從MTPE到AIPE:GenAI時(shí)代翻譯模式演變及其對(duì)翻譯教育的啟示

From MTPE to AlPE： Evolution of Translation Modes in the GenAl Era and Its Implications for Translation Education

WANG Huashu'LIU Shijie2 （1. Graduate School of Translation and Interpretation，Beijing Foreign Studies University，Beijing 100089，China; 2. College of Foreign Languages， Shanghai Maritime University， Shanghai 201306， China）

Abstract： The rapid advancement and widespread adoption of large language models are transforming traditional translation modes. This paper examines the evolution of translation modes from human translation to Machine Translation Post-Editing （MTPE），and further to Artificial Intelligence Post-Editing（AIPE），while analyzingtheir impact on translation education.The transformation in translation technology has catalyzed a restructuring of translation production relationships. As an emerging collaborative mode between humans and artificial intelligence，AlPE is gradually supplanting MTPE and becoming the industry standard， thanks to its enhanced interactivity， sophisticated contextual comprehension，and advanced inteligence. However， the implementation of the AlPE mode encounters several challenges， including technological constraints， elevated requirements for translator competencies，and insufficient ethical frameworks. Consequently， translation education must undergo several adaptations： redefining translation competence through a translator training model that integrates linguistic，professional，and technological expertise; innovating translation technology curicula and establishing a new pedagogical framework for Al-driven translation education；broadening the scope of required competencies to enhance technological literacy；and fostering ethical awareness to mitigate technological risks.This study ofers fresh perspectives on understanding the transformation of translation modes in the generative artificial intelligence（GenAl）era while providing strategic direction for the reformation of translation education.

Key words： generative artificial intelligence （GenAl）； translation modes；MTPE；AIPE；translationeducation

1.引言

以ChatGPT為代表的生成式人工智能（Generative Artificial Intelligence，GenAI）的崛起，正在深刻重塑全球各行各業(yè)的生產(chǎn)模式與服務(wù)范式，翻譯領(lǐng)域亦不例外。作為這場(chǎng)變革的重要驅(qū)動(dòng)力，翻譯技術(shù)本身也經(jīng)歷了從“理性主義范式\"到“經(jīng)驗(yàn)主義范式”，再到\"聯(lián)結(jié)主義范式”的躍遷。機(jī)器翻譯從基于規(guī)則的形式化方法，發(fā)展到當(dāng)前基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯（NMT），其背后反映的正是翻譯技術(shù)范式的根本性轉(zhuǎn)變（Hutchins，1986;Cho et al.，2014）。近年來(lái)，以大語(yǔ)言模型（Large Language Models，LLMs）為核心的GenAI技術(shù)在跨語(yǔ)言知識(shí)遷移和深度語(yǔ)境理解等方面取得突破性進(jìn)展，為機(jī)器翻譯乃至整個(gè)翻譯行業(yè)帶來(lái)顛覆性的變革。

自2022年底ChatGPT問(wèn)世以來(lái)，國(guó)內(nèi)外科技巨頭競(jìng)相角逐，紛紛推出基于LLMs的ChatGPT類產(chǎn)品。這類模型在多語(yǔ)言理解、知識(shí)推理和內(nèi)容生成等方面能力卓越，正在推動(dòng)翻譯工作流程的全面重構(gòu)，使人機(jī)協(xié)同邁人人智協(xié)同的新階段。在這場(chǎng)技術(shù)驅(qū)動(dòng)的變革中，翻譯模式正從機(jī)器翻譯譯后編輯（Machine Translation Post-editing，MTPE）轉(zhuǎn)向人工智能譯后編輯（Artificial Intelligence Post-editing，AIPE）。這一轉(zhuǎn)變不僅是技術(shù)手段的升級(jí)，更是翻譯理念、工作流程和行業(yè)標(biāo)準(zhǔn)的全面革新，對(duì)譯者的角色定位和能力要求提出了新的挑戰(zhàn)。然而，現(xiàn)有研究對(duì)由技術(shù)范式變革所引發(fā)的翻譯模式轉(zhuǎn)型關(guān)注明顯不足，尤其是缺乏對(duì)AIPE模式的特征、機(jī)制和影響的系統(tǒng)探討。因此，準(zhǔn)確把握這一歷史性趨勢(shì)，并在翻譯實(shí)踐和教育中積極應(yīng)對(duì)，已成為當(dāng)前亟待研究的重要課題。

2.研究現(xiàn)狀

學(xué)界在“翻譯模式”概念的使用上常存在指稱對(duì)象不明確、不統(tǒng)一的現(xiàn)象（王均松、肖維青、崔啟亮，2023：14），這主要源于不同時(shí)代背景、不同發(fā)展階段的學(xué)者對(duì)翻譯模式的認(rèn)知和理解差異。本研究中的“翻譯模式”特指翻譯活動(dòng)中的組織形式、工作流程與操作規(guī)范等，這一概念與翻譯策略、翻譯過(guò)程有顯著區(qū)別，更側(cè)重于翻譯活動(dòng)在實(shí)踐層面的程序化管理和規(guī)范化應(yīng)用。

2.1人工翻譯時(shí)代的翻譯模式研究

在人工翻譯時(shí)代，東西方的翻譯實(shí)踐中逐漸形成翻譯模式的雛形。相關(guān)研究中的表述方式各異，不乏對(duì)于“翻譯過(guò)程”的關(guān)切與探討（如Nidaamp;Taber，1969；許鈞，2003），呈現(xiàn)出“翻譯程序”“翻譯過(guò)程”“翻譯流程”等表述交織的情況。這一時(shí)期的翻譯模式主要體現(xiàn)為兩種形式：一是以團(tuán)隊(duì)協(xié)作為基礎(chǔ)的規(guī)范化運(yùn)行模式，二是個(gè)人翻譯實(shí)踐的流程化總結(jié)。在團(tuán)隊(duì)協(xié)作方面，中國(guó)佛經(jīng)翻譯實(shí)踐構(gòu)建了最具代表性的系統(tǒng)化譯場(chǎng)制度，尤以隋唐時(shí)期最為完善。以玄奘主持的譯場(chǎng)為例，建立起包含筆受、度語(yǔ)、潤(rùn)文、證義、梵唄、校勘等在內(nèi)的完整職位序列，形成嚴(yán)密的翻譯質(zhì)量控制機(jī)制（轉(zhuǎn)引自劉立壹，2012：91）。與此相似，歐洲托萊多翻譯學(xué)院創(chuàng)立的“四手翻譯”合作模式，通過(guò)阿拉伯語(yǔ)—卡斯蒂利亞語(yǔ)—拉丁語(yǔ)的雙重轉(zhuǎn)換確保翻譯質(zhì)量（王玖玖，2024）。在個(gè)人翻譯實(shí)踐方面，隨著個(gè)人翻譯實(shí)踐的深人，翻譯家們開(kāi)始系統(tǒng)總結(jié)個(gè)人實(shí)踐經(jīng)驗(yàn)，嘗試建立規(guī)范化翻譯流程。這些早期翻譯模式雖然源自不同的歷史文化背景，但都體現(xiàn)出對(duì)翻譯質(zhì)量的嚴(yán)格要求和對(duì)專業(yè)分工的重視，為現(xiàn)代翻譯模式的發(fā)展奠定了重要基礎(chǔ)。

