ChatGPT 下自然語言處理新進程與生態翻譯理論指導下的譯文相關性探究

郭愛娜

(山東科技大學，山東 青島 266590)

基于事物發展的規律，語言是一門有邏輯性的學科，也是靈動的、主觀的表達，在胡庚申先生提出生態翻譯理論時，正是結合了中文語言下的基本結構以及語言的表達習慣。 而新興事物ChatGPT，當下作為一款可溝通的聊天機器人，在對話中所遵循的邏輯亦是如此。 不同的是，前者更多的是理論的總結、文本語言學的研究，后者則更多地基于互聯網信息時代下匯合的數據集。

一、 研究背景

(一)ChatGPT 的簡介

ChatGPT 是由人工智能研究實驗室OpenAI 在2022 年11 月30 日發布的全新聊天機器人模型，一款人工智能技術驅動的自然語言處理工具。 其既能夠通過學習和理解人類的語言來進行對話，還能根據聊天的上下文進行互動，真正像人類一樣來聊天交流，甚至完成撰寫郵件、視頻腳本、文案、翻譯、代碼等任務。

ChatGPT 出世時，各大媒體爭相報道，谷歌震動，微軟裁員，央視新聞和半月談，包括一些跟數據行業，人工智能AI 相關的公眾號知乎號文章層出不窮，知網上也已經有了關于ChatGPT 的評論文章，人工智能“自然語言處理”增加了里程碑式的一幕。上線僅2 個月，ChatGPT 的活躍用戶突破了一億。

(二)生態翻譯指導理論

生態翻譯理論由胡庚申先生在其2004 年的《翻譯適應與選擇論》一書中首次提出，后來在2013 年時發表的《生態翻譯學:診釋與構建》中變得成熟。他將達爾文著名的生物進化論結合到了翻譯的研究中，并形成了名為翻譯適應選擇論的觀點，即譯者為了適應語言的生態來篩選詞句的翻譯。 其是當下中國首個被獨立創造出來的翻譯理論，也叫翻譯生態學[1]。 其中，“三維轉換理論”表現的是該理論具體的翻譯方法，一共分為語言維度、文化維度以及交際維度。

二、 ChatGPT 應用與生態翻譯的異同

(一)ChatGPT

1. 背景

ChatGPT 之父Altman，29 歲聯合馬斯克創辦OpenAI，其現價值290 億美元。 當微軟宣布投資100 億美元與ChatGPT 母公司OpenAI 合作后，谷歌就宣布與OpenAI 競爭對手、人工智能(AI)初創公司Anthropic 建立新的合作伙伴關系。 AI 兌現紅利的標準之一是現實的應用場景。 而搜索引擎，就是這個場景之一。 ChatGPT 付費版的推出，可以使得生成式人工智能 AIGC ( Artificial intelligence generated content)在商業化上有望再進一步。 代表人工智能構思內容的AIGC，是新一輪內容生產方式變革，而且AIGC 內容在Web3.0 時代也將出現指數級增長。

2. 發展歷程

如表1 所示，GPT 家族經歷了三代的時間，其中GPT 家族與BERT 模型都是知名的NLP 模型，都基于Transformer 技術。 GPT-1 只有12 個Transformer層，而到了GPT-3，則增加到96 層。

表1 GPT 模型發展歷程

InstructGPT/GPT3.5 是ChatGPT 的前身，它與GPT-3 的主要區別在于，新加入了被稱為RLHF(Reinforcement Learning from Human Feedback，人類反饋強化學習)。 這一訓練范式增強了人類對模型輸出結果的調節，并且對結果進行了更具理解性的排序。 為了讓GPT 3.5 初步具備理解指令的意圖，首先會在數據集中隨機抽取問題，由人類標注人員，給出高質量答案，然后用這些人工標注好的數據來微調GPT-3.5 模型(獲得SFT 模型，Supervised Fine-Tuning)。 2022 年12 月，Anthropic 再次發表論文Constitutional AI:Harmlessness from AI Feedback介紹人工智能模型Claude。

3. 應用領域

第一，ChatGPT 可以幫助各行各業的從業人員提高工作效率，及時地獲得有效有邏輯的實時信息。作為輔助工具，它的優勢在于精準搜索，有效排序，客觀及時且準確，為專業人員省去了煩瑣的信息篩選過程，充分發揮主觀能動性，提高思考和分析能力。

