人工智能時代的翻譯技術研究：應用場景、現存問題與趨勢展望

王華樹 王鑫

(1.北京外國語大學 高級翻譯學院， 北京 100089；2.鄭州輕工業大學 外國語學院，河南 鄭州 450002)

0 引言

在《新一代人工智能發展規劃》國家戰略的有力推動之下，云計算、大數據、人工智能(Artificial Intelligence，以下簡稱AI)、5G、物聯網等新一代信息技術成為引領經濟和社會發展的關鍵。作為新一輪科技革命和產業變革的核心驅動力，AI正在疊加釋放歷次科技革命和產業變革積蓄的巨大能量。得益于AI的三大驅動力——算法、算據和算力的長足發展，AI技術正在展現出巨大的變革潛力，在機器翻譯、網絡搜索、圖像識別、音視頻處理、輿情監控等領域創造了巨大的產業價值。

“技術”已經成為引發社會變革的最具活力因子之一，正在改變著語言服務的面貌(王華樹，2017：1)。AI驅動的翻譯技術創新已經引發了翻譯實踐、翻譯行業和翻譯教育的變革，并且帶來了新機遇和新挑戰。據中國翻譯協會發布的《2019中國語言服務行業發展報告》，機器翻譯在語言服務行業已普遍應用，80%的專業譯者認可翻譯技術使用能夠降低翻譯成本(中國翻譯協會，2019:18)。然而，很多人“去場景化”地片面思考問題，未能看到翻譯技術的理性價值和工具價值的統一，甚至宣揚“技術威脅論”和“技術替代論”，在翻譯從業者和學習者中造成了一定的技術焦慮和技術恐懼，因此很有必要積極地、客觀地回應相關問題。

1 翻譯技術的應用場景

ISO 17100(2015：17)認為翻譯技術是指翻譯從業者用于輔助翻譯、修訂、校對等多種技術。本文所指的翻譯技術是翻譯服務人員在翻譯過程中綜合應用的各種技術，包括譯前的格式轉換、資源提取、字數統計、重復率分析、任務分析、術語提取、重復片段抽取技術、預翻譯技術等；譯中的輔助拼寫、輔助輸入、電子詞典和平行語料庫查詢及驗證、翻譯記憶匹配、術語識別等；譯后的質量檢查、翻譯格式轉換、譯后排版、翻譯產品語言測試以及語言資產管理等技術。根據項目類型的差異和客戶要求的多元化，技術的需求通常是多層次的。翻譯技術隨著AI技術發展動態發展，不斷應用到更多場景之中。下文將系統梳理當前翻譯技術的主要應用場景。

1.1使用需求

翻譯無處不在，翻譯技術的使用需求類型繁多，限于篇幅，本文將使用需求大致分為如下三種：信息獲取、信息發布與交流以及信息監控。

1.1.1信息獲取

一般用戶具有閱讀、瀏覽、參考外文網頁新聞的普遍需求。一些機器翻譯提供商為了減少用戶的語言理解困難、降低技術應用門檻，會提供靈活的應用接口和插件，將其廣泛應用于新聞、娛樂、社交和電商等翻譯領域。例如，谷歌、百度推出的快速網頁翻譯，Facebook、微信推出的即時信息翻譯功能，彩云小譯推出的LingoCloud即時翻譯插件，可幫助用戶實現多語同步翻譯或雙語段落對照閱讀等功能。

1.1.2信息發布與交流

簡單翻譯需求：受時間、成本、效率等因素的限制，許多用戶需要在短時間內對文本進行高效翻譯，而人工翻譯無法滿足此種需求，因此，“一鍵翻譯”成為時需。谷歌、百度、有道、搜狗等機器翻譯系統提供文檔上傳并快速翻譯的功能；云譯通、UTH芝麻翻譯等系統通過自動化格式處理和細化專業領域等形式為用戶提供便捷翻譯服務；“金庸小說翻譯器”“起點小說翻譯閱讀器”等可以將網絡小說快速翻譯成多國語言，助力網絡文學的國際傳播。

