大語言模型建構中國古典詩歌傳播新范式

摘要：中國古典詩歌頗具文化特色，其富有文化負載詞和情感內涵，因此極具翻譯難度。近年來，大語言模型高速發展，其能否憑借情感計算能力準確地翻譯文學文本，并借此推動中國古典詩歌甚至中華文化的傳播，已成為當今研究的熱點課題?，F以大語言模型為基礎，選取代表性詩歌《關雎》和《如夢令》進行分析，將不同語言模型之間的譯文進行比較，總結語言模型普遍的語言能力和思維模式。不同的大語言模型在處理中國古典詩歌時各具特色，目前來看，想要完全通過大語言模型實現中國古典詩歌的高效傳播仍任重而道遠。

世界文化交流本該是雙向的輸入與輸出，但過去的中外文化交流并不十分對稱。統計數據表明，從1900年到2000年的100年間，中國翻譯的西方文、史、哲、政、經、數、理、化等書籍近10萬種，而西方翻譯中國的書籍種類尚且不到500種。

如今新興技術日新月異，以ChatGPT為代表的智能工具拉開了人機交互新時代的序幕，深刻影響著跨文化和跨語際的交流溝通、知識和文化的交融方式與速度。

本研究將以大語言模型為基礎，以中國古典詩歌的英譯作為主要線索，選取代表性詩歌《關雎》和《如夢令》進行分析，將不同語言模型之間的譯文進行比較，總結語言模型普遍的語言能力和思維模式，判斷語言模型推動中國古典詩歌傳播的可行性，并以此為基礎提出今后的發展建議。

對《關雎》的翻譯與分析

《關雎》是中國古代第一部詩歌總集《詩經》中的第一首詩，是膾炙人口的傳世名篇，具有極高的文學價值。以下將選取《關雎》中的經典片段進行分析。

文心一言譯文版本分析

The ospreys call out，on the river island they rest.

關關雎鳩，在河之洲。

A modest and virtuous lady，a gentleman's perfect match.

窈窕淑女，君子好逑。

The marsh plants grow in profusion，floating left and right.

參差荇菜，左右流之。

A modest and virtuous lady，in dreams and waking I seek her.

窈窕淑女，寤寐求之。

Unable to find her，in waking and dreams I yearn.

求之不得，寤寐思服。

Ah，how I long！Tossing and turning all night.

悠哉悠哉，輾轉反側。

The marsh plants grow in profusion，I gather them left and right.

參差荇菜，左右采之。

A modest and virtuous lady，I'd make music with her on lute and harp.

窈窕淑女，琴瑟友之。

The marsh plants grow in profusion，I pluck them left and right.

參差荇菜，左右芼之。

A modest and virtuous lady，I'd delight her with drums and bells.

窈窕淑女，鐘鼓樂之。

首先，從總體來說，文心一言對《關雎》的翻譯忠于原文，大致遵從簡潔中正的風格，在一定程度上保留了原文的意境，體現了原文想表達的男女之間純真無邪的情感。同時，從譯文中也能看出，文心一言在盡力傳達原詩的情感和柔美的節奏。從這一點至少能得出，語言模型在對詩歌這種特殊文體進行翻譯時，會有意識地對詩歌的情感和格式進行理解與處理，盡管許多地方處理得還不是非常到位。

其次，從細節方面來說，“關關”為雎鳩的叫聲，而文心一言將其直接處理為“call out”會在一定程度上失去原文的意境，這里其實像理雅各和亞瑟·韋利一樣直接音譯為“guan guan”較為妥當。另外，文心一言將“雎鳩”一詞翻譯成為了“osprey”，這里的處理與理雅各對該詞的處理如出一轍。然而，“osprey”原義指的是一種魚鷹，是一種食魚的巨鳥，放在這里顯然不是很妥當。相比之下，許淵沖將“雎鳩”譯為“turtledoves”是一種很恰當的處理，因為“turtledoves”一詞除了有“斑鳩”的意思之外，還可以表示“情人”，十分符合《關雎》一詩的主旨。文心一言對“淑女”“君子”這類意象的處理相對妥當，大致上可以表達出原文的意境。“好逑”一詞意為“好的配偶”，翻譯為“perfect match”也較為合理。“參差荇菜”一句中的“參差”僅用以形容荇菜生長得不整齊，而文心一言的譯文中使用的“grow in profusion”則是著重表達荇菜生長得茂盛，并沒有直接體現“參差”，算是對文章的過度理解，從而導致在翻譯中缺失了原文意義。而“荇菜”本身作為一種水生草本植物，多生長在池沼之中，這里譯為“marsh plants”雖易于理解，但略偏籠統。在眾多譯文版本里，筆者認為亞瑟·韋利將此處處理為“floating-heart”最為貼切，其既準確地表達了水生的浮游植物這一本義，又自帶雙關，極具畫面感，表達了男女之情。中間一段著重表達了君子對淑女求而不得、難以入眠的場景。其中，譯文用“in dreams and waking”和“tossing and turning”分別表達“寤寐”和“輾轉”，貼切地形容了這一情景。最后一句，譯文采用異化策略將“琴瑟”一詞用類似的西方樂器“lute and harp”來表達其實無可厚非，只是在原文中，“琴瑟”同時還表示親密的關系，如果這樣處理，會導致原文意義缺失，并且此句整體的處理也沒有完全體現“友之”所想表達的具體情感。