第二，ChatGPT 在輸出時，符合大眾的表達習慣，可以跟人一樣可以實現語言的自然化處理，實現人機高效互動和信息急速處理。

4. 局限性

ChatGPT 可貴在其半監督學習算法，目前的“干貨較少”，邏輯強于內容，邏輯推理暫且沒有顯式的應用。 所以可以說ChatGPT 只是對話質量高，在商業化的道路上仍然艱難。 ChatGPT 既不是知識系統，知識不夠準確，也不是陪伴系統，情商沒有那么的高，現在還處在蠻荒時代。 ChatGPT 涉及自然語言處理NLP/NLU 領域時，已知局限包括對重復文本、對高度專業的主題的誤解以及對上下文短語的誤解。 對人類或AI，將需接受多年的訓練才能正常對話。 對NLP 類模型，GPT 不僅要理解單詞的含義，還要理解如何造句和給出上下文有意義的回答，甚至使用合適的俚語和專業詞匯。

盡管ChatGPT 確實能讓查找信息的過程更加直觀，當下時代知識正在變得更加容易獲取，學習門檻降低，學習過程也在縮短。 但ChatGPT 在很長一段時間內只可以達到互補的關系，并在此基礎上發展AI 助教，智能醫療，智能金融等，既能實現人機的更大交互，也能進一步聯系好人機關系。

(二)生態翻譯理論的理論結構以及具體體現

1. 三維轉換體現在對譯文的處理上

第一，在語言維度上，又可以分為詞法結構和句法結構，那么人們會需要考慮源語和目標語的文化和社會差異，如中英文的修辭方式等，從而調整目標語的表達形式，使得譯文符合讀者的閱讀習慣。

第二，在文化維度上，可能會存在文化差異的問題，這要求譯者充分地理解兩種語言的文化意義，并在內涵和形式上都進行轉換，使得受眾的審美要求得到滿足。 并且，譯者在翻譯過程中需要具備文化意識，注意文化差異導致的阻礙[2]，從而保證信息的正確交流。

第三，在交際維度上，交際維度的適應性體現在選擇轉換上，譯者在進行翻譯時，需要合理地結合上下文以及語境，使目的語讀者能夠理解原作者想要表達的深層次含義，甚至再建立感情上的鏈接，讓譯出語的讀者可以理解作者所想，甚至產生共鳴，達到交際的目的。

2. 生態翻譯理論指導下的翻譯方法

(1)詞法層面

第一，換詞轉譯。 有些語境下，中文里存在引申意義，譯者可能需要因此調整表達方式，修改表達內容。 同時，由于表達習慣有所不同，同一個中文也會被翻譯成不同意義的英文(如中文里的多義詞)。

第二，詞性轉換。 由于中文中多用動詞以及副詞，而英文則使用更多的名詞。 在翻譯過程中，動詞名詞化和名詞動詞化實屬于常見的兩種翻譯技巧。當然使用翻譯技巧的前提是保持原文意義的不變并應用來提高譯文語言地道性和可讀性[3]。

(2)句法層面

中英文是不同語系，需要特別處理一些特殊的句法結構。 因此，必要時需要運用以下翻譯技巧，用來最大化地實現譯文的轉換。

第一，語序轉換。 英文表達中，一般習慣將重點放在前面，而中文將重點放在后面。 中文多動詞，而英文句子中只能有一個謂語動詞。 因此，筆者需要在翻譯過程中，采用語序轉換的翻譯技巧，以使譯文表達更加合適各自語言的表達習慣。

第二，語態轉換。 中文句子中多使用主動語態，而英文表達中則被動語態使用較多，且常缺少主語，所譯的內容皆需要根據具體情況，將原文中部分主動語態轉換成被動語態。

第三，拆句重組。 長句如果直接按照原文形式翻譯，會使譯文顯得十分冗長，所以此時需要將長句拆成短句后重新組合，但前提是保留原文的邏輯不變。 使譯文在準確傳達的基礎上，同樣條理清晰，減輕讀者的閱讀負擔，提升關注譯文的內容信息的水平。

(3)語篇的層面

文化維度和交際維度的適應性選擇與轉換是指譯者需要將原文蘊含的文化信息在翻譯的過程中進行傳遞且應當是較大程度地傳遞到譯文中。 也就是說，譯者不僅需要關注語言的形式和語言的內涵，還要考慮原文存在的交際功能。

