數(shù)據(jù)進行探索性因子分析，歸納出4個因子，方差累計解釋率為76.831%。依據(jù)主題，四個因子依次命名為“翻譯技術宏觀認知”“翻譯技術微觀認知”“翻譯技術綜合使用”和“具體翻譯技術使用”。第一和第二個因子屬于技術認知范疇，第三和第四個因子屬于技術使用范疇，詳見表2。
　　4.1 翻譯技術認知
　　問卷中不同領域的被試大多認為：翻譯技術能夠提高翻譯效率(89.31%)、翻譯收入(77.74%)、翻譯業(yè)務量(76.56%)和翻譯質量(75.66%)。被試平均使用兩種以上的機器翻譯、至少能熟練夠使用一種輔助翻譯工具，可以說被試對翻譯技術較為了解，認識水平較高。“翻譯技術宏觀認知”和“翻譯技術微觀認知”兩因子與筆譯員基本信息進行單因素方差分析，發(fā)現(xiàn)身份、性別、學歷和所在企業(yè)規(guī)模對被試的翻譯技術的宏觀與微觀認知影響較大。語言服務供應方譯員、需求方譯員、自由譯員和兼職譯員(含高校師生)間的宏觀認知沒有顯著性差異，但前兩者的整體認知水平明顯優(yōu)于后兩者，兼職譯員的微觀認知水平最低。男性的宏觀與微觀認知均高于女性。公司規(guī)模越大，譯員的微觀技術認知水平越高。在宏觀技術認知中，大專學歷的被試與其他組別之間存在顯著性差異，其認知程度也最低。
　　4.2  翻譯技術使用
　　問卷中多選題顯示，譯員使用機器翻譯、CAT工具、術語管理等翻譯技術，種類較為集中，如機器翻譯主要為谷歌、有道和百度，使用率均超過40%；CAT工具主要為SDL Trados (53.71%)、memoQ (25.52%)和Déjà Vu (18.4%)；術語工具主要為SDL MultiTerm (38.58%)、memoQ術語管理模塊(19.88%)和Déjà Vu術語管理模塊(15.13%)。然而，被試對質量保證工具和翻譯管理技術的關注度和使用率不高。46.0%的被試從未使用過質量保證工具，65.58%的被試沒有接觸過翻譯管理系統(tǒng)，SDL TMS應用頻率最高，僅為10.09%。

　　“翻譯技術綜合使用”“具體翻譯技術使用”與筆譯員基本信息的單因素方差分析中，兩因子在身份、性別和學歷上存在較大差異。兼職譯員(含高校師生)的翻譯技術綜合運用水平遠低于其他三類譯員，自由譯員的具體翻譯技術使用水平最高。雖然男女翻譯技術應用水平無顯著性差異，但平均值圖顯示男性的綜合和具體技術使用水平均高于女性。不同學歷的技術應用水平不存在顯著差異，但平均值圖顯示從大專到博士呈階梯狀下降，大專學歷的被試具體技術使用水平最高，博士最低。
　　4.3 翻譯技術學習
　　在技術學習方面，大部分被試非常務實，注重實踐學習，兼顧理論知識。被試最關注“工具的最佳實踐”(80.42%)和“使用技巧”(78.04%)，1/3左右的被試選擇關注“技術發(fā)展趨勢”和“翻譯技術理論知識”。
　　被試有強烈的學習愿望，但學習和培訓的機會非常有限，他們主要通過自主學習的方式掌握翻譯技術。被試最希望學習主流技術工具，如本地化工具、翻譯管理系統(tǒng)、計算機輔助翻譯工具等，選擇比例均大于40%。然而，除46.38%的被試表示在學校學過相關技術課程外，大部分被試通過幫助文檔或幫助視頻(49.64%)、參加網(wǎng)課(39.13%)、參加技術沙龍(31.16%)等方式學習技術。90.2%的被試認為目前翻譯技術培訓機會匱乏，這一現(xiàn)象在大中小翻譯企業(yè)中普遍存在，尤其是航空航天、建筑礦業(yè)、跨境電商、生物醫(yī)療、知識產(chǎn)權等尖端翻譯領域。

