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、神經網絡機器翻譯等技術越來越成熟，人工智能給許多行業帶來了重要影響和挑戰。2019年4月初，人社部等公布的13個新職業中包括人工智能工程技術人員、大數據工程技術人員等，這是自2015年以來國家發布的首批新職業。翻譯職業也因此發生巨大變化，如出現翻譯工程師、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  研究現狀
　　隨著翻譯技術在行業實踐中的快速發展與廣泛應用，技術能力已經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模發展階段(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《高等學校翻譯專業本科教學要求》(2012)指出翻譯工具能力是翻譯專業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。
　　國內外人才培養和行業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譯員的技術能力構成(苗菊、王少爽， 2010)，還有學者憑借自身經驗分析總結職業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，缺乏大規模調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。本研究以職業環境中的筆譯員為研究對象，通過實證研究，調研譯員的真實表現和具體技術的應用，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
　　本研究旨在調研全國筆譯員翻譯技術的現狀與問題，利用“問卷星”平臺設計并發放問卷，調研日期為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、直轄市和特別行政區。調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。
　　正式發布問卷前，筆者邀請5位職業筆譯員(5年以上工作經驗)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，優化題目和問卷結構，最后進行大規模調查。筆者針對問卷中體現的現狀和問題，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  數據分析
　　筆譯員翻譯技術現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系數為0.834(>0.7)，說明題目內部一致性良好，具有較高的信度。對題目數據做進一步的檢測，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據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，發現身份、性別、學歷和所在企業規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，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、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，這一現象在大中小翻譯企業中普遍存在，尤其是航空航天、建筑礦業、跨境電商、生物醫療、知識產權等尖端翻譯領域。

　　5  主要發現
　　5.1 機器翻譯發展迅速，譯后編輯成為主流模式
　　調查發現，半數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展，以神經網絡機器翻譯(NMT)技術為代表的新一代機器翻譯系統發展迅猛。近年來行業市場需求劇增，與純人工相比，機器翻譯在處理工作量大、交付時間短的項目中有較大優勢。同時，隨著垂直領域以及企業定制化機器翻譯系統的發展，機器翻譯的實用性和靈活性不斷提升，這些都促使“MTPE模式”在翻譯行業中廣泛應用。然而，調查中仍有相當數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”在行業內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、自身職業發展帶來的影響。數據顯示，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?在大數據、移動互聯網和即將來臨的5G時代，翻譯技術工具趨向云端化、協作化、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、翻譯管理系統等更為專業的翻譯技術工具使用率非常低，即使是職業譯員也存在這一問題。公司規模越大，此類專業技術工具使用越多。使用率偏低的原因：一方面是這類工具通常面向企業，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，目前國內高校仍存在輕視翻譯技術教學、課程體系缺失、專業師資不足等問題； ②翻譯技術培訓資源匱乏，業界和學界的知識沒有得到共享和傳承，軟件教程、網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生了重要的影響。我們既要看到其快速發展的前景，也不能忽視發展過程中存在的問題。上述調查反映翻譯生態系統中的一些主要現象和問題，實質上這正是當前翻譯職業化進程中亟需重視的部分，關乎到翻譯職業的發展大計�？梢哉f，翻譯技術是翻譯生態鏈條上不可或缺的環節，本文提出若干建議，以此促進翻譯技術的產學研結合。
　　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。語言服務企業應重視語言技術戰略，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平臺。同時，企業應建立常態化培訓機制，切實提升員工技術素養。行業協會可組織編寫翻譯技術百科全書，建立翻譯技術資源網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，還應充分發揮現代教育技術的優勢，增設諸如MOOC、SPOC等網絡課程，采用直播、錄播、社區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力度
　　調查顯示，在校生(兼職譯員)的技術能力與職業譯員差距較大。因此，在技術盛行的時代，高校應大力普及翻譯技術教育，培養具備現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，為行業輸送專業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和研究
　　技術研發方面，語言技術企業應加強技術創新，廣泛收集用戶的意見和需求，開發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，保證用戶的數據安全。技術研究方面，翻譯學研究的技術轉向已經成為熱點話題，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展動態，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，大數據、云計算、深度學習等技術給語言服務行業帶來了深遠影響。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，對譯員的生存和發展構成了挑戰。同時，語言服務行業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，成為翻譯業界和學界必須面對的議題。翻譯生態系統中，企業、高校、協會、客戶、譯員都應關注翻譯技術的前沿發展，深化翻譯技術的宣傳普及、人才培養以及研發研究工作，共同推動人工智能時代翻譯教育和研究的創新發展。

　　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。

      林木專業翻譯公司