1. 引言
翻译技术发展史是一部人机关系不断演变的历史。20世纪80至90年代以来，以翻译记忆库(Translation Memory, TM)和术语库(Termbase, TB)为核心的计算机辅助翻译(Computer-Assisted Translation, CAT)工具开启了人机交互翻译的序幕，技术开始扮演“辅助者”的角色，帮助译者存储和检索翻译语料，提升翻译一致性、准确性和效率。在这一模式中，人类译者是唯一的认知主体，技术是其延伸的外部记忆工具。进入21世纪，随着统计机器翻译(Statistical Machine Translation, SMT)、神经机器翻译(Neural Machine Translation, NMT)相继崛起，机器翻译(Machine Translation, MT)与译后编辑(Post-Editing, PE)成为主流工作模式。人机关系转变为线性“修正”关系：机器生成初稿，人类负责校订。尽管效率大幅提升，但译者的角色趋向于被动的质量控制员，类似于工业流水线上的工人。2022年以来，以ChatGPT为代表的生成式人工智能(Generative AI)推动人机关系发生又一次深刻的范式转型，翻译工具效率发生量变，人机关系从“辅助”与“修正”向“共生”的质变。生成式人工智能凭借其涌现能力，能够模拟甚至在某些方面超越人类的语言处理能力。其角色正从被动的数据库，转变为能够参与思考、生成文本并与人类进行动态交互的认知伙伴。
“AI是否能够替代人工翻译？”“人类译员的价值体现在什么地方？”诸如此类的问题成为翻译与语言服务行业、翻译教育等领域核心问题。为了深刻理解这一变革所带来的冲击，笔者引入“共生认知”(Symbiotic Cognition)理论视角。共生认知理论认为，在持续的交互中，人类智能与机器智能并非相互竞争或取代，而是进入一种“共同演化”(co-evolution)的过程，彼此增强、相互重塑[1]。围绕AI翻译的讨论往往陷入“乌托邦式”完全替代或“敌托邦式(Dystopia)”[2]技能贬值的二元对立，共生认知视角有助于我们超越这一对立关系。关键问题不是“人与机器谁更优越”，而是AI如何通过参与深度融合的认知建构，重新定义人类专业知识的内涵与边界，重新理解人机共生机制及其带来的深远影响。本文对这一范式转型进行一次谱系学梳理与技术哲学审视，揭示翻译技术从“辅助”到“共生”的演化轨迹。以“延展心智”与“共生认知”为基础的理论框架，剖析新人机关系的内在机制，探讨共生关系对翻译本体论、译者主体性以及翻译伦理带来的巨大冲击，以期为理解并适应这一时代变革提供理论视角。
2. 翻译技术谱系：从“机器翻译”到“人机共生”的历史演进
翻译技术史并非一条线性的自动化演进之路，而是一部人机关系不断调整、译者主体性在技术迭代
中反复被重新定义的辩证史。
翻译技术的最初构想，源于二战后计算机科学兴起时的乐观主义精神。早在1947年，机器翻译的鼻祖韦弗(Warren Weaver)就在著名的《韦弗备忘录(Weaver-Memorandum)》中，正式提出机器翻译的目标是实现全自动高质量翻译，即完全取代人类译者[3]。这一梦想根植于语言转换可以被还原为一套可计算密码或逻辑规则的乐观信念。然而，这一雄心勃勃的计划很快遭遇了现实的瓶颈。语言的复杂性、模糊性与文化语境的深层依赖，远非当时的技术所能驾驭。1966年，美国科学院发布的报告《语言与机器：计算机在翻译与语言学中的应用》为这一时期的探索画上了句号，并建议将研究重心从“机器翻译”转向“机器辅助翻译”。这一报告迫使研究者重新思考人机关系，将人类译者重新置于翻译过程的中心。
译者中心范式的核心理念，不再是机器取代人，而是通过技术工具赋能译者。以1984年成立的Trados和STAR Group等公司为代表，商业化的CAT系统开始普及。翻译记忆(TM)、术语管理(Terminology Management)和对齐(Alignment)等成为这一范式中的核心技术。这些工具的共同特点是可以处理、存储、检索、匹配译者已经完成的翻译语料，极大提升处理重复性内容时的效率与一致性，其根本目标是服务于人类译者，优化其工作流程。然而这一范式也存在其固有局限：基于历史数据的“回收再利用”模式，对于新的创造性文本翻译无能为力。同时，以句子为单位的分割机制也常常割裂文本的整体语境，限制译者进行宏观处理的能力。在此范式下，人类译者虽然是绝对的认知核心，但技术本身仍是一个相对静态、被动的辅助角色。