2.2計(jì)算機(jī)輔助翻譯時(shí)代的翻譯模式研究

20世紀(jì)90年代以后，CAT工具的興起開(kāi)啟了人機(jī)協(xié)作翻譯的新紀(jì)元。該時(shí)期的研究主要關(guān)注技術(shù)對(duì)翻譯流程的影響、翻譯工作流程的改變、翻譯項(xiàng)目的管理模式等方面。Kay（1997）較早提出“譯者助手\"（translator’samenuensis）的設(shè)想，預(yù)見(jiàn)了人機(jī)協(xié)作翻譯的未來(lái)。隨著翻譯記憶、術(shù)語(yǔ)管理等核心技術(shù)的日趨成熟，學(xué)界開(kāi)始深人探討CAT與翻譯實(shí)踐的有效融合路徑，從理論和實(shí)踐層面對(duì)CAT時(shí)代的翻譯模式進(jìn)行了多視角考察，揭示出技術(shù)工具對(duì)譯者工作方式和翻譯項(xiàng)目組織形態(tài)的深遠(yuǎn)影響（如Austermuhl，2001;徐彬、郭紅梅、國(guó)曉立，2007;周興華，2015）。全球化進(jìn)程的加速進(jìn)一步推動(dòng)了翻譯模式的變革，在本地化產(chǎn)業(yè)的帶動(dòng)下，翻譯項(xiàng)目的規(guī)模和復(fù)雜度顯著提升，促使學(xué)界更加關(guān)注翻譯項(xiàng)目的管理機(jī)制（Dunne，2006;崔啟亮，2013）。在此背景下，眾包翻譯模式應(yīng)運(yùn)而生，引發(fā)了學(xué)界的廣泛探討（DePalmaamp;Kelly，2011;陸艷，2012）。這些研究表明，CAT時(shí)代翻譯技術(shù)的應(yīng)用不僅提升了翻譯效率，更從根本上重塑了翻譯行業(yè)的運(yùn)作模式。

2.3機(jī)器翻譯賦能的翻譯模式研究

進(jìn)人21世紀(jì)后，機(jī)器翻譯技術(shù)的快速發(fā)展推動(dòng)了翻譯模式的深刻變革，尤其是MTPE模式的形成和完善。該時(shí)期的研究主要圍繞不同階段的機(jī)器翻譯技術(shù)對(duì)翻譯模式的影響展開(kāi)，尤其聚焦于MTPE 模式的發(fā)展。2014年開(kāi)始，NMT技術(shù)取得突破性進(jìn)展（Bahdanau，Cho＆Bengio，2014），推動(dòng)MTPE 成為主流翻譯模式。崔啟亮（2014）較早詳細(xì)介紹了MTPE的概念、應(yīng)用領(lǐng)域及實(shí)踐準(zhǔn)則，為該模式的推廣奠定了理論基礎(chǔ)。而后ISO18587：2017標(biāo)準(zhǔn)明確規(guī)定MTPE的工作流程和質(zhì)量要求（ISO，2017），標(biāo)志著這一模式進(jìn)入成熟階段。為推動(dòng)MTPE模式的規(guī)模化應(yīng)用與廣泛推廣，學(xué)者們開(kāi)展了一系列深入研究，例如不同機(jī)器翻譯技術(shù)階段下MTPE 的譯文質(zhì)量評(píng)估（Koponen，2016;Vardaro，Schaefferamp; Hansen-Schirra，2019）、認(rèn)知努力對(duì)比（Moorkens et al.，2015; Vieira，2016）、能力模型構(gòu)建及能力培養(yǎng)（Nitzke，Hansen-Schirraamp; Caciora，2019;王華樹(shù)、劉世界，2022）等。這些研究從不同角度為MTPE模式的實(shí)踐應(yīng)用提供理論指導(dǎo)和操作規(guī)范，推動(dòng)人機(jī)協(xié)作模式的深化發(fā)展。

上述關(guān)于翻譯模式的研究，從不同角度為翻譯活動(dòng)的開(kāi)展和組織提供了理論指導(dǎo)和實(shí)踐參考。然而，隨著GenAI技術(shù)的迅速發(fā)展，當(dāng)前研究對(duì)MTPE和AIPE兩種模式的演變規(guī)律卻關(guān)注不足。特別是在翻譯生產(chǎn)關(guān)系重構(gòu)、人機(jī)協(xié)作方式轉(zhuǎn)變等核心議題上，缺乏系統(tǒng)深人的比較研究。這一研究局限突顯了深人探討AI時(shí)代翻譯模式的演變機(jī)制，既具有重要的理論意義，也具有迫切的現(xiàn)實(shí)價(jià)值。