最后，關于句式與韻律方面，考慮到中英文詩歌翻譯在韻律方面的巨大差異。該語言模型對《關雎》韻律的處理算是盡力而為，從“rest”“right”“night”等詞能夠體會到原文的韻律美，也不難看出譯文通過句子的重音和語調變化來保證詩歌的節奏感，這也確實是在有意識地遵從原文的句式。但是，其仍然無法完全復制原文的韻律特點，對于不熟悉中文詩歌韻律的英文讀者來說，這樣的翻譯相對而言是易于欣賞和理解的，然而，對于期望更深入地體驗原文韻律美的讀者來說，該翻譯很難滿足他們的全部期待。

GPT譯文版本分析

相較之下，以下GPT-4對《關雎》的翻譯有許多異同之處。

Ospreys cry above the water's isle.

In pairs they frolic，a love to reconcile.

A maiden fair，embodying virtue's grace.

A match for the gentleman，in heart and face.

Lush reeds and rushes grow on every side.

For this modest maiden，my longing cannot hide.

In dreams I seek her，yet awake to find her not.

In restless yearning，my heart becomes distraught.

Oh，my aching thoughts，through the night they race.

Turning，tossing，yearning for her embrace.

Lush reeds and rushes，harvested I'd bring.

To play with my maiden，the lute and zither strings.

Lush reeds and rushes，plucked with tender care.

With drums and with bells，her joy we'd share.

In music，in love，two hearts so entwined.

Like the ospreys'call，our spirits aligned.

GPT同樣將“雎鳩”這一意象譯為了“osprey”，但其將“關關”這一雎鳩的叫聲處理為“cry”有些過分解讀原文意義?！癮 maiden fair， embodying virtue's grace”比文心一言更加準確地表達了“窈窕淑女”的形象?！癮 match for the gentleman，in heart and face”在語法結構表達上略顯不自然，容易給讀者帶來閱讀上的困擾，不過也可以看出GPT在處理此類詩歌翻譯時在有意識地遵循原文的節奏，只是處理得不是很妥當，有些得不償失。

在后文中，GPT將“參差荇菜”處理為了“lush reeds”，意為“茂盛的蘆葦”?？梢钥闯觯珿PT與文心一言一樣，將“參差”一詞理解為“長得茂盛”，而將“荇菜”處理成了“蘆葦”。如果說文心一言僅僅是用詞沒那么完美的話，GPT則是對于此意象進行了錯誤理解。

但也不是說文心一言的翻譯質量一定比GPT更高，不難看出，GPT在句尾的押韻上下足了功夫。例如，從“isle和reconcile”“grace和face”“side和hide”等可以看出，GPT在譯文韻律美的處理上要比文心一言更加優秀。

兩大語言模型的差異分析

比較、總結文心一言與GPT之間的翻譯可以看出，二者都能夠理解原文的整體內容和思想表達，并通過自己的處理方式將其翻譯出來。文心一言在具體內容，如意象方面，處理相對貼合原文，譯文較為樸素、忠實且具體；而GPT盡管對原文意象的理解較為偏頗，但在韻律和節奏等文章整體處理上具有獨到之處，譯文整體上具有華麗的韻律美。

單從《關雎》的諸多細節處理中可以得出，語言模型的譯文版本基本可以譯出原文的意思，但都只能達到最基礎的效果。換句話說，語言模型只能勉強“達意”，卻無法“傳神”，它們的譯文版本仍與譯者的標準譯本有著較大的差距?！对娊洝吩诤Ｍ鈧鞑サ淖g文版本眾多，而語言模型的譯本在質量上無法優于甚至持平先前的標準譯本。所以，通過語言模型傳播《詩經》文化的想法仍無法立即實現，語言模型仍需持續學習。

對《如夢令》的翻譯與分析

李清照的作品《如夢令》抒發了對春光短暫、年華流逝的無奈。其篇幅雖短，但內容與結構卻十分新巧，以景襯情，意味深長。此處選取該詞進行對比分析。

原文：昨夜雨疏風驟，濃睡不消殘酒。試問卷簾人，卻道海棠依舊。知否，知否？應是綠肥紅瘦。

GPT譯文版本：Last night，a brisk wind following a fine rain，deep sleep did not dispel the lingering wine.I ask the lady rolling up the screen，yet she replies the crabapple remains the same.Do you know，do you know？It ought to be the time when green grows lush and red fades thin.

文心一言譯文版本：Last night，the rain was light and the wind was strong，Deep sleep did not dispel the lingering effects of wine.I ask the one who rolls up the curtain，but she says the crabapple blossoms are still the same.Do you know，do you know？The green leaves should be lush，the red flowers thin and few.

