摘要: 在信息技术日趋发达的今天，以人工智能为基础的翻译技术更加成熟。在人工智能时代下，翻译市场对翻译专业人才的翻译技术培养提出了新要求，培养翻译人才的翻译技术能力以及改变翻译人才教学模式迫在眉睫。高校作为培养翻译人才的主场所，亟需转变和创新翻译人才培养模式，融入协同开放的翻译教育互联网思维，深化技术赋能与学科融合理念，主动对接国家和地方战略，全力推进翻译专业在线数字教育。在人工智能发展的大背景下，构建对接职业化与市场化翻译人才培养的新体系，为培养符合时代要求的翻译人才尽绵薄之力。
Abstract: In today’s increasingly developed information technology, the translation technology based on artificial intelligence has become more mature. In the era of artificial intelligence, market poses higher requirements for the translation technology cultivation of translation professionals, and it is urgent to cultivate the translation technology ability of translation talents as well as change the teaching mode of translation talents. As the main venue for cultivating translation talents, colleges and universities urgently need to transform and innovate the training mode for translation talents. They should integrate the collaborative and open Internet-based thinking in translation education, deepen the concepts of technology-empowered and interdisciplinary integration, proactively align with national and local strategies, and fully promote the online digital education for translation majors. Against the background of the development of artificial intelligence, it is necessary to construct a new system that caters to the cultivation of professional and market-oriented translation talents, making modest efforts to cultivate translation talents who meet the requirements of the times.
1. 引言
随着计算机信息技术蓬勃发展，以人工智能为导向的技术冲击着各行各业。人工智能(Artificial Intelligence，简称AI)时代，正在深刻改变人类社会生活，呈现跨界、人机协同等新特征，推动各领域智能化。算力、算据、算法的突破让AI技术迅猛发展，引发全球行业颠覆性变革[1]，当下，人工智能加速融入日常生活。以沃尔玛为例，其机器人已替代部分非一线客服岗位等。自人工智能赋能机器翻译后，机器翻译开启高速发展新阶段。如美国微软公司早在2018年便宣称，其研发的机器翻译系统于通用新闻汉译英领域首次追平人类专业水准[2]。与此同时，现代语言服务市场不断壮大，翻译技术发展方兴未艾，成为翻译研究的重要组成部分和翻译教学的新范式。