復雜翻譯需求：大數據技術激發出更加復雜的翻譯技術需求，例如大型網站和軟件的本地化翻譯項目，需要借助綜合性技術平臺。Lingotek不斷推出新技術和服務，方便企業用戶管理并優化項目管理的流程；XTM集成云翻譯和云管理等諸多功能，滿足了企業用戶對多種本地化翻譯項目的需求。

1.1.3信息監控

在大數據時代，翻譯技術廣泛運用于跨語言檢索、多領域輿情監控和行業趨勢分析中，在巨量化、實時性、多樣化及高價值的數據信息中抓取、處理和管理有效數據的需求量不斷上升。例如，阿里翻譯依托海量的互聯網數據資源和自然語言處理技術，幫助海外用戶高效地獲取電商相關信息；中譯語通的NexMagic、Insider、JoveBird等產品可幫助用戶進行多語言信息抓取、處理和分析等操作，提供高效的輿情翻譯、檢索和監控服務。

1.2 翻譯類型

現代翻譯項目的處理對象和媒介形式趨向多元化和多模態，客觀上要求使用不同的翻譯技術和工具；處理對象越復雜，采用的技術處理手段也更為復雜化和集成化，下面是一些主要的翻譯類型。

1.2.1一般筆譯

一般筆譯工作主要是指翻譯對象為難度一般的文本類的翻譯工作，比如，非文學翻譯中的TXT和DOC文本最為常見。此類工作通常采用“CAT+MTPE”(1)Computer-aided Translation，即計算機輔助翻譯，簡稱CAT。Machine Translation Post-Editing，即機器翻譯譯后編輯，簡稱MTPE。翻譯模式，譯者利用SDL Trados、Déjà Vu、memoQ、Transmate 等CAT工具以及內置的機器翻譯系統，可實現翻譯、編輯、審校和質量保障等工作的流程化處理。

1.2.2陪同翻譯

一般陪同翻譯活動包括商務陪同、旅游陪同、展會陪同、技術交流陪同和設備安裝陪同等。一般性的口語語料素材容易獲取，交互式或問答式機器翻譯系統性能越來越好，手機翻譯App和智能翻譯硬件產品(如翻譯機、錄譯筆、翻譯耳機、穿戴式翻譯、智能會議系統等)越來越多。目前在淘寶上架的各類翻譯機有上百種，網易有道翻譯蛋、搜狗旅行翻譯寶、科大訊飛曉譯和譯唄、分音塔科技準兒等翻譯機通?？勺詣幼R別翻譯場景，實現語音和文字即時互譯。

1.2.3音視頻翻譯

在視頻內容激增、5G技術盛行的背景下，音視頻翻譯技術不斷優化，快速聽譯技術成為現實，如YouTube和TED平臺提供了多語言實時字幕服務，人人譯世界、百度、訊飛、網易見外等推出AI聽譯字幕制作技術，可對音視頻進行分析、聽錄、翻譯和自動化時間軸制作，實現雙語字幕智能生成、一鍵下單、快速交付、字幕在線自主編輯等。

1.2.4同聲傳譯

隨著語音技術和翻譯技術的發展，國內外翻譯技術廠商紛紛將機器翻譯作為AI技術的入口，推出功能各異的AI同傳系統，在許多國際會議上嶄露頭角。例如，在2019年博鰲亞洲論壇和RISE科技峰會等多個國際會議中，騰訊AI同傳系統改變了人們對同傳工作和同傳方式的認知；百度研發的“度同傳”提供了創新性的上下文感知機器同傳模型，可為觀眾提供高質量、低時延的沉浸式同傳體驗；搜狗AI同傳使用多模態技術和語境引擎技術，致力于提升機器能聽會看、能理解會推理的能力，大幅優化專業領域同傳效果。

1.2.5本地化翻譯

多媒體本地化、軟件本地化、網站本地化等本地化翻譯需求的多樣化和復雜化，推動本地化工程中編譯和可視化翻譯等技術不斷涌現。本地化工程需要針對不同的文檔類型，編寫相應的解析器，對文檔格式進行解析，并自動抽取文檔中需要翻譯的資源。有些翻譯工具側重文檔編譯，如Html Help Workshop、RoboHelp、WebWorks ePublisher等；有些側重于可視化翻譯，如Alchemy Catalyst、Lingobit Localizer、RC-WinTrans、ResxEditor、SDL Passolo、Visual Localizer等(王華樹 等，2015：81)。

