查看原文
其他

译学文献 | ChatGPT时代翻译技术发展及其启示

王华树 谢亚 翻译技术教育与研究
2024-09-09

原文作者 | 王华树 谢亚(北京外国语大学高级翻译学院)

原文刊登 | 王华树,谢亚.ChatGPT时代翻译技术发展及其启示[J].外国语言与文化,2023,7(04):80-89.DOI:10.19967/j.cnki.flc.2023.04.008.

文章版权 |本文已获得原作者授权,如需转载,可关注本号,在后台留言

摘要:随着ChatGPT技术的崛起,翻译领域正经历着一场前所未有的革命。文章结合ChatGPT技术发展的大背景,梳理新时代翻译技术的发展趋势及其在翻译实践中的应用,探讨这些技术对翻译教育的深远影响,包括改变教学方式和学习方式等。同时,文章讨论了新技术如何推动翻译研究的发展,为翻译研究提供新的视角和方法。最后,文章指出这些发现对翻译教育和研究的启示,引导读者思考新技术如何更好地促进翻译教育和研究,为未来研究提供方向指引。

01
引言

    大语言模型技术发展迅速,深入影响了翻译实践,特别是ChatGPT被视作人工智能领域的革命性突破,不仅提高了翻译的准确度和流畅度,还能为语言任务提供各种支持。然而,大语言模型在不断推动行业进步的同时,也给翻译教育和翻译研究带来了新的挑战与机遇。一方面,如何利用技术提升翻译教育的效率和质量、适应技术进步对翻译行业带来的冲击,成为亟待解决的问题。另一方面,翻译研究需要与时俱进,持续跟踪和研究翻译技术的发展,了解技术在翻译过程的作用和价值,为实践提供坚实的理论指导。大语言模型翻译技术可能引发的伦理和社会问题也需要各方保持警惕。充分认识这些问题,并积极采取措施予以应对,能够确保新技术在翻译实践中发挥积极作用,推动翻译领域持续发展。

02
新时代翻译技术发展趋势


    从计算机辅助技术(CAT)到神经网络翻译模型(NMT),翻译技术呈现出专业化、平台化、生态化等趋势(王华树、李智93-94)。目前,ChatGPT在对话生成、持续优化、上下文记忆、创造性等方面表现出明显优势,或将引领翻译技术未来的发展方向,对翻译领域带来全面影响。本节现对新时期翻译技术的发展趋势做出如下梳理:


(一)准确性和流畅性显著提高

    以神经网络翻译系统为代表的翻译技术通过改进模型架构、利用更大规模数据集、采用预训练,并借助后处理等多重技术手段提升了翻译的精确性和流畅度。这些技术的综合应用帮助系统在生成翻译时更合理分配对输入句子不同部分的注意力(于志强等2022),能够更好地处理长句和复杂结构,提高了翻译的整体质量。这种架构和训练方法也能让机器更好地捕捉并考虑前后文的信息,增强了机器的语义理解和上下文感知能力。未来的机器翻译模型将更强调语义理解和语境感知。部分支持多种语言对的系统还可以共享模型参数,实现跨语言知识共享,意味着特定语言对的预训练可以受益于其他语言,有助于提高非通用语言的翻译质量。


(二)生成性和自动性逐渐提升

    与基于规则或统计的翻译方法不同,生成性能够生成更加自然连贯的翻译文本,是新时期翻译技术发展的重要趋势。因为从任务过程看,翻译就是从源语文本到目标文本的生成性过程。在神经网络模型中,生成性意味着系统能够利用预训练数据集和输入文本创造性生成新的文本,而不是简单地对源语文本进行映射和替换,提高了翻译文本的创造性和多样性。生成性模型的自监督学习方法也意味着系统无需依赖大规模的平行语料库就能从自身生成的数据中不断学习(薛擎天等2022)。随着数据集数量和质量提升,机器翻译技术的自我学习和自我改进能力将会持续改进。未来,翻译模型将能够在使用过程中收集反馈,自我评估并优化性能。这种模型更加适用于实际应用,也更符合用户的需求。在这种意义上,生成性模型也能够更好实现翻译系统实时性和自动化,在语音翻译等方面实现突破,以满足实时沟通和信息传递的需求。