3.AI時(shí)代翻譯模式的演變

在人類的翻譯實(shí)踐中，技術(shù)創(chuàng)新始終是推動(dòng)翻譯模式變革的核心動(dòng)力。隨著人工智能技術(shù)的發(fā)展，翻譯模式經(jīng)歷了從CAT到MTPE，再到AIPE的深刻轉(zhuǎn)型（王華樹(shù)、張成智，2025：54）。2022年底，以ChatGPT為代表的LLMs的突破性進(jìn)展，更是將這一演變推向新的高度。這些模型憑借其在跨語(yǔ)言理解、知識(shí)遷移和內(nèi)容生成等方面的優(yōu)勢(shì)，正在重構(gòu)傳統(tǒng)的翻譯生產(chǎn)關(guān)系。與MTPE模式相比，AIPE模式不僅顯著提升了翻譯效率，更實(shí)現(xiàn)了從簡(jiǎn)單的“機(jī)器輔助”到深度“人智協(xié)同”的飛躍，預(yù)示著翻譯行業(yè)正步人一個(gè)全新的發(fā)展階段。本節(jié)將聚焦MTPE和AIPE兩個(gè)階段，探析其特點(diǎn)及面臨的挑戰(zhàn)，揭示AI時(shí)代翻譯模式變革的內(nèi)在邏輯和發(fā)展趨勢(shì)。

3.1MTPE階段：技術(shù)輔助的過(guò)渡模式

根據(jù)ISO18587：2017標(biāo)準(zhǔn)的定義，MTPE是指編輯、修改和/或更正預(yù)先翻譯的文本的過(guò)程（ISO，2017）。這種翻譯模式的形成是機(jī)器翻譯技術(shù)進(jìn)步與市場(chǎng)需求共同作用的結(jié)果。2016年，國(guó)外搜索平臺(tái)推出谷歌神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯系統(tǒng)（Google Neural MachineTranslation，GNMT），采用最先進(jìn)的NMT技術(shù)，大幅提升機(jī)器翻譯的水平在英語(yǔ)-西班牙語(yǔ)翻譯中填補(bǔ)了 87% 的機(jī)器翻譯與人類翻譯之間的質(zhì)量差距（Wuetal.，2016），這為MTPE模式的規(guī)模化應(yīng)用奠定了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。

3.1.1MTPE模式特點(diǎn)及實(shí)踐案例

MTPE模式通過(guò)整合機(jī)器翻譯的效率和人工編輯的質(zhì)量保障，形成一種新型的人機(jī)協(xié)作模式。這種模式具有三個(gè)主要特點(diǎn)。第一，人機(jī)分工明確，協(xié)作互補(bǔ)。機(jī)器翻譯系統(tǒng)負(fù)責(zé)快速生成譯文初稿，譯者則專注于譯文的審校與優(yōu)化，確保翻譯質(zhì)量符合專業(yè)標(biāo)準(zhǔn)。第二，生產(chǎn)效率顯著提升，成本結(jié)構(gòu)優(yōu)化升級(jí)。機(jī)器翻譯的前置大幅縮短了翻譯周期，尤其是在處理大規(guī)模、重復(fù)性較高的文本時(shí)，能有效降低單位翻譯成本。第三，翻譯流程日益標(biāo)準(zhǔn)化，質(zhì)量控制更具可操作性。隨著ISO18587：2017標(biāo)準(zhǔn)的發(fā)布，MTPE建立了系統(tǒng)的操作流程及質(zhì)量管理規(guī)范，為行業(yè)實(shí)踐提供了重要指南。

這些特征在大規(guī)模商業(yè)實(shí)踐中得到了充分驗(yàn)證。以全球電商平臺(tái)eBay為例，其MTPE 實(shí)踐生動(dòng)展現(xiàn)了該模式在處理海量?jī)?nèi)容時(shí)的應(yīng)用價(jià)值。根據(jù)eBay機(jī)器翻譯語(yǔ)言專家Rowda（2016）的報(bào)道，eBay平臺(tái)擁有超過(guò)8億條商品信息，每條平均包含300個(gè)詞，僅俄羅斯市場(chǎng)的6，000萬(wàn)條商品信息就需要1，000名譯者耗時(shí)5年才能完成翻譯。面對(duì)如此龐大且持續(xù)更新的內(nèi)容，eBay構(gòu)建了專門的機(jī)器翻譯科學(xué)團(tuán)隊(duì)和語(yǔ)言團(tuán)隊(duì)，采用統(tǒng)計(jì)機(jī)器翻譯模型處理商品標(biāo)題、描述、評(píng)論等用戶生成內(nèi)容。為確保翻譯質(zhì)量，團(tuán)隊(duì)建立了系統(tǒng)的譯后編輯機(jī)制：機(jī)器譯文由內(nèi)部專業(yè)團(tuán)隊(duì)修改并審核，高質(zhì)量的修改結(jié)果再用于系統(tǒng)訓(xùn)練，從而實(shí)現(xiàn)翻譯質(zhì)量的持續(xù)優(yōu)化。這一實(shí)踐不僅有效解決了傳統(tǒng)人工翻譯無(wú)法滿足的規(guī)模化需求，也為MTPE模式在電商領(lǐng)域的應(yīng)用提供了重要參考。

3.1.2MTPE模式的主要挑戰(zhàn)

盡管MTPE模式在技術(shù)和效率層面取得顯著進(jìn)展，但在實(shí)踐中仍面臨著三個(gè)主要挑戰(zhàn)。第一，機(jī)器翻譯質(zhì)量波動(dòng)制約模式的推廣應(yīng)用。盡管NMT技術(shù)不斷進(jìn)步，但在處理復(fù)雜句式、專業(yè)術(shù)語(yǔ)時(shí)仍表現(xiàn)不穩(wěn)定。據(jù)Moorkensamp;O’Brien（2014：79）研究發(fā)現(xiàn)，譯者普遍反映MTPE工作單調(diào)乏味，持續(xù)性的機(jī)械修改（如詞序、產(chǎn)品名稱和標(biāo)簽）容易導(dǎo)致“大腦麻木”和疲勞。尤其是當(dāng)機(jī)器翻譯輸出質(zhì)量較低時(shí)，譯后編輯的工作量可能會(huì)超過(guò)人工直接從頭開(kāi)始翻譯。第二，譯者主體性和專業(yè)能力潛在弱化制約模式的應(yīng)用。在MTPE模式下，譯者容易受到“錨定效應(yīng)\"（Tverskyamp;Kahneman，1974）的影響，難以跳出機(jī)器譯文框架進(jìn)行創(chuàng)造性思考。部分譯者可能產(chǎn)生惰性，過(guò)度依賴機(jī)器翻譯的結(jié)果，譯文出現(xiàn)如“機(jī)器翻譯腔”（translationese）和“譯后編輯腔”（post-editese）（Daems，De Clercqamp;Macken，2017）等問(wèn)題，長(zhǎng)期而言可能削弱譯者的語(yǔ)言敏感度和專業(yè)能力。第三，評(píng)估標(biāo)準(zhǔn)與定價(jià)機(jī)制不完善阻礙模式的發(fā)展。雖然ISO18587：2017為MTPE提供了基本框架，但業(yè)界對(duì)譯后編輯的質(zhì)量評(píng)估標(biāo)準(zhǔn)和工作量計(jì)算仍未達(dá)成共識(shí)。有研究指出MTPE模式下客戶往往采用折扣定價(jià)策略（Guerberof Arenas，2019：335），這種不規(guī)范的行業(yè)操作不僅影響譯者積極性，也制約該模式的推廣。