1.3用戶類型

翻譯技術隨著“利益相關者”的崗位和需求的變化而變化。哈特曼等(2015：95)認為“利益相關者”通常指企業在商業活動中要確定和考慮商業決策所能影響到的所有人，包括受到決策、政策和公司或個人運作影響的所有組織或個人。對于翻譯用戶的“利益相關者”來說，翻譯技術實現的功能和目的不盡相同。

1.3.1翻譯需求方

企業用戶注重項目內容管理和翻譯質量保障，以CAT工具為例，企業用戶常用的服務器版有SDL Project Server、SDL TM Server、Déjà Vu TEAMserver、memoQ Server等，此類技術可對源文件進行批量分析、工作量估計、語言資產復用和快速預翻譯等流程。個人用戶或終端用戶是翻譯技術服務的直接受益者和使用者，例如各種各樣的翻譯機、智能家居或智能穿戴的翻譯工具等。

1.3.2翻譯服務方

翻譯技術可幫助服務方解決團隊(包括項目經理、譯者、校對、技術工程師、質檢專員、排版專員等)協作和流程定制等問題，滿足客戶方的項目功能確定、業務系統和全局配置、業務工作流與規則、項目延續性和項目信息保密性等要求。SDL WorldServer、Lionbridge Translation Workspace、SDL TMS、Plunet、XTRF等系統可實現文檔分析、項目報價、翻譯管理、工作流定制、機器翻譯譯后編輯等多樣化的功能。

1.3.3高校師生

與企業不同，高校教師和學生的需求在于翻譯技術的教學和實訓功能。例如，雅信機輔筆譯教學系統、LSCAT Transmate平臺、YiCAT、試譯寶等集系統管理、教學管理、學生翻譯、語料管理以及形成性評價各功能為一體，提升師生的翻譯工具的實用技能并跟蹤記錄學習過程，提供豐富的教學評價數據，更加符合高校師生翻譯教與學的需求。

1.4翻譯過程

ISO 17100(2015)將翻譯過程分為譯前(Pre-production)、譯中(Production)和譯后(Post-production)三個生產階段(ISO，2015:12)。翻譯技術在各個階段都發揮著越來越重要的作用。

1.4.1譯前

術語管理是譯前的重要準備工作，個人或企業均需要進行術語的收集、描述、處理、存儲、編輯等管理工作。術語管理工具通常具有自動術語搜集、術語提取、術語表生成、術語資源管理與循環利用等作用，諸如SDL PhraseFinder、MultiTerm Extract、SDL MultiTerm Server等工具適用于常見的筆譯譯前術語管理工作；Intragloss、InterpretBank、Interplex UE等工具適用于口譯譯前術語準備工作(王華樹 等，2017：76)。

1.4.2譯中

譯者在翻譯過程中通常需要進行翻譯記憶復用，通過建立翻譯記憶庫，快速調用庫中的翻譯，降低譯者記憶負荷，輔助快速判斷，提升翻譯效率。主流的CAT工具通常會提供記憶庫創建、應用和管理模塊或共享插件，比如Trados、memoQ等軟件可實現記憶庫預翻譯和預處理以及翻譯語料數據導入和導出等功能。

1.4.3譯后

譯者在翻譯結束后需要進行譯后編輯和檢查以保證翻譯質量。利用自動化 QA 工具(如 ApSIC Xbench、CrossCheck、ErrorSpy、QA Distiller、SDL QA Checker等)對前期翻譯和處理的內容(如 UI、UE、DTP)進行批量檢查和校對，可大幅度節省時間和成本。

隨著新興信息技術的規?；瘧?，翻譯技術和工具的類型也會越來越多，將會和各種各樣的應用場景深度結合。例如，協作類型與方式、渠道與平臺、翻譯領域、文件類型、支持語言、服務價格、工具功能等都會創造新的應用場景，但不限于上述分類。同時，“AI+”開放式場景翻譯服務平臺，通過大數據分析和深度學習，配合多模態文本處理技術、翻譯管理系統及內容管理系統，使得翻譯技術在實踐中發揮更大的作用，“技術+場景+用戶+內容”全鏈條一體化的服務理念正在興起。