(三)交互性和协同性不断增强

    除了自身算法的优化,翻译技术还提高了交互性和协同性(车万翔等2023)。神经网络模型已经逐步改变了人工译员和机器之间的单向关系,译员能够使用自然语言与翻译工具互动,机器则根据译员反馈进行自动优化。交互性还包括与其他辅助工具的整合,ChatGPT可以作为智能搜索引擎与翻译记忆库和术语库结合,提高效率并确保一致性。在协同性方面,翻译任务日趋复杂,从项目准备、执行、交付和到报告结算,牵涉多个部门和团队,对跨部门、远程协作提出了更高要求。目前项目管理系统、云协作平台等应用能够为众包模式提供便利,而生成性人工智能可以优化任务分配,如根据成员的技能、任务需求分配,提高了项目协作的效率。在任务阶段,生成性人工智能技术能够发挥虚拟助手的作用,与翻译团队协作,执行高重复性的任务工作,并就翻译决策提供建议。对于项目管理者而言,生成性人工智能能够进一步优化已有的自动质量评估工具(如BLUE、TER等)和项目管理工具(如Trello、Asana和JIRA等),让自动化质量监控、组织和跟踪翻译项目成为现实,提高了对项目的掌控度,能确保项目按计划实施。


(四)多模态和跨模态持续改进

    由于数字媒体的广泛应用,多模态数据在网络和社交媒体上的大量存在,多模态和跨模态翻译的需求也日益增长。多模态翻译不仅提高了翻译任务的复杂性、专业性,也对翻译的实时性提出了更高要求。如何利用技术提高多模态、跨模态翻译的效率和质量成为新时期翻译技术发展的趋势。目前,深度学习、多语言模型等人工智能技术已经在社交平台音视频的自动翻译中得到广泛应用。生成性技术也已经能够用于图像、音频、视频、3D模型的生成,相关技术已经趋于成熟,如GAN(生成对抗网络)、WaveNet等。虽然多数大语言翻译模型主要还是应用于文本任务,无法直接处理与多模态数据相关的文本信息,但可以与其他生成性工具结合,完成多模态和跨模态的翻译任务。随着多模态数据集和嵌入式技术的发展,未来翻译技术将对生成性模型进行多模态数据的训练,为多模态内容的传播提供更多可能性( Lee等2023)。

03
翻译技术对翻译教育的影响


    在2014年神经网络机器翻译诞生之后,国内以翻译技术教学为主题的论文持续增长,反映了新时期翻译技术对教学的深刻变革(王华树、刘世界2022)。目前,ChatGPT等人工智能的发展已经对教学各个方面产生了影响,推动翻译教育与新时期行业发展趋势对接融合。本文将从四个方面进行阐述:


(一)培养理念

    翻译技术的发展对未来译员职业能力提出了更全面的要求。过去几年,越来越多的培养单位认识到技术能力的重要性,在培养方案和培养目标强调对技术素养的塑造。但ChatGPT等生成性技术的出现可能会引领未来翻译技术的新发展趋势,需要翻译教学重新思考在新时期要培养什么样以及如何培养高水平的翻译人才。对翻译技术的讨论已经从“技术是否会取代人工译员”转变为“如何拥抱技术,提升语言服务水平”。在新时期,翻译教育的培养理念开始与ChatGPT时代的语言服务行业对接。人才培养逐渐超越语言知识本身,培养理念向复合型、应用型和专业型转变,不再将双语转换能力作为培养的唯一目标。目的是要培养具备协作精神、管理能力、技术素养、创新意识和批判性思维等综合素养的语言服务人才,以应对人工智能时代的行业和社会需求(王立非2021)。