　　5  主要發(fā)現(xiàn)
　　5.1 機器翻譯發(fā)展迅速，譯后編輯成為主流模式
　　調(diào)查發(fā)現(xiàn)，半數(shù)以上的譯員在工作中應用機器翻譯譯后編輯(MTPE)的模式，且譯員認為該模式能夠提升11%—70%不等的翻譯效率。隨著人工智能、深度學習等領域的發(fā)展，以神經(jīng)網(wǎng)絡機器翻譯(NMT)技術為代表的新一代機器翻譯系統(tǒng)發(fā)展迅猛。近年來行業(yè)市場需求劇增，與純?nèi)斯は啾�，機器翻譯在處理工作量大、交付時間短的項目中有較大優(yōu)勢。同時，隨著垂直領域以及企業(yè)定制化機器翻譯系統(tǒng)的發(fā)展，機器翻譯的實用性和靈活性不斷提升，這些都促使“MTPE模式”在翻譯行業(yè)中廣泛應用。然而，調(diào)查中仍有相當數(shù)量的譯員不使用或很少使用機器翻譯，主要由于其譯文質量不夠理想。機器翻譯技術雖已取得重大進展，但還未達到替代人類譯員的水平，這也是“MTPE模式”在行業(yè)內(nèi)得到普遍應用的一個原因。
　　5.2 技術認知水平較高，使用與認知不匹配
　　整體來看，譯員翻譯技術認知水平較高，了解主流翻譯技術，能夠客觀認識技術對翻譯行業(yè)、自身職業(yè)發(fā)展帶來的影響。數(shù)據(jù)顯示，自由譯員認知水平偏低，但具體技術使用水平最高；大專學歷的譯員技術認知水平最低，但其技術使用水平最高。這些鮮明的反差，讓我們深思，技術認知“高水平”的背后是否存在著“眼高手低”的情況?是否只是迎合時代需要，了解技術卻并不使用技術?在大數(shù)據(jù)、移動互聯(lián)網(wǎng)和即將來臨的5G時代，翻譯技術工具趨向云端化、協(xié)作化、輕量化和開源化，其功能更加強大，適用范圍更廣，市場占有率越來越高，這些都應引起譯員的重視。目前的現(xiàn)狀也說明譯員缺乏對新工具的學習和適應，未能充分意識到新技術的實踐價值，這些都會阻礙未來翻譯技術的普及。
　　5.3 技術應用逐漸普及，專業(yè)性工具應用仍為短板
　　譯員主要使用SDL Trados、memoQ等客戶端的CAT工具；較少使用MateCat、Memsource、YiCAT等基于云端的CAT工具。質量保證工具、翻譯管理系統(tǒng)等更為專業(yè)的翻譯技術工具使用率非常低，即使是職業(yè)譯員也存在這一問題。公司規(guī)模越大，此類專業(yè)技術工具使用越多。使用率偏低的原因：一方面是這類工具通常面向企業(yè)，個人應用較少；另一方面是此類技術的應用成本較高，普及較難。
　　5.4 技術學習期望較高，教學培訓等智力支持不足
　　問卷中，教學與培訓無法為譯員強烈的技術學習愿望提供智力支持，主要原因有三： ①翻譯技術教學資源不足，目前國內(nèi)高校仍存在輕視翻譯技術教學、課程體系缺失、專業(yè)師資不足等問題； ②翻譯技術培訓資源匱乏，業(yè)界和學界的知識沒有得到共享和傳承，軟件教程、網(wǎng)絡課程等學習資源存在過時、無法訪問等問題； ③第三，教學與培訓缺乏統(tǒng)一的衡量標準，師生和譯員不清楚要學什么、怎么學、學到什么程度。

