人工智能时代笔译员如何翻译技术应用

　　1  引言

　　技术界普遍存在着一种共识：工业革命在100多年前几乎改变了一切，而人工智能将在未来几年里改变整个世界。智能语音、深度学习、神经网络机器翻译等技术越来越成熟，人工智能给许多行业带来了重要影响和挑战。2019年4月初，人社部等公布的13个新职业中包括人工智能工程技术人员、大数据工程技术人员等，这是自2015年以来国家发布的首批新职业。翻译职业也因此发生巨大变化，如出现翻译工程师、本地化工程师、机器翻译译后编辑人员等新岗位，语言服务市场对译员的技术能力要求越来越高，开设翻译技术的高校遍布全球(傅敬民、谢莎， 2015)，技术带来的冲击使得外语教学乃至翻译教学范式进行重构(陈坚林、马牧青， 2019)，“语言+技术”成为新时代的必然要求。

　　2  研究现状
　　随着翻译技术在行业实践中的快速发展与广泛应用，技术能力已经成为译员能力的重要组成。2003年至今是翻译技术的全球化大规模发展阶段(Chan， 2015：16)，也是技术与译员能力相结合的重要时期。PACTE (2003； 2005)将工具能力作为翻译五大能力中的重要组成；欧盟笔译硕士(The European Master’s in Translation， EMT)(2009； 2017)将翻译技术能力作为欧洲翻译硕士必备能力之一；中国《高等学校翻译专业本科教学要求》(2012)指出翻译工具能力是翻译专业学生需具备的五大能力之一；翻译服务欧洲标准(EN15038：2006)、国际标准(ISO17100：2015)、中国《口笔译人员基本能力要求》(T-TAC 2-2017)和《中国英语能力等级量表》(GF 0018-2018)中都指出译员需具备多种信息能力，能够使用多种翻译工具完成翻译工作。
　　国内外人才培养和行业标准重视翻译技术能力，但学界对翻译技术能力研究还处于基础阶段。2004年之前，学者主要通过研究翻译技术工具本身探讨译者工具能力(Hutchins， 1997；Bowker， 2003)。2004年之后，学者们先以翻译学习者作为研究对象，探索其翻译技术能力构成(Pinto & Sales， 2007； 2008； 2010；张文英、吴非， 2014； 王华树、王少爽， 2016)。目前学者通过量化研究职业译员的技术能力构成(苗菊、王少爽， 2010)，还有学者凭借自身经验分析总结职业译员和自由译员的翻译技术能力构成(Massey & Ehrensberger-Dow， 2011； 王少爽， 2017； 王少爽、覃江华， 2018； Zetzsche， 2019)。还有研究从某种技术角度呈现出译员需具备的技术能力，如术语管理能力(王少爽， 2011； 2013； 苗菊、宁海霖， 2016； 王华树、郝冠清， 2016； 王华树， 2018；卢植、胡健， 2019)，机器翻译译后编辑能力(冯全功、刘明， 2018；Nitzke et al.， 2019)等。
　　在职业译员翻译技术能力研究中，思辨性研究较多，实证性研究较少，缺乏大规模调研和来自笔译员的第一手资料；研究相对零散，体系性较弱，对于译员的整体技术能力贡献率有限。本研究以职业环境中的笔译员为研究对象，通过实证研究，调研译员的真实表现和具体技术的应用，力图回答：笔译员的翻译技术认知情况如何?其翻译技术应用情况如何?这个群体的翻译技术应用存在哪些问题?

