人工智能運用于文學文本翻譯的適用性研究

【摘要】本文聚焦于人工智能在文學翻譯中的應用，全面梳理其應用現狀，分析其適用性，展望其發展前景，深入探討人工智能應用于文學領域的潛力與挑戰。研究發現，人工智能在語言處理與文化理解方面進步顯著，作為輔助工具，于初步翻譯、語言校驗等環節獨具價值。然而，文學翻譯的深度與復雜性使其難以完全替代人工。未來，隨著深度學習與多模態翻譯技術的發展，人機協作翻譯前景更廣闊。同時，加強人工智能倫理教育與監管，保障其在合法、安全、尊重文化的框架內運作，是其健康發展的關鍵。本研究以期為人工智能在文學翻譯中的合理應用與發展提供建議和指導。

【關鍵詞】人工智能；人機協作翻譯；文學翻譯；適用性

【中圖分類號】H159" " " " " 【文獻標識碼】A" " " " " 【文章編號】2096-8264（2025）11-0095-04

【DOI】10.20024/j.cnki.CN42-1911/I.2025.11.027

基金項目：本文系湖南省哲學社會科學項目“智能信息環境下譯者信息行為認知機制研究”（項目編號：22WLH21）、湖南省教育廳優秀青年項目“翻譯過程中的認知效率研究”（項目編號：23B0695）、2024年度湖南工程學院大學生創新訓練項目“基于生成式AI技術的外語自主學習研究”的階段性研究成果。

一、引言

文學文本翻譯絕非簡單的字詞轉換，而是文化與情感的深度交融，承載著跨文化交流的重任，其質量直接關聯文化傳播成效，是文化互通的關鍵。

技術演進促使機器翻譯歷經多次變革，從規則到統計再到神經網絡機器翻譯，翻譯質量顯著提升，學界對其能力邊界的探索也隨之深化[1][2]。Aman和Szpakowicz早在2007年便開啟文學文本機器翻譯設想[3]，后續Toral和Way等的研究則進一步探討了這一議題的復雜性[4]。2016年神經網絡機器翻譯及2022年以ChatGPT為代表的生成式人工智能技術的橫空出世，更是推動了翻譯行業的數字化轉型，引發學界對于人工智能應用于文學翻譯的熱議[5]。

相關研究表明，神經網絡機器翻譯在文學翻譯中的應用已初露鋒芒，為翻譯行業帶來了前所未有的機遇與挑戰。

然而，人工智能雖前景廣闊，能否全面契合文學文本翻譯復雜要求尚存疑問。當下研究聚焦效率及語言準確性提升，但其在處理文化意象、情感渲染、修辭運用時的局限性逐漸顯現。鑒于此，本文擬系統梳理現有研究成果，客觀分析人工智能在文學翻譯中的優勢與局限，深入探討其提升翻譯質量與效率的可行性，并指出面臨的挑戰。通過此研究，我們期望為人工智能與文學翻譯的深度融合提供理論支撐，促進翻譯技術的持續創新與發展。

二、人工智能在文學翻譯中的應用現狀

（一）人工智能技術的發展

人工智能技術的應用與發展始于20世紀中葉，經歷了從理論探索至實踐應用的顯著轉變。[6]早期研究聚焦于模擬人類智能的特定功能，諸如邏輯推理與專家系統，但在文學翻譯領域，受限于計算能力與數據資源的匱乏，這些初步嘗試未能突破翻譯效果的局限。特別是第一代基于詞典與語法規則的機器翻譯系統，因缺乏深層語言理解與創造力，翻譯質量拙劣，導致1966年美國語言自動處理咨詢委員會對其可行性提出全面質疑。[7]

20世紀80年代，計算技術與語言學理論的進步促成了統計機器翻譯的誕生，標志著機器翻譯邁入新階段。該技術利用大規模雙語文本語料庫和統計方法構建語言映射，顯著提升了翻譯質量，尤其在日常語言交流中表現出色。然而，作為文學翻譯領域的初步探索[3][8]，統計機器翻譯在處理復雜語言結構、隱喻及文化內涵時仍顯不足，難以滿足高精度翻譯的美學與文化要求。

21世紀以來，深度學習技術的興起為機器翻譯帶來革命性突破。神經網絡機器翻譯憑借其強大的學習能力，通過深度神經網絡模型捕捉源語和目標語之間的復雜關系，利用海量數據訓練，顯著提升了翻譯的準確性和流暢性，尤其在處理長句、復雜語法結構方面展現優勢，為文學文本翻譯開辟了新途徑。

