积极利用生成式人工智能赋能英语翻译的发展

□刘泓枫 　　

生成式人工智能（Generative Artificial Intelligence，GAI）作为一种重构语言转换与信息传播方式的前沿工具，不仅在提升翻译效率、降低跨语际交流壁垒方面展现出显著优势，而且在更深层面上重塑了“译者—工具—受众”的协作生态，催生了智能驱动的新型语言服务范式。例如，生成式人工智能可以用于辅助文学译本的风格再现、技术文档的精准转译；也可以实时分析译者的认知负荷，用于优化翻译教学中的训练策略；还可以为本地化营销和跨国媒体提供动态适配的多语言内容。然而，要想更好地利用生成式人工智能的多元价值，将算法潜力转化为可及的语言福祉，就决不能遵循工具决定论，将技术效率凌驾于人文表达之上，而是需要对生成式人工智能进行理性规划与导向校准。其关键，在于做好“开掘”（excavate）、“催发”（ignite）与“夯实”（reinforce）这三个方面的工作，对生成式人工智能的价值层次、推行路径与支撑体系进行系统化梳理，从而充分释放其赋能翻译事业的综合效用。

“开掘”是首要前提

全面开掘生成式人工智能的技术特长与应用空间，是积极利用生成式人工智能的基础。通过对生成式人工智能“效率价值”与“质量价值”“直接价值”与“间接价值”的系统开掘，可以构筑起多维度的价值框架，为后续的技术迭代与行业落地廓清方向。

一是要开掘“效率价值”与“质量价值”，这是生成式人工智能赋能翻译发展的核心。效率层面是生成式人工智能最直观、最具普适性的价值所在，而质量层面则是其实现专业跃升的关键支撑，二者互为表里、不可偏废。如果仅着眼于单一层面，将会压缩生成式人工智能的赋能广度，难以达成综合效益的最优化。生成式人工智能的技术禀赋，决定了其既能应对海量文本的快速预处理，也能深入诗歌、法律文书等高要求文本的精深加工。因此，有必要全面开掘这两类价值。在效率价值维度，聚焦日常商务沟通、新闻报道编译、多语言客服应答等场景，开掘生成式人工智能在术语批量替换、句式快速重组、语义初步消歧等方面的功用；在质量价值维度，聚焦学术著作翻译、经典重译、文化负载词处理等场景，开掘生成式人工智能在语境感知、风格迁移、修辞保留等方面的功用。

二是要开掘“直接价值”与“间接价值”，这是拓展生成式人工智能赋能边界的关键。以“技术原生功能”为划分基准，生成式人工智能的直接价值体现为翻译产出本身，即从源语文本到目标语文本的自动生成，这是各类翻译应用的基础依托；间接价值则是基于直接价值延伸而来的翻译教学革新、本地化产业链升级、跨文化传播策略优化等。按照这种划分方式，有助于避免扁平化的价值认知，推动生成式人工智能从辅助型工具向生态型基础设施转化。例如，直接价值体现在，为进一步提升译文的连贯性和准确性而训练领域适配的大语言模型；间接价值则体现在对翻译人才培养模式、语料库建设标准、语言服务企业运营流程的带动。

“催发”是关键环节

生成式人工智能的价值并非自发释放，从静态的技术储备转化为动态的实践成效，还需要“催发”这一关键环节。当前，生成式人工智能的赋能转化面临着算力部署成本高昂、翻译场景需求多样、人机协作规范欠缺等问题。因此，需聚合推力，打通赋能转化的“梗阻地带”，从而推动生成式人工智能的技术优势转变为翻译效率跃升、文化交流深化的现实成果。

一是要催发“模型研发”与“应用适配”的联动效能，破解赋能转化的衔接断层。模型研发与应用适配是生成式人工智能赋能翻译的两个核心节点，但是当前存在研发导向与使用场景错位的问题。细言之，部分研发侧重于通用能力的提升，忽视了特定语种、特定领域的特殊要求；部分一线译者的实际痛感未能及时回传至开发端，导致模型输出无法精准契合实务需要。因此，需要在模型研发与应用适配之间构建一个反馈回路。一方面，引导开发者深入翻译工作现场，依据翻译人员和审校人员的真实诉求开展模型调优，从而增强模型适用性；另一方面，推动终端用户主动参与模型评估，实现研发迭代与应用检验的交替推进，以此让技术迅速落地。

二是要催发“多元主体”的协作合力，破解赋能转化的孤立态势。生成式人工智能的赋能转化涉及行业主管部门、科研院所、科技企业、职业译者等多个主体，但当前各主体之间缺乏通畅的沟通桥梁，甚至在一定程度上呈现出“分散探索”的状态。催发多元主体的协作合力，需要厘清各主体的职责：行业主管部门发挥规划与监管作用、科研院所与企业聚焦算法突破与产品开发、职业译者为模型的风格打磨和错误修正提供专业反馈。

“夯实”是根本保障

积极利用生成式人工智能的多元价值赋能英语翻译的发展，需要在确保可信、公正、可控的基础上，实现价值的稳妥释放。

一是要夯实可信保障，守住赋能应用的底线。生成式人工智能处理的是语言符号和语义信息，涉及源语理解的准确性、译文的忠实性以及潜在偏见，其可信度对于翻译成果而言至关重要。这既需要加强生成式翻译模型的鲁棒性研究，优化模型对歧义句、文化特定项的应对能力；也需要强化对翻译输出结果的自动化与人工双重校验，确保译文符合专业标准后再交付使用；还需要规范训练数据的来源与标注流程，防范翻译过程中出现的意识形态偏见、文化误读与信息扭曲。

二是要夯实公正保障，彰显赋能应用的温度。无论是通用型翻译模型还是垂直领域翻译模型，其开发与应用都应服务于跨语际沟通的公共利益，确保技术能够覆盖多样化的语言群体和需求层次。当前，生成式人工智能的翻译应用还存在资源倾斜的失衡风险，在英语与主流欧洲语言获得高度优化的同时，部分小语种和少数民族语言的翻译需求尚未得到充分满足。因此，生成式人工智能的翻译应用需要格外注重普惠导向，不断向边缘语言群体延伸。例如，行业组织设立专项基金，鼓励开发者采集低资源语言的语料，让非通用语种的使用者也能便捷获取并应用高质量的机器翻译服务。

三是要夯实可控保障，把稳赋能应用的航向。生成式人工智能作为深度介入语言表达和意义建构的前沿技术，一旦失范，译者的主体性和创作独立性将面临被侵蚀的潜在威胁。为此，需要对生成式翻译模型的训练、测试、部署各阶段进行全程追踪，明确禁止高风险的主观意图篡改和情感导向操纵，确保生成式人工智能始终在人类专业判断的主导下安全、有序地辅助翻译活动。

随着生成式人工智能赋能翻译领域的不断深化，人类语言交流或进入“智能共融”的新阶段。面对这样的态势，唯有坚持“开掘”“催发”与“夯实”相统一，才能使翻译事业在新一代智能浪潮中更好地借技增效、守正创新。

（作者系辽宁石油化工大学硕士研究生）