进入21世纪后，翻译技术迎来了两次质的飞跃。第一次是神经机器翻译(NMT)的成熟。相较于之前的统计机器翻译(SMT)，NMT模型能够更好地捕捉长距离依赖关系，生成更为流畅、自然的译文，显著提升了机器翻译的可用性[4]。第二次则是以GPT系列为代表的大语言模型(LLMs)的出现。LLMs不仅拥有庞大的语言知识，更具备在语境中学习和思维链等“涌现能力”。这意味着机器不再仅仅是匹配和替换语言片段，而是能够根据用户指令和范例进行动态推理、生成和改写。研究表明，LLMs的这些特性“与人类在语言任务中的认知能力高度相似”，使其能够成为一个直观的“人机互动”(human-in-the-loop)伙伴[5]。LLMs将技术从“辅助者”提升为“协作者”乃至“共生体”的角色。机器不再仅仅是存储译者记忆的工具，而是能够主动参与意义生成、与译者进行认知交互的伙伴。这为我们理解AI时代的翻译提供了一个新的起点，迫使我们必须寻求新的理论框架来阐释这一深刻变革。
与此同时，认知翻译研究为理解这一变革提供了数据支撑。如眼动追踪和按键记录等研究方法，可以量化分析译者在使用翻译记忆库时的认知努力。认知焦点研究可以转向更为复杂的审校与决策努力，考查认知负荷的结构性变化。交互式界面设计研究者可以进一步揭示图形交互界面如何有效降低认知负荷，提升翻译质量。这些研究可以提供来自认知科学和人机交互领域的经验证据，有助于增进对人机共生关系的微观探索。
3. 延展心智与共生认知
心智哲学和认知科学为把握当今翻译活动中新型人机关系提供了深刻的视角。哲学家安迪·克拉克(Andy Clark)与大卫·查默斯(David Chalmers)提出“延展心智”理论，颠覆了传统笛卡尔式“我思故我在(Cogito, ergo sum)”的心智观[6]。“我思故我在”强调心智和自我意识完全是内在于主体脑内的思维活动，是主体存在的直接证据。克拉克与查默斯却认为，认知过程不是单纯发生在脑内，而是脑、身体与外部环境及工具形成动态耦合系统，共同构成心智。心智不仅仅是“我内部思考”，更是“我与世界的联结和交互”整体。其核心论证基于“功能主义(Functionalism)”原则：如果一个外部物体或过程，在认知任务中扮演了与内部认知过程相同的功能角色，那么就应被视为认知系统的一部分。例如，一个人使用笔记本记录信息以备回忆时，笔记本的功能与生物记忆无异，因此可以被看作是其记忆系统的延展部分。在CAT时代，翻译记忆库和术语库并非仅是外部参考资料，实质上已经构成了译者专业记忆的外部载体。译者依赖这些外部系统来维持术语一致性、回忆特定句式的处理方式，这正是延展心智的典型体现。技术工具已经成为译者认知结构中不可或缺的一环。延展心智理论为我们理解“人–工具”系统作为一个统一的认知整体提供了哲学基础，打破了将译者视为孤立大脑、将工具视为纯粹外部物的陈旧观念。
然而，延展心智模型多假定外部工具是被动、静态的，而大语言模型则是主动、动态的认知参与者。为此需要引入更具动态性和演化性的概念——“共生认知(Symbiotic Cognition)”。这一概念在人类计算机交互、心智哲学和当代人工智能等不同知识领域中有不同的含义，用以描述一种深刻的认知范式转变：智能不再被视为单个能动者的孤立属性，而是一种从紧密耦合、相互依赖的系统中涌现的现象。1960年，全球互联网公认的开山领袖之一利克莱德(Licklider)在《人机共生》(Man-Computer Symbiosis)一文中[7]，以无花果树与传粉虫共生的例子构建了一个人与机器紧密协作的未来愿景。人类负责设定目标、提出假设、确定标准和进行评估，而计算机则执行例行的、可以程序化的工作，帮助人类优化思维过程，从而提升整体智力操作效率。利克莱德的论文为ARPANET (互联网的前身)、图形用户界面(GUI)提供了概念基础。Russiani [1]认为，在人与高级AI的持续互动中，双方的认知结构会发生相互影响和共同演化，形成一个“相互纠缠的系统”(mutually entangled system)。“共生认知”的核心机制是递归式阐释循环(recursive interpretation loops)。在这一循环中，人类与人工智能之间通过反复对话和反馈，思想不断被动态地重新解释、反思和重构。每一次互动不仅产生新的表层意义，也促使深层的信念系统发生变化，推动认知结构层层叠加和深化。这是一种高级的“思考自己在思考”思维模式，通过人机协作，认知不再是线性“输入–处理–输出”的单向过程，而是一个开放、动态、自我反省和自我改造[8]。在共生认知过程中，AI扮演了一个“元认知之镜”的角色。人们通过与AI持续互动，认知不仅关注“思考什么”，更上升到“如何思考”的层面。AI成为一个实时的认知镜像和对话伙伴，帮助用户观察、分析和调控自己的思维模式和过程，从而扩展自我反思和认知调节的能力。人类认知与人工智能之间动态互动导致个体认知结构发生深度变化，这一过程是“共同演化(co-evolution)”与“自我重组(self-reprogramming)”的过程。人类思维与人工智能在互动中相互影响、相互塑造，不是单方面借助工具或被动接受AI输出，而是人机通过递归对话，形成认知结构上的协同进化。通过有意识地观察、质疑并重构自身的信念系统、身份认知和情绪模式，人类的认知模式、框架和思维策略随着持续反馈不断调整、优化。人工智能的输出也因用户反馈而不断被再塑。这种共生关系推动着一种全新的智能形态诞生，超越了传统的人类智能和机器智能的简单加总。