翻译技术转向的出现，如同语言学转向、文化转向等，引发了一系列的翻译变革和群体性的理论焦虑，同时也为学界带来了全新的研究课题。身处技术蓬勃发展的时代浪潮之中，若能厘清翻译技术转向所涵盖的基本概念，洞悉其具体的表现形式，深入剖析由此带来的机遇与挑战，那么翻译研究便能挣脱技术焦虑的泥沼，进而在新时代为自身开拓出全新的发展天地[3]。此外，在机器翻译技术迅猛发展的今天，译者不仅应身怀译技，还要善用译器。在积极拥抱技术的同时，更应该发挥主观能动性和创造性[4]。自人工智能神经机器翻译出现，“机器翻译取代人工翻译”传言不断。在此背景下，高校翻译专业是否陷入生存困境？又该如何优化人才培养方案以契合行业未来走向？机器翻译时代的来临，于翻译人才培养而言，究竟是挑战重重还是机遇无限？这些皆是高校翻译专业教育工作者亟待思索的关键问题。
2. 研究背景
2.1. 国内进展
当前机器翻译引擎依托计算机信息技术，可进行语言转换，其运作涉及信息论、语言学、数理逻辑等多领域，作为人工智能分支，极具研究价值与发展潜力。并且，伴随机器翻译技术的持续优化与完善，其应用价值亦在不断攀升，在众多领域展现出日益显著的影响力与实用性[5]。互联网飞速发展打破全球地域限制，在线翻译在政治、经济、文化等领域作用日益显著，智能化进程使其在日常生活中应用愈发广泛，不仅能处理文字信息，还逐步拓展至在线识图、语音识别(翻译)等智能化功能[6]。在人工智能技术蓬勃发展的大背景下，AI翻译器作为又一新兴智能衍生品应运而生，国内众多科技巨头亦纷纷布局，竞相推出各自的相关产品。其中，“咪咕灵犀”凭借其先进的AI技术应用、魔芋AI翻译机、搜狗旅行翻译宝以及网易有道翻译王2.0 Pro尤为引人注目，成为该领域中具有代表性的典型产品[7]，以及基于openAI设计的ChatGPT等，借助这些翻译工具，人类基于出行、工作等需要时，可以在瞬时内得到一个较为准确的翻译结果。虽然翻译产品越来越多，功能越来越齐全，准确率也在不断提升；然而，就目前而言，AI翻译在准确传递情感内涵、语义理解方面仍有不足，特别是面对蕴含丰富传统文化内涵与时代特征的中国特色话语体系时，其局限性愈发凸显，仍需改进。翻译硕士学位从2007年批准设立至今，已经有十几年的时间，培养出了不少的翻译硕士人才。但符合市场需求的高质量人才仍旧寥寥无几[8]。我国大多数高校仍然沿用传统单一的外语教学模式，尚未摆脱外语人才培养的陈旧理念和做法，尤其在翻译人才培养模式方面暴露出一些关键问题：其一，不少高校教学课程培养失衡，重语言与翻译理论，轻“翻译技术、职业、杂学”素养，课程陈旧，学生综合能力难匹配社会多元需求；其二，高校培养模式、课程理念趋同，未挖掘地域、校本特色，人才缺乏辨识度与竞争力；其三，翻译实践在各高校被边缘化，理论与实践脱节，学生缺少实战平台，实践能力难提升；其四，多数高校翻译教师外语精、理论强，但口笔译经验少等。在国家大力倡导“一带一路”建设以及文化“走出去”战略的时代背景下，建设符合国际文化交流平台、培养高素质专业翻译人才仍是刻不容缓的。能够真正承担起在海外推广“中国故事”的文学类文本翻译人才紧缺[3]。在时代需求的背景下，高校翻译人才培养面临各种挑战。如何确定人才培养目标、完善培养方案、创新培养模式，成为亟待解决的关键问题。
2.2. 国外研究进展
机器翻译起源于20世纪30年代初，法国科学家G. B.阿尔楚尼率先提出用机器翻译的设想，同期苏联发明家特罗扬斯基设计了翻译机器。1947年，美、英两国的科研人员Weaver与Booth提出利用计算机自动翻译，1949年进一步明确机器翻译理念。此后，机器翻译有所发展。但在1966年，美国科学院语言自动处理咨询委员会发布《语言与机器》报告，否定其可行性，令机器翻译陷入低迷。后来，国际科技情报交流日益频繁，人工翻译难以应对海量信息。恰逢计算机技术飞速发展，提供了有力支撑，机器翻译由此再度兴起[9]。2016年谷歌发布“神经网络机器翻译(NMT)系统”[10]以来，机器翻译得到迅猛发展，不仅支持多语言、多方向翻译，更是实现了与“语音识别、语音生成、字幕技术等多技术相结合”[11]，极大提高了翻译质量和效率，降低了翻译成本，满足了多元需求。