近年來，Transformer架構和預訓練語言模型的興起進一步推動了大語言模型在文學翻譯領域的發展。這些模型通過在大規模無標注文本數據的預訓練，不僅掌握了豐富的語言知識與模式，還具備卓越的生成能力與上下文理解能力，使翻譯過程更加智能化、個性化。[9]

趙衍等基于豪斯量表和MQM錯誤層級量表對不同人工智能翻譯系統的譯文準確性和文學性進行了評估，結果顯示文心一言和訊飛星火等大語言模型在文學文本漢譯英上的表現超越了傳統的神經網絡機器翻譯系統。[10]大語言模型的持續進步為文學作品的跨國界傳播與文化交流提供了前所未有的便利與可能性。

（二）人工智能技術在文學翻譯中的研究現狀

隨著科技的迅猛進步，人工智能已成為驅動社會變革的重要力量。其在文學翻譯領域的介入為傳統翻譯方式帶來了革命性變化，引發了學界對人工智能在文學文本翻譯中適用性的深入探討。

早期探索中，Aman和Szpakowicz開創性地整合情感詞典與機器學習手段，初步展現了機器學習在捕捉文學作品情感色彩方面的潛力[3]，為人工智能在文學翻譯中傳遞情感提供了有益思路。然而，Toral和Way的對比研究指出，盡管機器譯文在準確性上表現尚可，但在傳達文化精髓方面卻顯得力不從心，人工翻譯的優勢依然明顯。[4]Taivalkoski-Shilov也強調，機器翻譯在理解和準確翻譯文學作品中的隱喻、比喻和象征等修辭手法時面臨重大挑戰。[11]Guerberof Arenas和Toral則進一步指出，文學文本的機器翻譯在創造性方面存在明顯不足，難以復制人類譯者的獨到見解與創新能力。[12]

盡管如此，也有研究對人工智能在文學翻譯中的應用持積極態度。Matusov的研究發現，在科幻小說的翻譯中，機器翻譯的詞匯使用更為豐富，且超過30%的機器翻譯句子達到了可接受的譯文質量標準。[13]Li則進一步指出，雖然人工智能在文學翻譯中可能存在對原文的扭曲，但人工譯者輔助人工智能進行翻譯，通過譯后編輯，能顯著提升翻譯效率和質量。[14]盧植和孫娟的實證研究也支持了這一觀點，他們通過眼動實驗證明，機器翻譯譯后編輯能夠降低文學翻譯過程中譯者的認知努力，且譯文質量與傳統人工翻譯相當。[15]

此外，Hu和Li的研究通過語料庫方法發現，DeepL翻譯軟件在翻譯莎士比亞戲劇《科里奧蘭納斯》和《威尼斯商人》時，準確率和流暢度均達80%以上，且句末語氣助詞和情態動詞的使用頻率高于梁實秋譯本。[16]該結果表明，DeepL翻譯系統在翻譯文學文本時展現出了一定的創造力，如通過增譯、解釋、視角轉換等策略，使譯文更加貼近目標語言的表達習慣。

綜上所述，學界對于人工智能在文學文本翻譯中的適用性尚存分歧。一方面，人工智能在處理文學作品復雜語言現象和傳達原文情感文化底蘊方面仍存局限；另一方面，作為輔助工具，在人工譯者的指導下，人工智能有望提高文學翻譯的效率與質量，并展現出一定的翻譯策略創造力。未來，隨著技術的不斷進步與研究的深入，人工智能在文學翻譯領域的應用前景值得期待。

三、人工智能在文學翻譯中的適用性分析

（一）技術進步的推動：從量變到質變的飛躍

近年來，人工智能翻譯技術的快速發展為文學翻譯領域開辟了新視野。傳統基于規則的方法逐漸被統計和機器學習所取代，尤其是神經網絡翻譯技術的出現，標志著該技術實現了從量變到質變的飛躍。神經網絡機器翻譯憑借模擬人腦神經網絡的架構，深化了對語言語義與語境的理解，使翻譯更趨自然流暢，更接近人類翻譯水準，為人工智能在文學翻譯中的應用奠定了堅實基礎。

在具體實踐中，人工智能翻譯系統已能駕馭多語種翻譯，包括復雜的文學語言。這些系統不僅能夠快速生成譯文，還能依據上下文靈活調整，提升翻譯的準確性和可讀性。同時，大數據和云計算技術的持續進步，極大增強了系統的處理能力和存儲能力，使其能勝任更大規模的翻譯任務。然而，盡管技術取得顯著進步，文學翻譯仍充滿挑戰，因其蘊含的文化內涵與審美價值往往是人工智能難以充分捕捉的，故在文學翻譯中的應用需更加審慎精細。