2 翻譯技術的現存問題

翻譯技術的運用日趨成熟，可用于多種場景，并為用戶提供諸多便利，但是我們也應該看到翻譯技術所帶來的一些問題，主要包括信息安全風險、知識產權糾紛、翻譯主體性變化、翻譯技術倫理等。

2.1信息安全

“信息安全指保障國家、機構、個人的信息空間、信息載體和信息資源不受來自內外各種形式的危險、威脅、侵害和誤導的外在狀態和方式及內在主體感受。”(上海社會科學院信息研究所，2013)網絡大數據的主要來源是用戶的各種網絡行為產生的數據。隨著信息技術發展，將會有更多用戶的個人信息進入大數據世界中，數據的濫用將導致信息安全風險。

AI技術帶來的隱私和數據需求矛盾的問題，將會給語言服務提供商造成巨大的壓力(CSA，2019:31)。翻譯實踐中的翻譯技術種類繁多，涉及的信息安全問題與日俱增。當前比較突出的問題主要體現在如下方面：(1)機器翻譯產出質量：雖然神經網絡機器翻譯質量有較大提升，但系統通常具有不可解釋性和不確定性的缺點，可能導致嚴重的翻譯質量問題；(2)機器翻譯的數據安全：網絡機器翻譯引擎可能會將用戶和客戶的數據，包括原文、譯文、術語以及語言規則等數據自動保存在云端，導致數據泄露的風險；(3)輔助翻譯系統的數據安全：用戶或客戶將專有術語庫或翻譯記憶庫通過翻譯系統上傳到服務器上，并在服務器系統中進行翻譯編輯和維護操作，可能會導致隱私數據泄露、黑客或病毒攻擊、服務器崩潰等多種風險。

2.2知識產權

翻譯技術，特別是翻譯語料技術，在使用過程中容易出現知識產權糾紛。在大數據時代，網絡語料爬取需求旺盛，很多技術廠商開發各種語料采集工具爬取圖書、期刊、網站以及電子出版物資源，其形式涉及文字、音視頻等多媒體資料。在語料的采集、加工和使用過程中，可能會引起各種版權問題(馮志偉，2002:61；程麗亞 等，2012：90)。盡管現在我國保護語料庫版權的相關法律不斷健全，但是由于網絡數據的開放性和共享性，還是會時常發生侵犯著作權與知識產權的問題。

在翻譯技術領域，知識產權問題主要體現在以下幾個方面：(1)在未經客戶授權的情況下，翻譯技術研發方將用戶隱私的翻譯數據作為系統訓練數據集；(2)翻譯服務商在翻譯項目時可能會把A公司的數據用于B公司，侵害客戶數據安全和知識產權；(3)譯者利用翻譯工具時可能將涉密的語料留存或混用；(4)譯文或翻譯記憶庫未經許可即被留存到翻譯系統或發布到互聯網供公眾下載和使用，同樣會造成知識產權糾紛問題。

2.3翻譯主體

AI 時代的到來將深刻改變人類的生活與工作方式，眾包翻譯協作模式將延伸至人與機器，甚至機器與機器的維度(邵璐，2019:128)。人工翻譯和機器翻譯的邊界越來越模糊，由傳統的人工翻譯到機助人譯到人助機譯再到機器翻譯，翻譯技術對翻譯過程的深度滲透直接影響了譯者的主體性。譯者主體性是“作為翻譯主體的譯者在尊重翻譯對象的前提下，為實現翻譯目的而在翻譯活動中表現出的主觀能動性”(查明建 等，2003:22)。過去，譯者憑借自身硬功夫以單打獨斗的方式獲得口譯市場的競爭優勢；未來，這種服務方式將會逐漸被人機結合的服務模式取代(王華樹 等，2019:76)。隨著翻譯技術對翻譯活動影響日益顯著，譯者的主體性正在發生變化：