AI时代，翻译技术广泛应用，正在变革传统翻译实践、以适配市场需求，进而推动翻译研究与理论发展。在技术驱动下，传统翻译正在拓展新视野，如翻译对象、主体、模式、等呈现显著技术化转向。本研究尝试阐释在人工智能翻译发展浪潮下，分析人工智能翻译的优势和不足，结合现有研究，努力解决当前高校翻译人才培养目标宽泛、教学理念滞后、课程体系不完整等问题，为探索高校创新培养翻译人才的路径提供参考。
3. 新时代翻译人才发展路径的构建
随着全球化和信息化进程不断推进，基于神经网络的人工智能翻译给全球语言服务行业带来了飞速发展，也给传统式的翻译教育人才培养模式带来了冲击。根据相关数据统计，当前国内布局翻译硕士专业教学的院校已达200多所，年招生规模逾10,000人，且招生方向主要以英汉翻译为主。市场需求的不断变化也影响着高校翻译人才培养的方向。本研究尝试从高校教学模式、教学方法、课程内容、专业目标等方面问题逐一破解，实现人工智能下高校翻译人才培养模式的转向。
3.1. 探索创新人才培养路径
聚焦人工智能技术蓬勃发展这一背景，构建完善人工智能背景下完善高校翻译人才培养体系，从开设CAT教学和翻译工具的应用两大方面培养译者在人工智能技术驱动下提高翻译技术能力(信息检索能力、CAT工具应用能力和译后编辑能力等)，向学生教授各种各样的翻译应用软件，结合语音识别、文字识别等技术的翻译应用，并培养学生养成检索和建立专业领域的双语语料的习惯，为今后在语言服务领域的职业生涯打下坚实的基础。
3.2. 培养翻译实践能力
高校尤其是医科院校外语教学中采用任务型语言教学，以及任务型语言教学与“学科型教学”的结合，创新教学手段，采用语言专业教师和体育专业教师的协作教学。医学类院校是医学领域人才培养的重要阵地，在医学院校，以医学文化、医学信息和医学项目管理等为主题、话题与任务的教学理念应贯穿于语言教学过程。本研究采用社会实践活动途径，倡导学生体验参与，依托医学院校优势医学项目构建医学英语实践培养平台，拓展翻译专业学生语言知识在医学领域中的运用和适应能力。
3.3. 领会语料库的创建与应用
医学翻译语料库建设构建起集医学项目语料采集、对齐、标注及审核多功能于一体的专业化定制科研平台，赋能医学院校师生依据自身教学、科研及学业实践需求，针对医学项目语料就来源、译者、质量、发表时间等关键维度实施精准标注，并支持便捷查询操作，进而促使原本零散分布的翻译资源得以整合，转化为具备中心化、平台化与可视化特性的大数据资源集，为医学翻译研究与教学实践筑牢数据根基。在人工智能与大数据深度渗透外语学习领域的当下，促使学生养成语料积累习惯并熟练掌握语料库应用技能，已然成为教师教学实践的关键任务。教师理应将语料库有机融入教学与科研活动之中，充分挖掘其应用价值。鉴于此，探索校企合作模式以推动大数据建设极具现实意义。利用翻译公司和人工智能公司的技术和平台优势，服务于医学语料库建设，在教学、科研和赛事服务的过程中全方位助力大数据语料库建设和应用的能力。
4. 结语
在基于规则的机器翻译范式下，机器以语言学家预先精心编制的翻译规则库为依托，通过对源语言文本的深度解析，严格遵循既定规则，实现向目的语的转换。与之相对，基于统计的机器翻译模式运作机理有所不同。该模式是利用机器的建设概率模型，针对海量双语语料库执行操作，运用统计原理，筛选出与源语言匹配率最优的译文，最终实现翻译任务。人工智能神经网络机器翻译是基于深度学习技术的新型模式，其含海量神经元的神经网络能自主从语料库筛选翻译理论知识，先将源语言转换为机器可识别的语言，再经复杂传导运算得出目的语[8]。该翻译模式运用神经网络对源语言进行深度剖析与理解，以深度理解为基石，驱动源语言向目的语进行精准转换，以实现最终翻译目的。尽管语料库不断更新、语言学习功能渐强，这些都助力了人工智能翻译迅猛发展，但也给翻译专业人才培养带来空前冲击与挑战。鉴于此，高校应审时度势，在AI大背景发展如此迅速之下，面对冲击与挑战，检视现行培养模式的不足、创新培养模式、全方位规划建设才是优化翻译人才培养的必由之路。
基金项目
“新医科”背景下本硕一体化医学翻译人才的培养探索2021WYZX16。
NOTES
*通讯作者。