(三)生態翻譯理論指導下的譯文與GPT 下文本翻譯的相關性

生態翻譯是指在原文的生態結構中，不特別強調翻譯過程，然后選擇文本來翻譯并且反復實行這樣的做法，所以，生態翻譯是帶有語言特色的翻譯[4]。 生態翻譯是以生態的視角和眼光來對翻譯進行綜合觀察的理論，有一定的主觀性。

而Siri、安卓、華為以及其他智能手機下的語音助手，相比幾年前的功能，也已經相對人性化，人工智能更加貼切生活必然是未來的趨勢。 當下人工智能已經涉及更大范圍的應用。 除了各種翻譯軟件，國內的抖音、小紅書，國外的谷歌搜索、Ins、Youtube，皆涵蓋深度學習下的神經網絡的應用，包括個性化推薦、大數據、大數據下數據疊加、卷積神經網絡等。而在自然語言處理下，像ChatGPT 這樣的應用模型是人工智能應用進程中的“最后一公里”。 對機器來說，它無法完全遵循人類的語言去表達，因為機器人是基于客觀的數據集去歸類的，并不能主觀能動地去思考。 相對的，主觀思考和能動性，這對人類來說很簡單。 反之，人類在復雜數學計算上暴露的短板，用機器就能更加快捷和高效。 機器和機器人的出現是因為技術的進步，使得生產力達到原先全靠人力而不能達到的水平，這也理解為“自然語言處理下的發展”。 播客里“Round table”播音員的一句話:“如果未來，50 歲的我可以跟25 歲的我聊天，那真的是太詭異了。”從客觀角度來講，這是時間上的穿越。 比如《流浪地球2》里面的MOSS，也投射這是ChatGPT 的應用的影子。 把人的某階段的記憶封存為數據的形式，就可以達到數據層面的永生。 而影片中的小女孩，她的記憶是一串數據，通過與外界不斷地交互信息，產生每隔兩分鐘，這也體現出靈活的自然語言對話形式，盡管它實際是基于數據的、客觀的。 但影片的父親，便可以這種方式讓他覺得自己的女兒永遠生活著，即便現實情況下，他清楚地知道，這是人工智能“自然語言處理”的數千萬種結果的一次次呈現。

回到生態翻譯理論，生態翻譯理論強調的是從原文固有的生態結構出發，最后達到適應的目的，在翻譯的過程中反復遵循其內在的生態結構，并表現在另一種語言中，實現最終三維的轉換。 生態翻譯對文本，就好比ChatGPT 對人類語言，或者說自然語言處理對人類語言而言。 以《流浪地球》系列的影片為例，其字幕翻譯部分便充分展示了生態翻譯理論的應用。 如:在中華語言文化中，多音字、形近字、同音不同形的字、多義詞、四字短語、成語、歇后語、諺語、俗語、俚語再配上各種修辭手法，可能還有隱喻等。 地道的中文表達，直譯往往是不正確或不準確的，為了更多地基于文化專項、文化負載，站在生態翻譯理論下三維轉換語言，可以幫助外國的觀眾在該翻譯方法下理解翻譯的內容，并以英文慣用的表達形式，最終準確理解影片中表達的意思，從而實現文化的輸出和文化交互。 在字幕翻譯過程中產生的語言轉換，由于其本身所有的特點以及影片面向觀眾的特性，則常會出現自然語言，基于上述的成語、歇后語以及修辭手法，翻譯的譯員需要像自然語言處理一樣，先做到NLU(Natural Language understanding )， 再 做 到 NLG ( Natural Language generating)，翻譯出英文的或其他語言的字幕，與“encode”和“decode”同理。 與字幕翻譯相同的是，字幕翻譯和ChatGPT 皆有一定的信息即時性。 字幕翻譯在影片播放時一閃而過，ChatGPT 在聊天對話框即時性輸出。

三、 結論

正如生態翻譯理論指導的譯文，既可以應用這樣的理論，也可以讓理論引導我們，但是想要完全吃透人類語言，搞定一切固有結構，還有十分長的路要走。

實現更好的機器輔助，將是長期的主題。 目前要做的就是如何生成和適應自然的固有結構，遵循底層的邏輯，就如同生態翻譯理論所表達的這樣。從人類語言文化的角度來看，中國語言文化積累上下五千年，沒有什么機器可以瞬間打破文化的積淀，人腦的創新思維以及人類的好奇心所可能拓展的能達到的領域。 即便是人工智能，也同樣是人類智慧的產物。