　　3  研究设计
　　本研究旨在调研全国笔译员翻译技术的现状与问题，利用“问卷星”平台设计并发放问卷，调研日期为2018年11月15日至2019年4月15日，共收到问卷343份，经后台分析无效问卷6份，有效问卷337份，有效回收率为98.3%，覆盖全国31个省、自治区、直辖市和特别行政区。调查的被试基本信息如表1所示。
　　问卷共设33个题目，涵盖翻译技术认知情况、使用频率、熟练度、学习渠道、学习期待等方面，其中单选题22个(包含16个李克特五级量表题)，多选题11个。
　　正式发布问卷前，笔者邀请5位职业笔译员(5年以上工作经验)和5位高校笔译教师(翻译量200万字以上)进行初测，针对他们提出的改进方案，优化题目和问卷结构，最后进行大规模调查。笔者针对问卷中体现的现状和问题，在定量分析的基础上，结合定性研究，更加科学、客观、深入地揭示人工智能时代笔译员翻译技术应用全貌。

　　4  数据分析
　　笔译员翻译技术现状主要包括技术认知、技术工具使用和技术学习三个方面。技术认知主要考察笔译员对技术的基本认识，技术工具使用主要考察实际工作中技术工具的使用频率和效果，题目主要为李克特五级量表题和少量多选题；技术学习主要针对学习内容、学习方法等，题目主要为多选题和少量普通单选题，未设置五级量表题。限于文章篇幅，本文仅客观描述、分析337份问卷中的主要信息。
　　利用SPSS 25.0对16个李克特五级量表题(主要为技术认知和技术使用)进行分析， Cronbach’s α系数为0.834(>0.7)，说明题目内部一致性良好，具有较高的信度。对题目数据做进一步的检测，KMO值为0.783， Bartlett球体检验值为0.000，达到非常显著水平，适合进行因子分析。运用主成分分析法按方差最大斜交旋转法对数据进行探索性因子分析，归纳出4个因子，方差累计解释率为76.831%。依据主题，四个因子依次命名为“翻译技术宏观认知”“翻译技术微观认知”“翻译技术综合使用”和“具体翻译技术使用”。第一和第二个因子属于技术认知范畴，第三和第四个因子属于技术使用范畴，详见表2。
　　4.1 翻译技术认知
　　问卷中不同领域的被试大多认为：翻译技术能够提高翻译效率(89.31%)、翻译收入(77.74%)、翻译业务量(76.56%)和翻译质量(75.66%)。被试平均使用两种以上的机器翻译、至少能熟练够使用一种辅助翻译工具，可以说被试对翻译技术较为了解，认识水平较高。“翻译技术宏观认知”和“翻译技术微观认知”两因子与笔译员基本信息进行单因素方差分析，发现身份、性别、学历和所在企业规模对被试的翻译技术的宏观与微观认知影响较大。语言服务供应方译员、需求方译员、自由译员和兼职译员(含高校师生)间的宏观认知没有显著性差异，但前两者的整体认知水平明显优于后两者，兼职译员的微观认知水平最低。男性的宏观与微观认知均高于女性。公司规模越大，译员的微观技术认知水平越高。在宏观技术认知中，大专学历的被试与其他组别之间存在显著性差异，其认知程度也最低。
　　4.2  翻译技术使用
　　问卷中多选题显示，译员使用机器翻译、CAT工具、术语管理等翻译技术，种类较为集中，如机器翻译主要为谷歌、有道和百度，使用率均超过40%；CAT工具主要为SDL Trados (53.71%)、memoQ (25.52%)和Déjà Vu (18.4%)；术语工具主要为SDL MultiTerm (38.58%)、memoQ术语管理模块(19.88%)和Déjà Vu术语管理模块(15.13%)。然而，被试对质量保证工具和翻译管理技术的关注度和使用率不高。46.0%的被试从未使用过质量保证工具，65.58%的被试没有接触过翻译管理系统，SDL TMS应用频率最高，仅为10.09%。