總體來看，兩個版本的譯文都在竭力忠于原文，在大意和句式結構上都力求與原文對應。在此基礎上，二者在對某些細節的處理上又帶有自己的理解。

“雨疏風驟”，語言模型將其分別處理為“a brisk wind following a fine rain”和“the rain was light and the wind was strong”。從結果上看，二者似乎都準確傳達了原文意思，而相較之下，可能很多人會覺得文心一言的版本處理得質樸無華，不如GPT版本。但細細推敲便會發現，GPT版本的處理并不妥當。從常識的角度來說，每逢下雨天一般都是先刮風再下雨，而GPT此處的處理違背了常識，處理為了“風跟隨著雨”。其實這般處理可以理解，形成錯誤的根本原因不在于其對常識的缺乏，而是其過度拘泥于句式表面，根據“雨疏風驟”呈現的順序刻板地認為是雨在前風在后。所以在細品之后，反而是文心一言此處的處理穩妥無誤。

而說到拘泥于內容表面，還有一處值得一提?！安幌麣埦啤卑凑照５睦斫鈶恰斑€沒醒酒”或是“酒意未消”。所以，此處的“酒”理應像文心一言一樣處理為“the lingering effects of wine”，或是像茅于美譯文版本中處理為“the taste of wine”也可以。但是，像GPT僅僅是處理為“the lingering wine”，很容易讓讀者產生誤解。從貼近原詩含義的角度來講，GPT的處理要比文心一言稍遜一籌。

而在“卷簾人”一處中，先前許多的譯者版本有著不同的處理。茅于美將“卷簾人”一處處理為“asked my chambermaid as she rolled up my screen”，以時間狀語從句的形式再現了“卷簾”一詞的精妙，點破了黑夜至晨的時間變化；而在徐忠杰的版本中，此處則處理為“curtain-drawer”，十分簡妙，更多地讓讀者想象當時的情景。值得一提的是，在GPT的譯文版本中，此處處理為了“the lady rolling up the screen”，其中“lady”一詞比較具有西方色彩，更易為海外讀者所接受。雖沒有明確表達，但“卷簾人”確實具有“仆人”的含義，用“lady”一詞并不十分妥當。此處又體現了GPT對篇章內容深層含義理解的匱乏和考慮不周。

“卻道海棠依舊”中的“卻”一字，在此處雖具有一定的轉折意味，但卻是一種輕微的、溫和細膩的轉折。從語言模型的譯文處理上來看，文心一言所用的“but”過于直接，放在此處有失意境。相較之下，GPT將其處理為具有輕微轉折之意的“yet”更為妥當?？紤]到此處轉折意味之輕，甚至可以考慮不體現“卻”一字，這一處理在先前譯者的版本中也并不少見。

總的來說，單從這一首詞的譯文質量上來看，兩個語言模型的譯文版本各有千秋。GPT在對語言的運用和句式的處理上十分優秀，其不僅對句式對應和句尾押韻十分重視，也在語言的優化上花費了許多心思。只是，GPT過度拘泥于篇章的表面意思。理性上講，GPT畢竟是西方發明的語言模型，其不僅具有根深蒂固的西方思維，也具有極強的西方語言色彩，這一點從“lady”一詞中暴露無遺。所以，當GPT帶著其固有的西方思維分析和處理中國文化典籍時，便會屢犯錯誤，這一點和中西方的語言差異有著很大的關系。

僅從本研究著重探討的ChatGPT和文心一言來看，二者的譯文版本各有優缺點。而這些優缺點是語言模型在處理中國典籍翻譯時所固有的特點。例如，西方產出的智能產品GPT訓練時的語料模型大多以西方材料為主，在翻譯時自然而然地帶有西方的文學與翻譯思維，在英譯時對句式與音韻的處理有著獨到理解，對類似于中華文化負載詞等帶有鮮明民族特色的詞句意義理解不足。而文心一言本質是對網絡資源的網羅與匯總，一方面，國內的網絡資源輔以中文為主的訓練材料，使其對中國古籍的含義理解遠勝于GPT；另一方面，也正如前文所提，文心一言適合長文本和情感文本的處理，所以，雖然其訓練時間少、算力基礎薄弱，但也能譯出與GPT質量相當的譯本。

客觀地講，盡管二者的譯文都有出彩之處，但總體譯文質量仍尚未達到中國古典詩歌傳播的期望標準，有些部分并不如譯者的處理版本。雖然人工智能的更新迭代十分迅速，甚至可謂是日新月異，但其對文學翻譯的處理水平究竟提升了多少猶未可知，未來即將推出的GPT-5是否能夠改善研究中發現的GPT-4處理不到位的問題還是個謎。僅就研究過程中的發現來看，若想在傳播中國古典詩歌時兼顧規模與質量，單靠此類大語言模型是完全不夠的。目前所推測的理想情況為，結合多種大語言模型的優缺點，綜合各模型給出的譯文版本，加以高水平譯者的譯后編輯，才有望實現高效率傳播中國古典詩歌。

本文由中國民航大學研究生科研創新項目“ChatGPT等人工智能的大語言模型對推動中國古典文學作品翻譯與傳播的可行性研究”（項目編號：20233YJSKC10006）資助。