(1)譯者創造性下降：“專業譯者的身體技能優勢被不斷減弱?！?藍紅軍，2019:10)譯者過度使用翻譯記憶，導致譯文同質化，譯者的翻譯風格單調，缺乏多樣性和創新性。機器的過度使用“會導致主體的客體化和客體的主體化”(任文，2019:50)。在翻譯技術的幫助下，譯者通常未經深思熟慮直接采用翻譯系統提示術語或譯文，譯者的詞匯量長期不用會逐漸萎縮，雙語能力也可能相應降低。(2)譯者隱身狀態加?。壕W絡化和云端化的翻譯模式將更凸顯翻譯的集體協作，加劇譯者隱身現象。高度智能的翻譯一體化技術以及便捷的機器翻譯譯后編輯模式使得更多個體譯者的工作被機器取代，“可能導致譯者的價值被低估，譯者角色進一步隱身”(任文，2019:49)。(3)譯者技術能力異化：在未來被翻譯技術充斥和包圍的翻譯世界中，譯者自身已然作為翻譯技術系統的一部分，而不熟悉翻譯技術或不會使用翻譯技術的譯者將會流落在技術系統之外，甚至被系統標記為“無能之人”，譯者的主體性和自治性逐漸被削弱。

2.4翻譯倫理

翻譯技術在節省翻譯時間和經濟成本的同時，也引發了諸多翻譯倫理問題，有可能會破壞翻譯倫理中的一些基本原則。

(1)由于技術處理復雜化和碎片化，可能會丟失源文作者、出處和語境相關信息，導致譯者無法對原文本進行忠實表達。(2)為謀取經濟利益或擴大社會效益，一些機器翻譯廠商會夸大機器翻譯能力；學生會直接利用機器翻譯完成翻譯作業且不加任何編輯改動；翻譯公司在客戶不知情的情況下利用機器翻譯完成翻譯，再向客戶稱是人工翻譯的，這些都會破壞誠實守信的倫理原則。(3)在技術深度參與翻譯過程中，譯者和機器翻譯系統的能力常常會被不公平地對待，有可能將好的質量全部歸功于譯者或者歸功于機器系統；譯文作品未經許可便被傳播和濫用，導致服務方被不公平地對待。(4)翻譯服務體現了權責雙方的利益關系，責任原則至關重要?！澳転榉g負完全責任的，只有作為主體的人?！?郝俊杰 等，2019:62)在使用翻譯技術的過程中，翻譯主體為滿足客戶的需求若濫用技術和工具，可能會導致權責不清、互相推諉、嫁禍于“機”等相關的問題。

2.5其他問題

翻譯技術的“破壞性創新”將會給翻譯公司、自由譯者以及翻譯專業學習者帶來極大的生存壓力(徐彬，2020：128)。在商業翻譯環境中，技術的廣泛使用還會導致更多的問題。例如，企業需投資或采購更多的翻譯專用工具，可能導致生產成本驟增；因為技術的多樣性和復雜性，譯者的學習時長增加，心理負擔加重；在翻譯技術的賦能場景中，普通大眾甚至都可以做翻譯，翻譯行業可能有更多人失業；因為技術的便利性和不可替代性，人們對翻譯技術(如機器翻譯、翻譯記憶等)的過度使用將會導致人類語言的簡化和固化，使語言和文化失去多樣性等等。

在AI技術盛行的時代，社會語境發生了巨變，應充分把握新時代給予的機遇與挑戰。翻譯學習者應該轉變翻譯技術觀念，熟悉運用多種翻譯技術和工具，快速更新知識結構并提升技術能力；政府和協會層面要加強翻譯技術的管理，監管翻譯技術利益各方經營行為，促進翻譯技術規范和數據共享安全；研究和研發機構應加強基礎理論研究，引領關鍵技術突破，建立大數據知識工程的理論體系，促進碎片化知識深度融合；高校翻譯專業可結合自身特點和學科優勢，關注AI時代需求，創新人才培養模式，優化課程建設體系，改進師生實踐機制，加大對技術軟硬件的投入，加強學科團隊和平臺建設，促進跨學科知識的生產和復合型人才的培養。