這些挑戰(zhàn)反映了MTPE模式作為一種技術(shù)輔助型翻譯模式的內(nèi)在局限。隨著生成式人工智能技術(shù)的發(fā)展，特別是LLMs在自然語(yǔ)言處理領(lǐng)域取得的突破性進(jìn)展，翻譯行業(yè)開(kāi)始探索更高層次的人機(jī)協(xié)作方式，正推動(dòng)翻譯模式從MTPE向AIPE演進(jìn)，開(kāi)啟了一個(gè)更智能化的翻譯新階段。

3.2AIPE階段：智能時(shí)代的協(xié)同新范式

AIPE是基于以LLMs為代表的生成式人工智能的智能化翻譯模式，代表著翻譯技術(shù)發(fā)展的最新階段。不同于MTPE的線性工作流程，AIPE實(shí)現(xiàn)了更深層次的人機(jī)協(xié)同，將譯者的專業(yè)判斷與LLMs的能力有機(jī)結(jié)合，形成一種動(dòng)態(tài)交互的人智協(xié)同翻譯模式。在這種模式下，譯者的角色從單純的編輯者轉(zhuǎn)向AI翻譯系統(tǒng)的引導(dǎo)者和協(xié)作者，通過(guò)提示工程主動(dòng)引導(dǎo)翻譯過(guò)程。

3.2.1AIPE模式特點(diǎn)及實(shí)踐案例

AIPE作為生成式時(shí)代的人智協(xié)同翻譯模式，通過(guò)深度的人機(jī)交互重構(gòu)了傳統(tǒng)的翻譯工作流程，在翻譯實(shí)踐中具有三個(gè)突出特點(diǎn)。第一，提示工程驅(qū)動(dòng)的交互式翻譯。如ChatGPT等新一代模型是基于鏈?zhǔn)剿季S（Chainof Thought）（Wei etal.，2022）這種先進(jìn)技術(shù)開(kāi)發(fā)訓(xùn)練的，具備結(jié)構(gòu)化提示詞的深度理解機(jī)制，譯者可通過(guò)設(shè)計(jì)提示詞策略與LLMs進(jìn)行多輪對(duì)話，引導(dǎo)翻譯過(guò)程。通過(guò)提示詞的精確設(shè)計(jì)，譯者可以指定翻譯的文體風(fēng)格、要求解釋特定翻譯選擇的理由，或獲取多個(gè)備選方案，從被動(dòng)的譯文修改者轉(zhuǎn)變?yōu)榉g過(guò)程的主導(dǎo)者。第二，深度語(yǔ)義理解支撐的高質(zhì)量譯文生成。AIPE模式下的LLMs通過(guò)大規(guī)模預(yù)訓(xùn)練形成了強(qiáng)大的語(yǔ)義理解能力，能夠?qū)崿F(xiàn)對(duì)文本深層語(yǔ)義和上下文關(guān)系的準(zhǔn)確把握，為高質(zhì)量譯文的生成提供了堅(jiān)實(shí)的基礎(chǔ)支撐。第三，智能化的系統(tǒng)性譯后編輯機(jī)制。在MTPE模式中，由于機(jī)器翻譯系統(tǒng)缺乏修正反饋的學(xué)習(xí)能力，導(dǎo)致譯者需要機(jī)械修改機(jī)器譯文中頻現(xiàn)的錯(cuò)誤（Moorkensamp;O'Brien，2017：109）。AIPE模式則通過(guò)提示工程支持實(shí)時(shí)協(xié)同編輯：譯者可以通過(guò)編寫針對(duì)性的提示詞明確指出發(fā)現(xiàn)的問(wèn)題類型和修改要求，引導(dǎo)LLMs自動(dòng)識(shí)別并修正全文中的類似問(wèn)題。這種基于提示詞的智能化編輯機(jī)制讓譯者從繁瑣的重復(fù)性工作中解放出來(lái)，更專注于翻譯質(zhì)量的整體把控。

AIPE模式已經(jīng)在翻譯行業(yè)得到初步探索。例如， Wu et al.（2024）開(kāi)發(fā)了基于多智能體協(xié)作的TransAgents系統(tǒng)，通過(guò)模擬傳統(tǒng)翻譯公司的運(yùn)作流程，構(gòu)建了從CEO、高級(jí)編輯、初級(jí)編輯、譯者、本地化專家和審校人員在內(nèi)的完整翻譯團(tuán)隊(duì)，實(shí)現(xiàn)對(duì)超長(zhǎng)文學(xué)文本的翻譯，確保翻譯質(zhì)量的一致性與連貫性。在商業(yè)實(shí)踐中，主流CAT廠商也在積極探索基于LLMs的智能協(xié)作模式。例如，通過(guò)插件拓展集成（如Trados Studio推出的Intento MTHub、AI Professional 插件）和新增功能集成（如 Smartcat 的OpenAI GPT 功能、memoQ 的AGT功能）等融合方式實(shí)現(xiàn)與LLMs的集成，支持譯者進(jìn)行定制化操作（周興華，2024：124-127）。最近，Trados逐步引人基于LLMs的生成式字幕功能，結(jié)合語(yǔ)言資源實(shí)現(xiàn)視頻的自動(dòng)轉(zhuǎn)錄與本地化處理，同時(shí)提供基于安全LLMs的智能幫助功能，實(shí)時(shí)響應(yīng)譯者需求，為翻譯過(guò)程提供知識(shí)庫(kù)和論壇資源的智能支持（Wheeler，2024）。同時(shí)，Trados也在逐步形成\" MT+MTQE+LLM^， 的工作流，有望形成成熟的自動(dòng)譯后編輯（automatic post-editing，APE）模式。除上述探索之外，AIPE模式還支持更廣泛的人工智能譯后編輯實(shí)踐。