（二）翻譯需求的多樣性：人工智能與人工譯者的協同作用

文學翻譯不僅追求語言精準，更需傳遞原作的文化底蘊、情感色彩和審美價值，這一多元需求加劇了人工智能在文學領域應用的復雜性，同時也為人工智能翻譯與人工譯者的協同合作提供了契機。實踐中，人工智能翻譯系統作為初步翻譯工具，能有效助力譯者快速把握原文要旨與結構，既節省了時間和精力[15]，又提供了豐富的參考和靈感。基于此，譯者可憑借其文化洞察力與創造力，對機器翻譯結果進行深度打磨，以確保譯文貼合文學翻譯的高標準。此外，人工智能翻譯系統能依據不同文學體裁和風格靈活調整，如在詩歌翻譯中注重韻律節奏，在小說翻譯中則側重人物刻畫和情感傳達，展現了其在文學翻譯中的靈活性和適應性。

然而，需要強調的是，人工智能在文學翻譯中的協同作用并不意味著它可以完全替代人工翻譯。相反，人工智能翻譯應該被視為一種輔助工具，幫助翻譯者更好地完成翻譯任務。在這個過程中，翻譯者的主觀能動性和創造性始終是不可替代的。

（三）倫理與文化的考量：人工智能翻譯的責任與擔當

在探討人工智能于文學翻譯中的應用時，倫理和文化考量不容忽視。文學翻譯實為文化傳遞與再創造的過程，要求譯者深刻理解并尊重原作的文化脈絡與價值觀，以保障翻譯的準確性和可讀性。

然而，人工智能在捕捉語言微妙差異、文化背景及情感色彩上尚存局限，可能引發誤解或偏差。因此，運用人工智能輔助文學翻譯時，需要具備敏銳的評估能力，并對機譯結果進行全面校驗。同時，人工智能在處理敏感信息時潛在的隱私泄露風險，也構成了倫理挑戰。故而，使用人工智能翻譯時，務必遵循相關法律法規和道德規范，確保翻譯活動的合法性和安全性，彰顯人工智能在文學翻譯中的責任與擔當。

四、人工智能應用于文學翻譯的前景展望

（一）技術進步的持續推動：深度學習與多模態翻譯的未來

隨著人工智能技術的不斷進步，特別是深度學習技術的廣泛應用，文學翻譯領域將迎來更多的創新和發展。深度學習模型，如Transformer等，已經在自然語言處理領域取得了顯著成效，其在文學翻譯中的應用也將日益成熟。這些模型不僅能夠更好地理解語義和語境[17]，還能捕捉到原文中的情感色彩和文化內涵，從而提高翻譯的準確性和可讀性。

此外，多模態翻譯技術的興起為文學翻譯提供了新的可能性。傳統的文學翻譯主要關注文字的轉換，而多模態翻譯則涵蓋了語音、圖像、視頻等多種形式的翻譯。這種技術的出現使得文學翻譯不再局限于文字層面，而是能夠跨越不同的媒介和形式，實現更加全面和深入的翻譯。

例如，在翻譯一部包含豐富圖像和音頻的文學作品時，人工智能可以通過多模態翻譯技術將這些元素也進行準確的轉換和再現，從而增強讀者的閱讀體驗。

（二）人機協同的深化：人工智能輔助翻譯與人工審校的完美結合

未來，人工智能在文學翻譯中的應用將更加注重人機協同。人工智能翻譯系統可以作為初步翻譯的工具，快速生成翻譯文本，并提供初步的語言和語法校驗。而人工翻譯者則可以在此基礎上進行深入的審校和潤色，確保翻譯結果的準確性和可讀性。這種人機協同的模式不僅能夠提高翻譯效率，還能充分發揮人類譯者的主觀能動性和創造性。耿芳、胡健的研究指出，通過不斷給大語言模型下達指令，ChatGPT可以調整表達，產出更為合理的譯文，且在改善譯文的篇章連貫、語域調整方面表現突出。[18]

隨著人工智能技術的不斷發展，人機協同的模式也將不斷深化。例如，人工智能可以通過學習人類譯者的翻譯習慣和風格，自動調整其翻譯策略，以更好地符合譯者的要求。同時，譯者也可以利用人工智能提供的翻譯建議和參考，快速找到最佳的翻譯方案。這種相互學習和相互促進的過程將使得人機協同在文學翻譯中發揮更大的作用。

（三）倫理與文化的深度融合：人工智能翻譯的文化自覺與倫理責任

在文學翻譯中，人工智能翻譯不僅需要關注語言的轉換，還需要深入理解并尊重原文的文化背景和價值觀。未來，人工智能翻譯將更加注重文化的深度融合，通過學習和理解不同文化之間的差異和聯系，實現更加準確和自然的翻譯。同時，人工智能翻譯也需要承擔更多的倫理責任。在翻譯過程中，人工智能需要嚴格遵守相關的法律法規和道德規范，確保翻譯內容的合法性和安全性。