(二)教学内容

    最初,翻译技术教育侧重于培养学生使用计算机辅助工具的能力,即技术知识和工具能力。而现在,由于生成性人工智能的翻译准确度不断提高,教学重点逐步转向了更高阶的技术素养,关注学生如何评价、对比、进而选择合适的技术工具,并与其协作。在课程设置方面,教学内容契合了翻译技术的最新发展成果和应用趋势。例如,由于大语言机器翻译模型促使“机器翻译+译后编辑”成为培育语言服务行业的新增长点,相关课程也被纳入了许多高校的教学内容(赵涛2021)。学生译员不仅要识别词汇、语法等错误,还需要对主流的机器翻译模型有基本了解,明确不同系统可能产生的错误,在充分理解任务要求的基础上有针对性地对机器翻译结果进行修改。这也反映了生成性人工智能技术的未来发展趋势,即机器翻译的语言准确度不断提高,但短期内仍无法避免错误或偏见输出并完全理解个性化、定制化的翻译任务要求。因此具有创造性、批判性的译后编辑能力逐渐成了教学的重难点。传统的口笔译课程也更加鼓励学生正确认识技术,利用ChatGPT等工具和资源构建语料库、翻译记忆库等,提高语言输出质量和工作效率。


(三)教学方式

    在技术素养、技术能力被纳入译员职业能力的范畴之后(王少爽、覃江华2018;朱一凡、管新潮2019),技术正不断塑造未来的翻译教学方式和方法。过去翻译教学以教材案例为基础,教学方式较为单一,依赖于教师讲授的传统教学模式。现在由于各项翻译技术工具,特别是ChatGPT等大语言机器模型,趋向平台化、泛在化,学生和教师都能够便利获取,能够在教学过程中为教师提供实时的支持。比如在应用型翻译教学中,ChatGPT能够根据翻译任务快速创设情境、搭建实训场景。其角色模拟功能还可以从语言服务行业中不同参与者的角色出发,提出具体的任务要求,这为教学设计提供了更多元、更丰富的思路。教师通过与ChatGPT对话,输入指令,就将更多真实案例引入到了翻译教学中,学生因此获得更多实践和操作的机会,透过客户需求更深入理解翻译策略和技术工具在具体实践中的应用。人工智能翻译技术与智慧教育的整合也优化了学习体验,提高了学生的参与度。教学方式逐渐转向学生中心地位和实践导向,让学生在实际案例和项目中应用最新的翻译技术优化实践。


(四)评估体系

    翻译技术对翻译教育内容、方式和工具的影响继而要求教学评估体系做出调整,评估的内容、方式、要求和指标都在发生变化。首先,过去翻译教学更注重学生的词汇、句法熟练度,而在生成性人工智能的大背景下,译员职业能力的内涵得到扩充,单一的知识性评估已经无法适应实践需要。比如,ChatGPT等大语言模型在处理一般性任务方面展现出了出色的词汇和语法准确度。所以,教学评估开始关注学生利用技术工具和网络资源解决翻译问题的能力。除了传统的教师评估,大语言模型、预训练模型也被用来构建自动化评估工具,有助于量化和衡量翻译质量,提供评估参考。翻译技术还为教学评估提供了更多过程性数据,促进翻译教学从终结性评估转向过程性评估。评价内容和评价标准继而改变了翻译教学的考核形式。如今,考核形式更贴合人工智能时代译员的实际工作场景,比如在考试中开放技术工具和在线资源的使用,题型设置聚焦学生的创造性思维和决策能力。

04
翻译技术对翻译研究的影响


    在探究ChatGPT时代翻译技术的发展时,还需要深入研究技术如何塑造了实践与研究之间的协同关系,为未来翻译领域提供更广阔的视野和更深刻的理解。下面将探讨四个主要的方面:


(一)研究范式

    受翻译活动的复杂性和多维度的影响,翻译研究自诞生之初就具有显著的跨学科属性,经历了从最初的语文学到语言学、社会学等不同范式转变,以更全面深入地阐释翻译现象。由于人工智能技术不断拓展在人文领域的应用,自然学科和人文社会学科不再是泾渭分明,传统的研究范式已不足以解释新的研究现象,学科的融合亟需全新的研究范式,将不同学科的知识和方法结合起来,研究更加复杂的现实问题。这种学科视阈的融合正契合了目前翻译行业的发展趋势。近年来,数字人文、新文科等交叉学科范式下的翻译研究方兴未艾(代建华等2023),将数字技术应用于翻译技术,有效地弥合了翻译内部与外部研究、定性与定量研究之间的分歧(胡开宝2020)。大语言模型等人工智能技术与实践的加速融合进一步决定了翻译研究必然要借鉴计算机科学、统计学等学科的研究成果和方法。数字技术的发展促使翻译研究朝着学科融合发展,而跨学科研究继而与这一趋势相互促进,推动翻译研究进一步数字化转变。


(二)研究维度

    根据霍姆斯(Holmes 1982:67-80)的分类,翻译研究分为纯理论研究和应用研究。纯理论研究细分为理论研究和描写性研究。在描写性研究方面,翻译过程研究因为涉及问题复杂,特别是口译过程具有瞬时性,相关研究在过去并不活跃。但随着过程监控功能被嵌入到人工智能翻译技术,技术将为描写性研究提供更多自动化、标准化数据,丰富了描写翻译学的维度。

    在理论研究方面,翻译技术引入了大量全新的学科术语,引发了关于翻译理论“技术转向”的讨论。特别是在生成性人工智能的背景下,加强理论研究有助于翻译研究走出技术焦虑的困境(王华树、刘世界2021)。在此基础上探讨拓展翻译技术的理论研究也能为未来研究提供规范性指导。在应用研究方面,人工智能技术有助于研究人员开展实证主义研究(耿芳、胡健2023)。这类翻译技术应用研究主要探索已有技术手段在翻译实践活动各层级的价值,问题域为翻译技术与相关实践的适切性问题(蓝红军2023)。过去,翻译批评依赖权威人士的审美情趣,但这种评价标准无法适应现代生产需要,所以技术赋能的质量评价和评估标准研究成为新趋势(王华树2023:189-192)。除了翻译批评和翻译辅助工具,应用研究还包括译员培训,这在语言服务行业快速增长的大背景下具有重要的现实意义。ChatGPT等新兴技术对MTI人才培养各方面带来的影响也正成为新时期的关注重点。


(三)研究对象

    从内部研究看,技术的参与将翻译的边界从文本层面拓宽至技术参与的跨语言、跨文化和跨模态的交流活动,“翻译与本地化”“译后编辑”等与技术相伴而生的翻译现象成为翻译内部研究的新对象(王华树2023:19-21)。技术的功能、角色和价值也逐渐成为研究的新增长点。ChatGPT等大语言模型在自动化和定制化方面展现出巨大潜力,将催生更多翻译新现象,未来翻译内部研究的疆域将不断扩大。

    从外部研究看,由于人工智能具有模拟人类智能的特性,能够自主学习和决策,人工译员不再是翻译活动的唯一主体。特别是ChatGPT的对话性优势引发了关于译者主体地位的思考。语言服务行业中的利益攸关方复杂多样,人工智能进一步影响了翻译主体之间和主客体之间的关系,以及技术主体间与主客体之间的关系(蓝红军2019)。已有学者从后现代理论语境审视机器翻译中的他者和主体间的关系,明确了人工译员的地位和价值(徐华东、姚振军2023)。除了人机伦理,翻译技术的应用伦理风险,如偏见性、数据隐私、信息安全,同样不容忽视。上述变革表明,翻译研究正在拥抱技术革新,不断拓宽研究对象域。


(四)研究方法

    人工智能翻译技术不仅作为研究内容和对象拓宽了翻译研究的视野,也作为研究工具拓宽了研究手段,提升了质性和量化研究方法,为研究者提供更丰富的资源和途径。这些工具为创新研究方法提供了更多思路,特别是将翻译技术与其他研究工具相结合。以多模态翻译研究为例,基于深度学习框架的多模态分析工具能够提取有价值的特征和信息,支持多模态数据的建模,并进行文本和图像之间的关联分析。结合自然语言处理和文本分析的社交媒体分析工具可用于进行社交媒体上的翻译行为和趋势分析。ChatGPT等在线生成平台还能够创建交互式翻译任务,收集用户反馈和行为数据,能够促进翻译学与心理学、认知学的跨学科研究。生成性技术能够根据研究人员的需要,对数据进行自动化标注和编码,大幅提高研究效率。在人工智能翻译技术新时期,数据的收集、处理、分析和利用对翻译研究至关重要。利用翻译技术的数据驱动方法能够提供统计结果和过程数据,帮助研究者获得客观和可靠的研究材料,从中发现规律和趋势,这为深入描写与阐释翻译现象提供了有力的支持。