　　“翻译技术综合使用”“具体翻译技术使用”与笔译员基本信息的单因素方差分析中，两因子在身份、性别和学历上存在较大差异。兼职译员(含高校师生)的翻译技术综合运用水平远低于其他三类译员，自由译员的具体翻译技术使用水平最高。虽然男女翻译技术应用水平无显著性差异，但平均值图显示男性的综合和具体技术使用水平均高于女性。不同学历的技术应用水平不存在显著差异，但平均值图显示从大专到博士呈阶梯状下降，大专学历的被试具体技术使用水平最高，博士最低。
　　4.3 翻译技术学习
　　在技术学习方面，大部分被试非常务实，注重实践学习，兼顾理论知识。被试最关注“工具的最佳实践”(80.42%)和“使用技巧”(78.04%)，1/3左右的被试选择关注“技术发展趋势”和“翻译技术理论知识”。
　　被试有强烈的学习愿望，但学习和培训的机会非常有限，他们主要通过自主学习的方式掌握翻译技术。被试最希望学习主流技术工具，如本地化工具、翻译管理系统、计算机辅助翻译工具等，选择比例均大于40%。然而，除46.38%的被试表示在学校学过相关技术课程外，大部分被试通过帮助文档或帮助视频(49.64%)、参加网课(39.13%)、参加技术沙龙(31.16%)等方式学习技术。90.2%的被试认为目前翻译技术培训机会匮乏，这一现象在大中小翻译企业中普遍存在，尤其是航空航天、建筑矿业、跨境电商、生物医疗、知识产权等尖端翻译领域。

　　5  主要发现
　　5.1 机器翻译发展迅速，译后编辑成为主流模式
　　调查发现，半数以上的译员在工作中应用机器翻译译后编辑(MTPE)的模式，且译员认为该模式能够提升11%—70%不等的翻译效率。随着人工智能、深度学习等领域的发展，以神经网络机器翻译(NMT)技术为代表的新一代机器翻译系统发展迅猛。近年来行业市场需求剧增，与纯人工相比，机器翻译在处理工作量大、交付时间短的项目中有较大优势。同时，随着垂直领域以及企业定制化机器翻译系统的发展，机器翻译的实用性和灵活性不断提升，这些都促使“MTPE模式”在翻译行业中广泛应用。然而，调查中仍有相当数量的译员不使用或很少使用机器翻译，主要由于其译文质量不够理想。机器翻译技术虽已取得重大进展，但还未达到替代人类译员的水平，这也是“MTPE模式”在行业内得到普遍应用的一个原因。
　　5.2 技术认知水平较高，使用与认知不匹配
　　整体来看，译员翻译技术认知水平较高，了解主流翻译技术，能够客观认识技术对翻译行业、自身职业发展带来的影响。数据显示，自由译员认知水平偏低，但具体技术使用水平最高；大专学历的译员技术认知水平最低，但其技术使用水平最高。这些鲜明的反差，让我们深思，技术认知“高水平”的背后是否存在着“眼高手低”的情况?是否只是迎合时代需要，了解技术却并不使用技术?在大数据、移动互联网和即将来临的5G时代，翻译技术工具趋向云端化、协作化、轻量化和开源化，其功能更加强大，适用范围更广，市场占有率越来越高，这些都应引起译员的重视。目前的现状也说明译员缺乏对新工具的学习和适应，未能充分意识到新技术的实践价值，这些都会阻碍未来翻译技术的普及。
　　5.3 技术应用逐渐普及，专业性工具应用仍为短板
　　译员主要使用SDL Trados、memoQ等客户端的CAT工具；较少使用MateCat、Memsource、YiCAT等基于云端的CAT工具。质量保证工具、翻译管理系统等更为专业的翻译技术工具使用率非常低，即使是职业译员也存在这一问题。公司规模越大，此类专业技术工具使用越多。使用率偏低的原因：一方面是这类工具通常面向企业，个人应用较少；另一方面是此类技术的应用成本较高，普及较难。
　　5.4 技术学习期望较高，教学培训等智力支持不足
　　问卷中，教学与培训无法为译员强烈的技术学习愿望提供智力支持，主要原因有三： ①翻译技术教学资源不足，目前国内高校仍存在轻视翻译技术教学、课程体系缺失、专业师资不足等问题； ②翻译技术培训资源匮乏，业界和学界的知识没有得到共享和传承，软件教程、网络课程等学习资源存在过时、无法访问等问题； ③第三，教学与培训缺乏统一的衡量标准，师生和译员不清楚要学什么、怎么学、学到什么程度。