譯者可自行選擇下載翻譯任務(wù)型或通用型開(kāi)源模型（如TowerInstruct-7B-v0.2、Meta-Llama-3.1-8B-Instruct）進(jìn)行本地部署，或通過(guò)API接入商用閉源模型，甚至直接使用各大模型平臺(tái)提供的在線交互服務(wù)。這種靈活的接人方式使得譯者能夠根據(jù)項(xiàng)目需求和安全級(jí)別，選擇最適合的模型實(shí)現(xiàn)深度交互。通過(guò)精心設(shè)計(jì)的結(jié)構(gòu)化提示詞，譯者可與模型進(jìn)行多輪對(duì)話，從單向的譯后編輯升級(jí)到雙向的智能協(xié)作。這些創(chuàng)新實(shí)踐充分表明，AIPE模式正在重構(gòu)傳統(tǒng)翻譯工作流程，并將成為翻譯技術(shù)發(fā)展的必然趨勢(shì)。

3.2.2AIPE模式的主要挑戰(zhàn)

盡管AIPE 在翻譯實(shí)踐中展現(xiàn)出顯著優(yōu)勢(shì)，但其規(guī)模化應(yīng)用仍面臨三個(gè)主要挑戰(zhàn)。第一，模型的不可控性制約翻譯質(zhì)量保障。LLMs的“黑箱”特性導(dǎo)致翻譯過(guò)程缺乏可解釋性，譯者難以理解模型做出翻譯決策的依據(jù)。特別是在處理專業(yè)性強(qiáng)或具有文化特殊性的文本時(shí)，模型可能生成帶有偏見(jiàn)或錯(cuò)誤的譯文，這要求譯者在應(yīng)用AIPE模式時(shí)需保持高度警惕，建立嚴(yán)格的質(zhì)量控制機(jī)制。第二，譯者角色轉(zhuǎn)型對(duì)人才素養(yǎng)提出更高要求。在AIPE模式下，譯者需要扮演人與智能系統(tǒng)交互的引導(dǎo)者、翻譯質(zhì)量的把控者等多重角色，不僅要具備扎實(shí)的語(yǔ)言功底，還要熟練掌握提示工程、基礎(chǔ)編程等人智協(xié)作技能，這對(duì)翻譯人才培養(yǎng)提出了新的挑戰(zhàn)。第三，倫理規(guī)范滯后影響模式推廣應(yīng)用。當(dāng)前有關(guān)AIPE模式應(yīng)用所產(chǎn)生的一系列倫理及規(guī)范問(wèn)題仍然未得到專門的指導(dǎo)。如何防范模型訓(xùn)練數(shù)據(jù)中的偏見(jiàn)、如何界定譯文版權(quán)歸屬、如何確保數(shù)據(jù)安全和隱私保護(hù)以及如何制定合理的定價(jià)機(jī)制等問(wèn)題，都需要業(yè)界和學(xué)界共同努力建立相應(yīng)的行業(yè)應(yīng)用規(guī)范。這些挑戰(zhàn)表明，要AIPE模式的健康發(fā)展，就需要在技術(shù)進(jìn)步的同時(shí)，同步推進(jìn)人才培養(yǎng)和規(guī)范建設(shè)。

4.對(duì)翻譯教育的啟示

翻譯模式從MTPE向AIPE的演進(jìn)對(duì)翻譯教育產(chǎn)生了深遠(yuǎn)影響。這種演進(jìn)不僅體現(xiàn)在技術(shù)層面，更涉及翻譯生產(chǎn)模式的根本性變革，對(duì)翻譯人才的知識(shí)結(jié)構(gòu)和能力素養(yǎng)提出了新的要求。在此背景下，傳統(tǒng)翻譯教育體系亟需重構(gòu)。本研究從教學(xué)定位、課程建設(shè)、能力培養(yǎng)和倫理意識(shí)四個(gè)維度，探討LLMs時(shí)代翻譯教育的改革路徑。

4.1緊貼行業(yè)趨勢(shì)，轉(zhuǎn)變教學(xué)定位

傳統(tǒng)的翻譯教育模式側(cè)重于語(yǔ)言轉(zhuǎn)換能力的培養(yǎng)，對(duì)人工智能技術(shù)在翻譯實(shí)踐中的應(yīng)用重視不足。然而，AIPE模式的特點(diǎn)表明，未來(lái)的翻譯人才不僅需要具備扎實(shí)的語(yǔ)言基礎(chǔ)和翻譯素養(yǎng)，更需要掌握與人工智能協(xié)同工作的能力。

為實(shí)現(xiàn)這一目標(biāo)，翻譯教育需要進(jìn)行三個(gè)方面的革新。第一，重新定義翻譯能力，全面培養(yǎng)學(xué)生的智能翻譯素養(yǎng)。王少爽、駱瀟洋（2025）從知識(shí)、思維、能力和倫理四個(gè)維度構(gòu)建智能翻譯素養(yǎng)的概念框架，認(rèn)為這是翻譯能力在智能時(shí)代的必然演進(jìn)。第二，構(gòu)建“語(yǔ)言 + 專業(yè) + 技術(shù)”的復(fù)合型人才培養(yǎng)模式。這要求打破傳統(tǒng)學(xué)科壁壘，推動(dòng)翻譯學(xué)與計(jì)算機(jī)科學(xué)、人工智能等學(xué)科的交叉融合。如王華樹(shù)（2024：108）所言，亟需通過(guò)跨學(xué)科交叉融合，培養(yǎng)兼具語(yǔ)言、專業(yè)和新興技術(shù)多重能力的高素質(zhì)語(yǔ)言服務(wù)人才。第三，加強(qiáng)產(chǎn)教融合，將行業(yè)實(shí)踐引人課堂。邀請(qǐng)企業(yè)專家開(kāi)設(shè)專題講座或工作坊，介紹AIPE模式在行業(yè)中的實(shí)際工作流程及應(yīng)用成效;或與企業(yè)合作開(kāi)發(fā)基于LLMs的實(shí)踐項(xiàng)目，讓學(xué)生在實(shí)際環(huán)境中鍛煉人智協(xié)同翻譯能力。