此外，人工智能還需要關注翻譯過程中的隱私保護和信息安全問題，避免泄露用戶的個人信息或造成不必要的損失。

為了實現這一目標，我們需要加強對人工智能翻譯的倫理教育和監管。一方面，我們需要制定和完善相關的法律法規和道德規范，明確人工智能翻譯的責任和義務；另一方面，我們還需要加強對人工智能翻譯的培訓和指導，提高其文化自覺和倫理意識。同時，我們還需要建立有效的監管機制，對人工智能翻譯的過程和結果進行監督和評估，確保其符合相關的標準和要求。

五、結語

本文剖析了人工智能在文學翻譯中的應用現狀、適用性及未來展望，揭示了人工智能翻譯技術在文學領域的獨特價值與潛在挑戰。通過不斷探索和優化技術、推動人工智能與人類譯者的協作以及加強人工智能倫理監管，有望實現更高質量的文學文本翻譯。未來，隨著人工智能技術的不斷進步和應用場景的不斷拓展，人工智能翻譯將在文學交流、文化傳播等領域發揮更加重要的作用。

然而，我們也應清醒地認識到，人工智能技術與倫理的雙重挑戰不容忽視。未來，應持續深化研究與實踐，探索更高效、準確、安全的人工智能翻譯技術，同時也應保持對文學翻譯本質的深刻理解與尊重，以確保人工智能翻譯在文學翻譯中的合理應用與健康發展，共同推動文學翻譯事業的繁榮與進步。

參考文獻：

[1]趙濤.機器翻譯譯后編輯的現狀與問題[J].外語教學，2021，（4）：100-104.

[2]葛頌，王寧.人工智能時代的文學翻譯：挑戰與機遇[J].外語與外語教學，2024，（1）：94-101.

[3]Aman Samp;Szpakowicz S.Identifying expressions"of emotion in text[C]//International Conference on Text， Speech and Dialogue，2007：196-205.

[4]Toral Aamp;Way A.What level of quality can neural

machine translation attain on literary text？[J].Translation

quality assessment：From principles to practice，2018： 263-287.

[5]楊睿穎.ChatGPT在散文翻譯中的適用性——以《想北平》為例[J].今古文創，2024，（47）：95-98.

[6]王湘玲，楊艷霞.國內60年機器翻譯研究探索——基于外語類核心期刊的分析[J].湖南大學學報（社會科學版），2019，（4）：90-96.

[7]張劍，吳際，周明.機器翻譯評測的新進展[J].中文信息學報，2003，（6）：1-8.

[8]Genzel D，Uszkoreit J，Och F.“Poetic” Statistical

Machine Translation：Rhyme and Meter.In：Proceedings of the Conference on Empirical Methods in Natural Language Processing，2010：158-166.

[9]王赟，張政.ChatGPT人工智能翻譯的隱憂與紓解[J].中國翻譯.2024，（2）：95-102.

[10]趙衍，張慧，楊祎辰.大語言模型在文本翻譯中的質量比較研究——以《繁花》翻譯為例[J].外語電化教學，2024，（4）：60-66.

[11]Taivalkoski-Shilov K.Textual，moral and psychological voices of translation[J].Slovo.ru：Baltic accent，2019，（3）：43-55.

[12]Guerberof Aamp;Toral A.The impact of post-editing and machine translation on creativity and reading experience[J].Translation Spaces，2020，（2）：1-27.

[13]Matusov E.The Challenges of Using Neural Machine Translation for Literature[C]//.Proceedings of the Qualities of Literary Machine Translation，2019：10-19.

[14]Li B.Ethical issues for literary translation in the era of artificial intelligence[J].Babel，2023，（4）： 529-545.

[15]盧植，孫娟.人工翻譯和譯后編輯中認知加工的眼動實驗研究[J].外語教學與研究，2018，（5）：760-770.

[16]Hu Kamp;Li X.A corpus-based study of Deepl’s English-to-Chinese translation of Shakespeare’s plays[J].Babel，2023，（4）：546-563.

[17]劉洋.神經機器翻譯前沿進展[J].計算機研究與發展，2017，（6）：1144-1149.

[18]耿芳，胡健.人工智能輔助譯后編輯新方向——基于ChatGPT的翻譯實例研究[J].中國外語，2023，（3）： 41-47.

作者簡介：

王立陽，女，湖南湘鄉人，湖南工程學院外國語學院講師，研究方向：人機交互翻譯過程研究。

柯金宏，男，四川崇州人，湖南工程學院外國語學院本科生。