05
启发与思考


    从上述分析可以看出,ChatGPT等生成性人工智能对翻译领域带来的影响是全局性的。与技术的快速发展相比,翻译教学和研究领域的伦理问题、方法论等稍显滞后,更凸显了未来研究的紧迫性。下文将提出四点启示,明确未来的努力方向。


(一)完善翻译技术教育体系

    在课程内容上,由于人工智能技术更新迭代快,课程内容需反映新时期的技术应用趋势,如挖掘ChatGPT等热点技术在翻译实践的作用,并融入教学内容。这也就要求翻译技术教学不能局限于现有教材内容。课程内容需加强实践性和翻译实务课程的联系,体现翻译技术的实践价值,让学生有更多机会接触真实的翻译任务,理解实际需求和挑战。技术课程设计需不断提高课程之间的系统性、连续性,帮助学生建立起对不同技术工具优缺点和差异性的完整认知,这也有助于在ChatGPT时代培养学生译员的批判性思维,做出更具创造性、批判性的决策。在教学形式上,课程可以结合平台化的大语言翻译技术模型,创设情境,增强环境、技术与学生之间的互动能够激发学生的高阶思维发展,促进学生对翻译技术的深层理解与迁移应用(王湘玲、杨雯婷2023)。翻译技术教学还应在不同培养层次有所区分。除了建立语言知识和跨文化能力,在ChatGPT时代本科教学还需要为学生奠定翻译技术基础,技术课程可以与翻译基础课程互相促进,如通过机器翻译的自动评估功能检查语法错误、学生运用文化背景知识优化机器翻译。在硕士生阶段,要利用翻译技术课程深化学生在特定行业领域的翻译能力,如通过实训项目、校企合作等为学生提供更全面、真实的技能培训。在博士培养阶段,可以增设翻译技术研究的相关课程,不仅强调技术作为研究对象,还要培养学生利用翻译技术作为研究工具和方法的能力。


(二)加强翻译教师技术能力建设

    良好的技术素养是新时代翻译教师的必备能力。技术发展对教师的技术教学经验和技术实践经验提出了同等要求(崔启亮2019:86)。培养单位可以结合学校特色与相关行业开展合作,提高相关实践经验。在技术教学能力方面,对于ChatGPT等生成性技术,教师需要具备包容的态度,转变思路,设计以培养学生高阶技术素养为目标的学习任务和情景。教师还应转变评价思路。比如,让ChatGPT等生成性平台作为辅助工具提供自动化评估意见,学生能够通过人机对话自由讨论,促进自主学习和互动学习。技术化评价工具和多元评价方式模式能够弥补传统教学评价的不足,促进学生的深层理解和分析能力(王湘玲、沙璐2021)。但需要强调的是,自动化和智能化评估虽然有助于识别学生存在的问题,提供针对性指导,但不能替代教师的专业评估和师生互动。


(三)关注翻译技术的伦理问题

    ChatGPT技术可能将引领翻译技术朝着生成性发展,然而目前的技术伦理相对滞后,亟需回应相关关切(任文2019),应在教学、实践与研究中强调技术的伦理和社会问题。教师应在课程中引导学生思考翻译技术的伦理问题,帮助学生主动规避伦理风险。尤其是,生成性人工智能目前还不能避免错误、偏见和歧视性输出,学生需要具备判断能力,使用伦理原则和正确的价值观评估机器翻译结果的伦理合规性。目前行业还并没有就技术伦理形成译员准则和审查框架。研究者应当在学理层面探究人工智能时代技术伦理的内涵和价值,并加强与行业之间的合作,推动在实践层面制定规则,行业技术伦理规范将为未来人工智能翻译技术的发展和应用奠定伦理基础。


