机器翻译视角下的翻译本质

      从翻译是桥梁，译者“戴着镣铐跳舞”等传统隐喻式翻译本质思考，到翻译学科建立与研究范式多次转向带来的翻译定义规范与丰富，对于翻译本质的探索是翻译研究的永恒主题（蓝红军2015）。机译技术升级、实践丰富、研究深化，为探讨翻译本质增加了机器翻译（以下简称机译）维度。

      目前，人们越发难以分辨译文出自机译或人类翻译（以下简称人译）（Popel et al.2020），机译或已通过图灵测试（Turing test）（Turing 1950），走入“中文房间”（Chinese room）（Searle 1980）①，继而引出三大疑问：房间里的是“译者”吗？“译者”（机器）知不知道自己在翻译？机器“译者”输出的是翻译（译作）吗？显然，当前弱人工智能时代，“中文房间”中的机译并非具备心智的译者，也不知道自己做翻译，但却不时能给出较高质量的译文，促使人们从机译维度反思翻译主体、过程和产品三大翻译本质问题（许钧2014：17）。

      然而，由于机译研究聚焦不同机译模型研发与自动化基准质量测评，翻译研究围绕机译与人译产品对比、机译错误总结（罗季美、李梅2012；杨文地、范梓锐2021），机器翻译与翻译学少有交集，而译后编辑也仅是两者近年来结合形成的跨学科亮点（ 2014；崔启亮2014）。仅有少数学者从翻译学反思机译，黄忠廉（2015：14-17）将机器纳入翻译定义中，给出了翻译的新定义：“人或/和机器将甲符文化信息变化为乙符以求信息量相似的智能活动和符际活动。”其他零星文献主要关注机译在翻译研究规定性与描写性范式中的理论定位（Asscher 2023）、机译对于译者主体性的解构（陈伟2020）和机译技术伦理（任文2019）等，鲜见从机译视角较为系统地探讨翻译本质。机译的发展与应用促成人工与机器的翻译主体分野，为其参与解读拓展翻译本质奠定了实践基础与理论进路。因此，有必要分析机译原理、实践及影响，对比翻译学相关现有成果，反思与启发翻译本质及其研究，促进翻译研究与机译研究跨界交流。

      1.翻译主体：机器与人类之间

      随着机译应用进一步落地，机译为翻译定义或类别界定提供了人或/和机器的主体划分方式。翻译主体的历史与未来由此呈现为五个阶段：完全人译、低级机译（简单词句级别翻译）、机助人译（machine-aided human translation）、人助机译（human-aided machine translation）和高级机译（完全自动翻译）。

      目前，我们正由机助人译走向人助机译，翻译主助关系调换重构了翻译劳动分工。机助人译阶段，翻译主体仍是人类，MTPE（machine translation+post editing）成为翻译实践新常态（李梅2021：93），译者角色从纯粹翻译转向译前编辑（pre-editing）、译后编辑（post-editing），同时搭配使用计算机辅助翻译软件（computer-aided translation）与制作翻译记忆库（translation memory）。人助机译阶段，翻译主体则是机器。比如，ChatGPT（生成式预训练聊天机器）的崛起标志着机译进入智能形态，机译可根据人类提示（prompt，即提问）回答反馈（比如输出译文），通过聊天，人机互动完成平行文本、翻译、校对、润色、编辑等译前、中、后任务，由此赋予人类译者提示工程师（prompter）的新角色。

      翻译主体由人到机器的转变进一步下放翻译权力。相比以往主要由僧侣、作家、学者等构成的精英翻译群体，如今外语学习与就业门槛已经降低，机译发展更加降低了翻译的技术门槛，人类迎来了“译者队伍规模巨大，水平参差不齐，翻译标准多元”的大众翻译时代（魏向清2016：152）。擅长某一领域的译者可借助机译跨界其他领域，而读者使用机译实现自助翻译或其他目的，进一步泛化译者身份。

      翻译主体逐渐由机器承担，这促使我们反思人译。机译视角下，翻译主体是机器，机译在其算法、算力、训练数据三者合力下以最快速度给与最优解。反观翻译规定性范式下，翻译主体默认是理想人。翻译描写性范式下，翻译主体实际为社会人。无论是理想人还是社会人，都是生物与社会个体，需要承受生理、心理损耗与社会经济压力。所以，人译作品往往是社会环境与个人近况下的次优选择，是遗憾的艺术与压力之下的优雅。然而，机译并不会感受“压力”，同一机译短期内翻译多次都是相同结果。最后，翻译亦是共情，译者可能如林纾一般，感怀原文中人物际遇，抒情译笔，机译则是“无情无义的”翻译机器。无论是何种规则、算法或模型，机译的源头追溯至人类理性，而人译的源头应该是人类感性。因此，就翻译主体意义而言，机译的存在更能证明翻译珍贵和人译不易。

      2.翻译过程：概率匹配与多元转化之间

      机译过程经历了基于词典和规则库（RBMT）、统计（SMT）、实例（EBMT）、知识（KBMT）再到神经机译（NMT）。这种演变与人类翻译实践习得不谋而合：最初仅有双语语法知识，再学习真实对照实例和各种知识，却难以持续产出高质量译文。虽最终凭借模拟人类神经活动，机译实现翻译质量飞跃，但仍不足以应对真实翻译，尤其是文学翻译，原因可能在于人译与机译的翻译观差异。