　　6  思考和建议
　　翻译技术发展迅速，对翻译模式、翻译能力、翻译效率、翻译质量等各方面产生了重要的影响。我们既要看到其快速发展的前景，也不能忽视发展过程中存在的问题。上述调查反映翻译生态系统中的一些主要现象和问题，实质上这正是当前翻译职业化进程中亟需重视的部分，关乎到翻译职业的发展大计。可以说，翻译技术是翻译生态链条上不可或缺的环节，本文提出若干建议，以此促进翻译技术的产学研结合。
　　6.1 重视翻译技术知识的宣传普及
　　目前，虽然笔译员整体上认同翻译技术的价值，但翻译技术工具的使用频率、熟悉程度参差不齐。因此，社会各方都需重视翻译技术的普及，提供更多的培训机会，满足译员和高校师生对翻译技术的学习期望。语言服务企业应重视语言技术战略，加大技术的投入，引入先进的翻译工具，建立健全的语言服务生产平台。同时，企业应建立常态化培训机制，切实提升员工技术素养。行业协会可组织编写翻译技术百科全书，建立翻译技术资源网站和翻译技术知识库，组织多样化的翻译技术沙龙，加强翻译技术交流与合作。此外，还应充分发挥现代教育技术的优势，增设诸如MOOC、SPOC等网络课程，采用直播、录播、社区互动等形式开展多元化的培训。
　　6.2 加大翻译技术能力的培养力度
　　调查显示，在校生(兼职译员)的技术能力与职业译员差距较大。因此，在技术盛行的时代，高校应大力普及翻译技术教育，培养具备现代翻译技术能力的综合性语言服务人才。具体说来，高校可逐步建立多元化、多层次的技术课程体系，开设《计算机辅助翻译》等基础课程，增设诸如《游戏本地化》和《技术写作》等市场急需的课程，辅以特色的案例和实践。高校还应重视培养学生技术知识迁移能力，让学生将翻译技术应用于多门课程的实践之中，帮助学生提前熟悉企业中的应用场景，增强其技术综合应用能力。此外，还应建立翻译技术能力评估体系，以考促评、促教、促学，为行业输送专业化认证的翻译技术人才，促进高校翻译技术的师资队伍建设。
　　6.3 深化翻译技术的研发和研究
　　技术研发方面，语言技术企业应加强技术创新，广泛收集用户的意见和需求，开发出用户友好度更高的工具。机器翻译方面，可配合“MTPE模式”，借助人工智能开发出更先进的人机交互机器翻译技术，切实提高机器翻译的实用性和针对性。CAT工具方面，可开发出易学易用的工具和配套教程，提供免费试用。同时，应重视隐私保密政策，保证用户的数据安全。技术研究方面，翻译学研究的技术转向已经成为热点话题，学界应重视对翻译技术相关问题的研究。期刊可设置翻译技术研究专栏，探讨翻译技术的前沿发展动态，如研究 MTPE、CAT、TMS等翻译技术工具对译员翻译过程和翻译能力的影响。同时，科研管理部门应给予更多的政策支持，推动更多高层次的翻译技术科研项目立项。

　　7  结语
　　人工智能时代，大数据、云计算、深度学习等技术给语言服务行业带来了深远影响。一方面，翻译技术日益智能化，为人类译员的工作质量与效率的提升带来了机遇；另一方面，机器翻译、语音识别等技术可能会替代译员的某些工作，对译员的生存和发展构成了挑战。同时，语言服务行业对翻译人才技术能力的要求越来越高，面对译员技术认知、使用和学习中存在的问题，如何进一步普及翻译技术，让译员更好地驾驭翻译技术，成为翻译业界和学界必须面对的议题。翻译生态系统中，企业、高校、协会、客户、译员都应关注翻译技术的前沿发展，深化翻译技术的宣传普及、人才培养以及研发研究工作，共同推动人工智能时代翻译教育和研究的创新发展。

　　文章来源：本文原载《外语电化教学》2019年第6期，第67-72页。作者简介：王华树，翻译学博士，广东外语外贸大学高级翻译学院副教授，硕士生导师。李智，哈尔滨师范大学西语学院教师。

      林木专业翻译公司