4.2創(chuàng)新技術(shù)課程，拓展教學(xué)內(nèi)容

AIPE模式的深度交互特性和智能化譯后編輯機(jī)制，要求翻譯教育必須創(chuàng)新翻譯技術(shù)課程體系。相較于MTPE時(shí)代側(cè)重NMT和CAT工具使用的傳統(tǒng)翻譯技術(shù)課程，當(dāng)前的翻譯教育迫切需要建立系統(tǒng)化的人工智能翻譯課程體系。這不僅是教學(xué)內(nèi)容的更新，更是翻譯技術(shù)課程的重構(gòu)。這種課程體系需要與前述智能翻譯素養(yǎng)的培養(yǎng)目標(biāo)相匹配，為培養(yǎng)新時(shí)代的翻譯人才提供課程支撐。

課程創(chuàng)新可從以下層面展開(kāi)。第一，構(gòu)建智能翻譯技術(shù)課程群。除傳統(tǒng)的CAT工具應(yīng)用課程外，增設(shè)LLMs基礎(chǔ)原理、提示工程、翻譯智能體、智能翻譯項(xiàng)目管理與實(shí)務(wù)等系列課程，形成從基礎(chǔ)到前沿的完整知識(shí)體系，幫助學(xué)生建立對(duì)GenAI技術(shù)應(yīng)用邊界的系統(tǒng)認(rèn)知。第二，整合專業(yè)課程內(nèi)容。重構(gòu)傳統(tǒng)口筆譯課程體系，將智能翻譯模塊納入教學(xué)大綱，針對(duì)不同語(yǔ)言方向和文本類型設(shè)計(jì)智能翻譯專題，形成新技術(shù)與傳統(tǒng)教學(xué)深度融合的課程體系。第三，革新實(shí)踐教學(xué)環(huán)節(jié)。建立智能翻譯實(shí)驗(yàn)室和實(shí)訓(xùn)基地，配置主流智能翻譯平臺(tái)和工具，為學(xué)生提供真實(shí)的技術(shù)應(yīng)用環(huán)境。通過(guò)項(xiàng)目驅(qū)動(dòng)式教學(xué)，讓學(xué)生在完整的翻譯項(xiàng)目中體驗(yàn)和掌握智能翻譯的全過(guò)程，培養(yǎng)其綜合運(yùn)用新技術(shù)的實(shí)踐能力。

4.3革新能力范疇，提升技術(shù)素養(yǎng)

AIPE模式對(duì)翻譯人才的能力提出新要求，傳統(tǒng)的翻譯能力范疇需要進(jìn)一步拓展。在人智協(xié)同日益深人的背景下，譯者更需要具備與人工智能協(xié)同工作的能力。因此，翻譯教育需要革新翻譯能力范疇，將技術(shù)素養(yǎng)作為核心能力維度，融人翻譯人才的培養(yǎng)體系中。

在翻譯教育中，需要加強(qiáng)學(xué)生多個(gè)方面的能力。第一，培養(yǎng)學(xué)生熟練運(yùn)用不同LLMs等智能工具的能力。通過(guò)系統(tǒng)的工具對(duì)比和實(shí)踐操作，使學(xué)生掌握各類LLMs的特點(diǎn)及適用場(chǎng)景，能夠根據(jù)具體翻譯任務(wù)選擇最優(yōu)工具組合。這種應(yīng)用能力的培養(yǎng)應(yīng)注重實(shí)踐性和系統(tǒng)性，既要讓學(xué)生熟練掌握各類平臺(tái)的基本操作，也要培養(yǎng)其對(duì)新興翻譯技術(shù)的評(píng)估和選擇能力。第二，培養(yǎng)學(xué)生的人智協(xié)同翻譯管理能力。未來(lái)的翻譯項(xiàng)目將更多地呈現(xiàn)出人智協(xié)同的特點(diǎn)，譯者需要能夠有效地管理人類與智能翻譯系統(tǒng)協(xié)同的流程，合理分配任務(wù)，并全面監(jiān)控AIPE模式下的翻譯進(jìn)度和質(zhì)量。第三，強(qiáng)化學(xué)生對(duì)智能翻譯結(jié)果的評(píng)估和校對(duì)能力。LLMs生成的譯文雖然質(zhì)量較高，但仍可能存在錯(cuò)誤或不完善之處。因此，譯者應(yīng)能夠敏銳識(shí)別并妥善消除LLMs生成譯文存在的不足之處。在培養(yǎng)過(guò)程中，要特別注重學(xué)生的技術(shù)思維、批判性思維和邏輯思維，提升其對(duì)模型譯文的分析與判斷能力，有效避免出現(xiàn)“大語(yǔ)言模型翻譯腔”①等新型翻譯質(zhì)量問(wèn)題。

4.4規(guī)避技術(shù)陷阱，加強(qiáng)倫理意識(shí)

在擁抱智能技術(shù)變革的同時(shí)，翻譯教育必須高度重視AIPE模式可能帶來(lái)的倫理風(fēng)險(xiǎn)和技術(shù)陷阱。LLMs雖然在翻譯效率和質(zhì)量方面表現(xiàn)出色，但其應(yīng)用過(guò)程中可能涉及數(shù)據(jù)安全、隱私保護(hù)、知識(shí)產(chǎn)權(quán)等諸多倫理問(wèn)題。任文（2020：13）曾指出：“快速介入的語(yǔ)言服務(wù)技術(shù)在給譯員及其客戶帶來(lái)巨大便利的同時(shí)，也讓語(yǔ)言服務(wù)業(yè)的利益相關(guān)者陡然感受到技術(shù)倫理觀缺位導(dǎo)致的尷尬”。因此，翻譯教育必須將倫理意識(shí)培養(yǎng)納入課程體系，幫助學(xué)生樹(shù)立正確的職業(yè)價(jià)值觀。這不僅關(guān)系到個(gè)人職業(yè)發(fā)展，更關(guān)系到整個(gè)語(yǔ)言服務(wù)行業(yè)的健康發(fā)展。