　　6  思考和建議
　　翻譯技術發(fā)展迅速，對翻譯模式、翻譯能力、翻譯效率、翻譯質量等各方面產(chǎn)生了重要的影響。我們既要看到其快速發(fā)展的前景，也不能忽視發(fā)展過程中存在的問題。上述調(diào)查反映翻譯生態(tài)系統(tǒng)中的一些主要現(xiàn)象和問題，實質上這正是當前翻譯職業(yè)化進程中亟需重視的部分，關乎到翻譯職業(yè)的發(fā)展大計�？梢哉f，翻譯技術是翻譯生態(tài)鏈條上不可或缺的環(huán)節(jié)，本文提出若干建議，以此促進翻譯技術的產(chǎn)學研結合。
　　6.1 重視翻譯技術知識的宣傳普及
　　目前，雖然筆譯員整體上認同翻譯技術的價值，但翻譯技術工具的使用頻率、熟悉程度參差不齊。因此，社會各方都需重視翻譯技術的普及，提供更多的培訓機會，滿足譯員和高校師生對翻譯技術的學習期望。語言服務企業(yè)應重視語言技術戰(zhàn)略，加大技術的投入，引入先進的翻譯工具，建立健全的語言服務生產(chǎn)平臺。同時，企業(yè)應建立常態(tài)化培訓機制，切實提升員工技術素養(yǎng)。行業(yè)協(xié)會可組織編寫翻譯技術百科全書，建立翻譯技術資源網(wǎng)站和翻譯技術知識庫，組織多樣化的翻譯技術沙龍，加強翻譯技術交流與合作。此外，還應充分發(fā)揮現(xiàn)代教育技術的優(yōu)勢，增設諸如MOOC、SPOC等網(wǎng)絡課程，采用直播、錄播、社區(qū)互動等形式開展多元化的培訓。
　　6.2 加大翻譯技術能力的培養(yǎng)力度
　　調(diào)查顯示，在校生(兼職譯員)的技術能力與職業(yè)譯員差距較大。因此，在技術盛行的時代，高校應大力普及翻譯技術教育，培養(yǎng)具備現(xiàn)代翻譯技術能力的綜合性語言服務人才。具體說來，高校可逐步建立多元化、多層次的技術課程體系，開設《計算機輔助翻譯》等基礎課程，增設諸如《游戲本地化》和《技術寫作》等市場急需的課程，輔以特色的案例和實踐。高校還應重視培養(yǎng)學生技術知識遷移能力，讓學生將翻譯技術應用于多門課程的實踐之中，幫助學生提前熟悉企業(yè)中的應用場景，增強其技術綜合應用能力。此外，還應建立翻譯技術能力評估體系，以考促評、促教、促學，為行業(yè)輸送專業(yè)化認證的翻譯技術人才，促進高校翻譯技術的師資隊伍建設。
　　6.3 深化翻譯技術的研發(fā)和研究
　　技術研發(fā)方面，語言技術企業(yè)應加強技術創(chuàng)新，廣泛收集用戶的意見和需求，開發(fā)出用戶友好度更高的工具。機器翻譯方面，可配合“MTPE模式”，借助人工智能開發(fā)出更先進的人機交互機器翻譯技術，切實提高機器翻譯的實用性和針對性。CAT工具方面，可開發(fā)出易學易用的工具和配套教程，提供免費試用。同時，應重視隱私保密政策，保證用戶的數(shù)據(jù)安全。技術研究方面，翻譯學研究的技術轉向已經(jīng)成為熱點話題，學界應重視對翻譯技術相關問題的研究。期刊可設置翻譯技術研究專欄，探討翻譯技術的前沿發(fā)展動態(tài)，如研究 MTPE、CAT、TMS等翻譯技術工具對譯員翻譯過程和翻譯能力的影響。同時，科研管理部門應給予更多的政策支持，推動更多高層次的翻譯技術科研項目立項。

　　7  結語
　　人工智能時代，大數(shù)據(jù)、云計算、深度學習等技術給語言服務行業(yè)帶來了深遠影響。一方面，翻譯技術日益智能化，為人類譯員的工作質量與效率的提升帶來了機遇；另一方面，機器翻譯、語音識別等技術可能會替代譯員的某些工作，對譯員的生存和發(fā)展構成了挑戰(zhàn)。同時，語言服務行業(yè)對翻譯人才技術能力的要求越來越高，面對譯員技術認知、使用和學習中存在的問題，如何進一步普及翻譯技術，讓譯員更好地駕馭翻譯技術，成為翻譯業(yè)界和學界必須面對的議題。翻譯生態(tài)系統(tǒng)中，企業(yè)、高校、協(xié)會、客戶、譯員都應關注翻譯技術的前沿發(fā)展，深化翻譯技術的宣傳普及、人才培養(yǎng)以及研發(fā)研究工作，共同推動人工智能時代翻譯教育和研究的創(chuàng)新發(fā)展。

　　文章來源：本文原載《外語電化教學》2019年第6期，第67-72頁。作者簡介：王華樹，翻譯學博士，廣東外語外貿(mào)大學高級翻譯學院副教授，碩士生導師。李智，哈爾濱師范大學西語學院教師。

      林木專業(yè)翻譯公司