3 翻譯技術的發展趨勢

百度、騰訊、阿里、搜狗、有道、科大訊飛等一大批互聯網企業在語音搜索、人機交互、智能翻譯等多個領域大力推進“AI+”理念，紛紛把發展智能翻譯業務作為驅動未來業務發展的新入口和新抓手，客觀上將會推動翻譯技術的大發展。AI技術的大發展為翻譯技術的發展注入了強勁的驅動力，新時代的翻譯技術呈現出諸多新的變化，值得學界關注。

3.1資源持續整合

語言服務正走在邁向數字化和智能化的轉型之路。以云計算、大數據、AI、物聯網和區塊鏈為代表的新技術，驅動了翻譯數據的開放、流動和共享。語言資源成為翻譯技術企業最關鍵的生產資料。語言資源循環使用于翻譯過程中，為語言服務市場帶來了新的動力和方向(邵璐 等，2020:104)。翻譯技術提供商通過對海量語言資源進行加工和整合，分析翻譯數據內在規律，優化翻譯模型，釋放數據價值。智能翻譯系統需要不斷獲取新的翻譯數據，進行持續且深度的學習，翻譯技術的資源整合成為大勢所趨。

機器翻譯提供商通過不斷整合翻譯資源，構建翻譯生態體系。以百度翻譯為例，百度翻譯提供了文字翻譯、文本翻譯、AI同傳、視頻翻譯、字幕制作、視頻編輯、人工翻譯、翻譯插件、App翻譯、網頁小程序以及雙語詞典等功能。其機器翻譯則可細分為生物醫藥、電子科技、水利機械等垂直領域。與百度翻譯相似的還有阿里、搜狗、有道、云譯、新譯、小牛翻譯、MedPeer等，致力于整合多模態的翻譯資源，構建一體化的資源生態平臺，有效避免技術資源浪費。

3.2功能不斷拓展

翻譯需求復雜化必然要求翻譯工具功能復雜化。翻譯工具從單一功能升級到多功能或全功能，覆蓋客戶方多元化、多層次的翻譯需求。翻譯技術提供商將數據加工、翻譯搜索、記憶匹配、內容推薦、機器翻譯、譯后編輯、實時熱點等功能無縫整合，提供一體化的服務組合。

在復雜的翻譯輔助環境中，翻譯工具和翻譯環境高度融合，CAT軟件為各類型機器翻譯引擎提供了廣闊的應用場景。在機器翻譯譯后編輯模式中，譯者(Post-Editor)根據譯后編輯的規則和流程，在可視化的編輯環境中對譯文進行編輯、改善和確認(王華樹，2013：24)。隨著譯后編輯環境的優化，此模式逐漸演變為“MTM+PE(機器翻譯+翻譯記憶+譯后編輯)”(崔啟亮，2014：70)。越來越多的CAT工具(如SDL Trados、memoQ、Memosource、MateCAT、Wordbee等)深度整合多模態輔助翻譯模式，提供翻譯質量評估、譯后編輯時間、譯后編輯百分比、譯前譯后編輯差異以及新媒體本地化等功能。

AI技術的深度參與促使翻譯技術服務的自動化水平提升，其中較為突出的是“CAT+TMS+CMS”(2)Computer Aided Translation，計算機輔助翻譯，簡稱為CAT。Translation Management System，翻譯管理系統，簡稱為TMS。Content Management System，內容管理系統，簡稱為CMS。模式。該模式以輔助翻譯、翻譯管理和內容管理為基礎信息架構，突出協作和集成，系統一旦檢測到項目更新會自動抽取新增內容，按照預先定義的工作流進行處理，包括字數統計、重復匹配、難度分析、任務分配、任務通知等，以降低譯者和項目管理人員工作量，縮短項目周期。以云譯客為例，系統可實現在線協作和自由翻譯的工作流，在AI技術支撐下，讓機器人以伙伴的方式與譯者和團隊一起翻譯，在稿件分配、管理、翻譯協作等多環節進行深度融合。