翻譯教育可從以下三個(gè)層面加強(qiáng)倫理教育。第一，培養(yǎng)學(xué)生對(duì)智能翻譯的倫理思辨能力。通過(guò)典型案例分析，引導(dǎo)學(xué)生識(shí)別和反思模型中的價(jià)值偏差，如文化歧視、性別偏見(jiàn)、族群刻板印象等深層倫理問(wèn)題。幫助學(xué)生樹(shù)立正確的技術(shù)倫理觀，在使用GenAI技術(shù)時(shí)保持應(yīng)有的倫理警覺(jué)和價(jià)值判斷。第二，強(qiáng)化數(shù)據(jù)安全和隱私保護(hù)意識(shí)。重點(diǎn)關(guān)注翻譯項(xiàng)目中的敏感信息處理，包括商業(yè)機(jī)密、個(gè)人隱私等內(nèi)容的保護(hù)。學(xué)生應(yīng)主動(dòng)學(xué)習(xí)數(shù)據(jù)安全相關(guān)法律法規(guī)，提升自身數(shù)據(jù)安全意識(shí)，將其作為開(kāi)展翻譯實(shí)踐的基本準(zhǔn)則（劉世界、張滟、黃立波，2025：69）。第三，深化對(duì)版權(quán)歸屬和責(zé)任認(rèn)定的理解。AIPE模式下的翻譯作品版權(quán)和責(zé)任界定問(wèn)題較為復(fù)雜，需要學(xué)生充分認(rèn)識(shí)到智能輔助翻譯中的知識(shí)產(chǎn)權(quán)保護(hù)問(wèn)題，為構(gòu)建行業(yè)新規(guī)范做好準(zhǔn)備。

5.結(jié)語(yǔ)

本研究系統(tǒng)考察從MTPE向AIPE演進(jìn)的翻譯模式變革歷程，揭示出GenAI技術(shù)對(duì)翻譯模式轉(zhuǎn)型的深刻影響。AIPE模式通過(guò)重構(gòu)人機(jī)協(xié)作關(guān)系、優(yōu)化翻譯工作流程，引領(lǐng)翻譯行業(yè)步人人智協(xié)同翻譯的新階段。這一轉(zhuǎn)型不僅表現(xiàn)為技術(shù)工具的更迭，更體現(xiàn)出翻譯生產(chǎn)方式和人才培養(yǎng)模式的根本性變革。翻譯教育肩負(fù)著培養(yǎng)適應(yīng)智能時(shí)代的高素質(zhì)翻譯人才這一重要使命，其改革創(chuàng)新對(duì)于語(yǔ)言服務(wù)行業(yè)發(fā)展和國(guó)際傳播體系構(gòu)建具有戰(zhàn)略意義。當(dāng)前的教育改革既要立足智能技術(shù)發(fā)展的現(xiàn)實(shí)需求，培養(yǎng)符合行業(yè)發(fā)展要求的復(fù)合型人才，又要著眼長(zhǎng)遠(yuǎn)，探索建立適應(yīng)GenAI技術(shù)的可持續(xù)發(fā)展機(jī)制。在此過(guò)程中，如何平衡技術(shù)賦能與人文價(jià)值，如何協(xié)調(diào)效率提升與質(zhì)量把控，如何推動(dòng)標(biāo)準(zhǔn)構(gòu)建與規(guī)范落地，將是翻譯教育需要深人思考和解決的關(guān)鍵問(wèn)題。通過(guò)推進(jìn)教學(xué)改革、創(chuàng)新培養(yǎng)模式、強(qiáng)化技術(shù)與倫理素養(yǎng)，翻譯教育將有效應(yīng)對(duì)智能時(shí)代的挑戰(zhàn)，為翻譯專業(yè)建設(shè)提供新思路。這些問(wèn)題的探索和解答，不僅關(guān)乎翻譯教育的革新方向，更將推動(dòng)整個(gè)語(yǔ)言服務(wù)行業(yè)在GenAI時(shí)代實(shí)現(xiàn)創(chuàng)新發(fā)展。

注釋：

① 大語(yǔ)言模型翻譯腔（Large Language Model Translationese）是譯者在人智協(xié)同翻譯過(guò)程中出現(xiàn)的一種語(yǔ)言現(xiàn)象，表現(xiàn)為譯文過(guò)度采用模型傾向的標(biāo)準(zhǔn)化表達(dá)模式，導(dǎo)致語(yǔ)言表達(dá)雖然規(guī)范但缺乏源語(yǔ)言的修辭特色和譯者主體性特征的體現(xiàn)。這一現(xiàn)象反映了人工智能輔助翻譯的規(guī)范化與個(gè)性化之間的張力。

參考文獻(xiàn)

[1]Austermuhl，F(xiàn). Electronic Tools for Translators[M]. London amp; New York：Routledge，2001.

[2]Bahdanau，D.，K.Choamp;Y.Bengio．Neural machine translation by jointly learning to align and translate [J/OL].arXiv，2014. htps：//arxiv.org/abs/1409.0473. [2025-01-01]

[3]Cho，K. etal. Learning phrase representations using RNN encoder-decoder for statistical machine translation[J/OL].arXiv，2014. https：//arxiv.org/abs/1406.1078.[2025-01-01]

[4]Daems，J.，O.De Clercq amp; L. Macken. Translationese and post-editese：How comparable is comparable quality？[J]. Linguistica Antverpiensia，New Series-Themes in Translation Studies，2O17，16： 89-103.

[5]DePalma，D. A.amp; N. Kelly. Project management for crowdsourced translation：How user-translated content projects work in real life[A]. In K.J. Dunne amp; E. S. Dunne（eds.）. Translation and Localization Project Management： The Art of the Possble[ C]. Amsterdam： John Benjamins，2011. 379-408.

[6]Dunne，K. J. Perspectives on Localization[M]. Amsterdam：John Benjamins，2006.

[7]Guerberof Arenas，A. Pre-editing and post-editing[A]. In E. Angelone，M. Ehrensberger-Dow amp; G. Massey（eds.）. The Bloomsbury Companion to Language Industry Studies[C]. London： Bloomsbury Academic， 2019. 333-360.