(四)促进翻译研究的跨学科发展

    未来翻译技术所依赖的算法和模型将日益复杂,研究者需强化与语言学、计算机科学、社会学等的联系,拓宽翻译研究的深度和广度,解决生成性可能带来的社会问题。研究人员不仅要利用已有的跨学科经验,还要创新范式和研究方法,在重视技术研究的同时,也不能忽视翻译的语言属性和社会属性。大语言机器翻译模型要进一步提高准确度并朝着多模态、跨模态发展,也需要不同学科通过共享和分析实际的翻译数据和经验。

06
结语


    本文从大语言模型的视角,探讨了新时代翻译技术的发展趋势,及其对翻译教育和研究的影响。大语言模型驱动的翻译技术不仅提高了翻译的效率和质量,还推动翻译教育和研究朝着更加开放、多元的方向发展,特别是有助于缩小翻译实践和翻译研究之间的鸿沟。随着大语言模型的不断进步和应用领域的深入拓展,翻译研究的未来充满了无限研究的可能。希望本文的研究可以为翻译教育和研究的发展提供一些启示和思考,推动翻译行业在新的技术生态下更好地发展。



《外国语言与文化》简介

    《外国语言与文化》是湖南师范大学主办的一本学术期刊,主要刊载该领域内的原创性研究论文、综述和评论等。杂志于2017年创刊,目前已被上海图书馆馆藏、国家图书馆馆藏等知名数据库收录,是湖南省教育厅主管的学术期刊。外国语言与文化为学者们提供了一个交流学术成果和经验的平台,该期刊发表的文章具有较高的学术水平和实践价值,为读者提供更多的实践案例和行业信息,得到了广大读者的广泛关注和引用。


本期专栏:文化研究  文学研究  ChatGPT时代的翻译技术与教育  翻译研究  麓山笔谈

特别说明:本文仅供学习交流,如有不妥欢迎后台联系小编。

- END -



推文编辑:李丹

审核:张成智


文章推荐:


收藏|翻译专业学生翻译技术学习推荐书目

【01】听说Perplexity改变外语教育?你会用吗?

【02】Microsoft Office和WPS中大语言模型插件初探

【03】国内大语言模型对比——基于翻译问题或翻译案

【04】教你如何使用 Copilot 

【05】ChatGPT 和 Gemini 达到专八水平了吗?

【06】国外主流翻译APP

【07】国内主流翻译APP工具

【08】在Trados中利用TM做预翻译

【09】平行语料库在口译实践中的应用

【10】语料库探索之语料对齐及分词赋码

【11】语料处理之语料采集与清洗 

【12】如何创建应用于Trados的术语库?

【13】如何使用Trados建立翻译记忆库?

【14】国内外常见语料工具一览

【15】翻译人员不容错过的5个权威术语库

【16】国内外常见CAT工具一览

【17】AntConc简介及索引工具介绍(一)

【18】Quicker使用技巧

【19】Everything:一款“秒”搜文件的神器

【20】Sketch Engine探索第一弹来袭!

【21】LancsBox:语料库研究者的必备工具

【22】TermWiki:术语检索利器

【23】ABBYY FineReader PDF:文档识别小帮手

【24】ChatGPT + Word = 高效办公

【25】如何利用聊天机器人制作双语术语表

【26】 ChatGPT在译前准备中的应用——术语准备

【27】投喂语料,提升译文质量

【28】(一)结合ChatGPT的译前编辑初探

【29】ChatGPT最新接入word方法(完美debug)

【30】AI外语写作助手,助力高效写作

【31】探索ChatGPT在翻译过程中的应用

【32】中科院学术优化本地部署


如您喜欢我们的内容,欢迎您点赞、在看、转发,更多问题可后台留言小编哦



资讯推荐


新技术是翻译行业的新质生产力


点个关注再走吧

修改于
继续滑动看下一个
翻译技术教育与研究
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存