3.3從桌面到云端

隨著語言服務項目復雜化發展，翻譯數據處理需求出現爆炸式增長，軟硬件管理、維護需求劇增，傳統的桌面級CAT方案已突顯出嚴重的問題，比如總體成本高、信息碎片化，管理風險高、靈活度較差等問題?！霸贫艘惑w化”翻譯解決方案逐漸成為主流，解決原來高昂的成本問題。隨著云OA、云CRM、云ERP、云SCM(3)OA，即Office Automation；CRM，即Customer Relationship Management；ERP即Enterprise Resources Planning；SCM，即Supply Chain Management。等技術和產品在各行各業大規模應用，翻譯技術云端化趨勢日趨顯著。從基于桌面的CAT工具，到網絡版再到各種類型的App，云翻譯模式正在語言服務領域大顯身手。

在云翻譯服務模式中，系統將智能算法前置，解放中心的計算資源，加快處理速度，實現靈活應用，簡化網絡和存儲配置，用戶只需要登錄即可直接使用。云翻譯技術將私有云、云計算接口、云共享資源平臺和云語言服務產業鏈整合，可大幅度提升翻譯生產效率。云翻譯平臺將智能化適應場景，趨向輕量化、SaaS(4)SaaS是Software-as-a-Service的縮寫，意為軟件即服務，即通過網絡提供軟件服務?；蜕鷳B化發展。借助“互聯網+”的技術特點，融合移動化、社交化的優點，語言服務企業將會以更低成本、用更短時間提供更多更優的服務。未來，翻譯產業云生態將聚焦產業整合，促進翻譯商業模式變革和數字平臺與生態體系的構建；翻譯應用云生態聚合先進的云應用，提供一站式可持續云應用服務；翻譯技術云生態則提供全面云翻譯技術平臺。云端翻譯技術更加開放、應用更多元，將給整個語言服務行業帶來全新的活力。

3.4從人譯到機譯

根據智能化程度，AI通常被大致劃分為弱人工智能、強人工智能和超人工智能。弱人工智能(Artificial Narrow Intelligence)專注于完成某個特定任務，擅長于單個方面的技能，不具備思考的能力，例如戰勝世界圍棋冠軍的AlphaGo系統和快速機器翻譯系統Google Translate。強人工智能(Artificial General Intelligence)類似于人類級別的人工智能，能夠獨立思考，抽象思維，理解復雜理念，快速學習和從經驗中學習等，并且會有自己的價值觀以及世界觀。牛津哲學家、知名人工智能思想家Nick Bostrom(2014:22)認為：“超人工智能(Artificial Superintelligence)在幾乎所有領域都比最聰明的人類大腦聰明很多，包括科學創新、通識和社交技能領域。”從翻譯的自動化和智能化角度來看，翻譯模式可以分為四個發展階段(如表1)，每個階段的特點和自動化程度也不盡相同。

表1 不同階段的翻譯模式特點

受限于技術和數據等問題，當前我們還處于弱人工智能時代的簡單人機交互翻譯階段，未來AI技術大發展將會大幅度地解放翻譯的勞動量。從傳統人譯到機器翻譯譯后編輯模式，人機交互程度越來越高。隨著萬物互聯和腦機接口等前沿技術的創新和突破，高度智能化的翻譯系統將會自動連接翻譯所需的一切資源，充分發揮AI賦能的優勢，譯者的智慧將聚焦在更具創造性的工作之中。

4 結語

AI技術迎來了爆發式的發展，引發了一系列顛覆性的翻譯技術創新，對翻譯產業格局和翻譯教育生態必將產生重大而深遠的影響。隨著翻譯市場需求的激增，翻譯交付時間的縮短，翻譯技術的未來應用場景更加廣闊，在現代語言服務實踐中發揮的作用越來越大。未來強人工智能將會促進跨行業技術的智能化與生態化融合，從更深層次改變語言服務的面貌；區塊鏈技術的普及和應用將會進一步放大翻譯技術的生態勢能，為翻譯研究帶來更多的新課題。我們需要理性地看待翻譯技術在翻譯活動中的作用，重新定位翻譯教育和翻譯研究，充分迎接翻譯技術發展帶來的機遇和挑戰。期待更多同仁關注翻譯技術，共同促進翻譯技術研究的創新發展。