[8]Hutchins，W. J. Machine Translation： Past，Present，F(xiàn)uture[M]. Chichester： Elis Horwood，1986.

[9]ISO.（ISO 18587：2017） Translation services——Post-editing of machine translation output—Requirements [S]. International Organization for Standardization，2017.

[10]Kay，M. The proper place of men and machines in language translation[J]. Machine Translation，1997， 12（1-2）： 3-23.

[11]Koponen，M. Is machine translation post-editing worth the efort？ A survey of research into post-editing process and quality[J]. The Journal of Specialised Translation， 2016，25： 131-148.

[12]Moorkens，J.amp; S.O’Brien.Post-editing evaluations：Trade-ofs between novice and professional participants[A/OL]. In i. Durgar El-Kahlout et al. （eds.）. Proceedings of the 18th Annual Conference of the European Association for Machine Translation[ C/OL]. Antalya， Turkey， 2014. 75-81. https：// aclanthology.org/volumes/W15-49/. [2024-12-12]

[13]Moorkens，J.amp; S.O'Brien. Assessing user interface needs of post-editors of machine translation[A].In D.Kenny （ed.）. Human Issues in Translation Technology[C]. London： Routledge，2017. 109-130.

[14]Moorkens，J. et al. Correlations of perceived post-editing effort with measurements of actual effort[J]. Machine Translation，2015，29（3-4）： 267-284.

[15]Nida，E. A.amp; C.R. Taber. The Theory and Practice of Translation[M]. Leiden：E.J. Brill，1969.

[16]Nitzke，J.，S. Hansen-Schirra amp; C. Caciora.Risk management and post-editing competence[J]. The Journal of Specialised Translation，2019，31： 239-259.

[17]Rowda，J. Inside eBay’s translation machine[EB/OL]. 2016. htps：//slator.com/inside - ebaytranslation-machine/.［2025-01-10]

[18]Tversky，A. amp; D. Kahneman. Judgment under uncertainty： Heuristics and biases[J]. Science，1974， 185（4157） ： 1124-1131.

[19] Vardaro，J.，M. Schaefferamp; S. Hansen-Schira. Translation quality and error recognition in professional neural machine translation post-editing[J]. Informatics，2019，6（3）： 41.

[20]Vieira，L. N.Cognitive Effortin Post-Editing of Machine Translation：Evidence from Eye Movements， Subjective Ratings，and Think-Aloud Protocols[D]. University of Bristol，2016.

[21]Wei， J. et al. Chain-of-thought prompting elicitsreasoning in large language models[J/OL]. arXiv， 2022.htps：//arxiv.org/pdf/2201. 11903. [2024-12-20]

[22]Wheeler， G. What’s new in Trados Q3 2024[EB/OL]. 2024. https：//www.trados.com/blog/whatsnew-in-trados-q3-2024/. [2025-01-10]

[23]Wu，M. et al.（Perhaps） Beyond human translation： Harnessing multi-agent collaboration for translating ultra-long literary texts[J/OL]. arXiv，2024. https：//arxiv.org/abs/2405.11804. [2025-01-10]

[24]Wu，Y. et al. Google’s neural machine translation system： Bridging the gap between human and machine translation[J/OL]. arXiv，2016. htps：//arxiv.org/pdf/1609. 08144.[2025-01-01]

[25]崔啟亮．本地化項(xiàng)目的分層質(zhì)量管理[J]．中國(guó)翻譯，2013，（2）：80-83.

[26]崔啟亮．論機(jī)器翻譯的譯后編輯[J]．中國(guó)翻譯，2014，（6）：68-73.

[27]劉立壹．談中國(guó)的合作翻譯[J]．中國(guó)外語(yǔ)，2012，（4）：89-93.

[28]劉世界，張滟，黃立波．GenAI時(shí)代的翻譯倫理：概念重構(gòu)、倫理變遷與行為選擇[J]．外語(yǔ)教學(xué)， 2025，（1） ： 66-72.

[29]陸艷．眾包翻譯模式研究[J]．上海翻譯，2012，（3）：74-78.

[30]任文．新時(shí)代語(yǔ)境下翻譯倫理再思［J]．山東外語(yǔ)教學(xué)，2020，（3）：12-22.

[31]王華樹(shù).GenAI時(shí)代語(yǔ)言服務(wù)變革與語(yǔ)言服務(wù)教育創(chuàng)新[J].北京第二外國(guó)語(yǔ)學(xué)院學(xué)報(bào)，2024，（6）： 102-115.

[32]王華樹(shù)，劉世界．人工智能時(shí)代機(jī)器翻譯譯后編輯能力探究[J]．中國(guó)科技翻譯，2022，（4）： 21-24.

[33]王華樹(shù)，張成智．GenAI時(shí)代的翻譯實(shí)踐模式：技術(shù)迭代、業(yè)態(tài)變革與趨勢(shì)展望[J]．外語(yǔ)教學(xué)， 2025，（1）：53-58.

[34]王玖玖．托萊多翻譯運(yùn)動(dòng)的興起與影響[N]．光明日?qǐng)?bào)，2024-06-17.

[35]王均松，肖維青，崔啟亮．人工智能時(shí)代技術(shù)驅(qū)動(dòng)的翻譯模式：嬗變、動(dòng)因及啟示[J]．上海翻譯， 2023，（4）：14-19.

[36]王少爽，駱瀟洋．GenAI時(shí)代的智能翻譯素養(yǎng)：現(xiàn)實(shí)基礎(chǔ)、學(xué)術(shù)理?yè)?jù)與概念框架[J]．外語(yǔ)教學(xué)， 2025，（1） ： 59-65.

[37]徐彬，郭紅梅，國(guó)曉立．21世紀(jì)的計(jì)算機(jī)輔助翻譯工具[J]．山東外語(yǔ)教學(xué)，2007，（4）：79-86.

[38]許鈞．翻譯論［M]．武漢：湖北教育出版社，2003.

[39]周興華．計(jì)算機(jī)輔助翻譯協(xié)作模式探究[J]．中國(guó)翻譯，2015，（2）：77-80.

[40]周興華．AIGC工具與CAT軟件的集成：現(xiàn)狀與評(píng)價(jià)［J]．中國(guó)翻譯，2024，（3）：123-130.

（責(zé)任編輯：楊彬）