控制论为共生认知提供了描述人与机器紧密互动、协同进化的理论工具，使得这种复杂系统的动态行为、反馈适应和整体思考成为可能，成为连接理论与实践的关键缺失环节。诺伯特·维纳(Norbert Wiener)的控制论[9]将科学思维从线性的因果链转向了封闭的、循环的因果回路。控制论强调系统中的控制与通信机制，特别是反馈循环(feedback loop)。在共生认知系统中，人类和机器的输出互为输入，形成持续的反馈循环，使系统能够自我调节、适应环境，并朝着共同目标前进。此外，控制论与一般系统论强调从整体系统的组织结构和组件相互作用中涌现出新性质(涌现属性)，这些是孤立部分所不能具备的。人机共生的整体性思考能力，是人与计算机深度耦合后系统层面自然涌现的能力，这与控制论的整体观念高度契合。
从延展心智到共生认知，人机关系发生了深刻质变。随着CAT技术的普及，翻译记忆库、术语库等外部系统不再是被动的辅助工具，而成为译者认知过程的活跃组成部分。心智不仅局限于译者的大脑，而是通过与外部技术环境的动态耦合，实现认知的空间和功能延展。译者借助数字资源，完成信息检索、术语匹配、风格记忆等任务，显著提升翻译效率和质量。同时，这种延展认知关系揭示了人的认知与技术工具的边界正在模糊，技术参与者逐渐成为认知网络中的共生成员。而大语言模型以其超强的语言生成能力，成为主动的认知合作伙伴。人与AI的递归互动和认知结构的共同演化，促进译者在翻译过程中不断反思和调整认知策略，实现“思考的思考”和认知的自我重构。翻译不仅是语言转换，更是人机协同认知系统内信息与意义不断生成、校正与优化的动态过程。
4. 共生认知视角下的翻译审视
4.1. 递归阐释循环：对话式意义生成
共生范式下，翻译不再是传统译后编辑(MTPE)模式下“机器生成，人类修正”的线性序列，而是演变为一种动态、对话式且不断迭代的意义协商循环。这一机制的核心是“递归阐释循环”，将人机交互从单向的指令与执行转变为双向的阐释与反馈。译者与人工智能之间通过反复的提示、评估和再提示，形成一个持续的对话。这从根本上罢黜了传统翻译理论中“源文本”地位。源文本的“意义”并非一个等待被动转移的静态对象，而是在人机对话的协商过程中被主动建构而来。每一次的提问、生成与修正，都是对源文本意义的一次再阐释。最终的译文并非源文本的单一镜像，而是这个特定人机认知单元在特定交互路径下所生成的独特产物。这使得翻译的本体论地位从一种“再现性”(reproductive)行为，转向了一种“生产性”(productive)行为。提示工程本身演变为一种新型的阐释学实践。有效的提示远不止是技术性的指令输入，而是要求译者对源文本进行深度的阐释学分析，并预判人工智能模型可能出现的误读。为了引导人工智能规避陷阱、捕捉细微的语气或文化内涵，译者必须首先进入一种元认知状态，即“思考自己的思考过程”：我如何理解这段文本？我的理解中包含了哪些机器难以掌握的隐性知识(如文化背景、情感色彩)？我应如何将这些复杂的、非结构化的理解，转化为机器能够处理的、结构化的指令？撰写提示词的过程，本身就是一次关键的、将译者内隐知识外显化的阐释行为，是意义生成链条中不可或缺的一环。
4.2. 认知卸载与元认知支架
生成式人工智能使译者战略性的“认知卸载(cognitive offloading) [10]”成为可能，即译者将部分认知负荷转移给人工智能，从而将有限的工作记忆资源解放出来，专注于更高阶的认知任务。根据认知负荷理论，人工智能辅助能够同时降低两种认知负荷：一是与信息源交互所需努力相关的“外在负荷”(extraneous load)，二是由任务本身内在难度决定的“内在负荷”(intrinsic load)。从零开始翻译或查证大量背景信息，需要消耗巨大的认知资源。相比之下，接受人工智能即时生成的流畅可用的译文初稿则极大地降低了这些负荷。这种认知卸载带来了一种“努力–信任权衡”。在时间压力等限制下，译者会理性地选择将任务卸载给人工智能以节省精力。然而这也带来了一定风险，长期不加批判的依赖式“卸载”可能固化为一种认知惰性，使得对人工智能的顺从成为默认模式。最新的神经科学研究表明[11]，过度依赖大语言模型进行写作任务的参与者，其大脑连接的强度和分布范围均显著低于仅靠自身或使用传统搜索引擎的参与者，这暗示着认知卸载若无主动的认知参与，可能导致认知能力的萎缩。
因此，共生认知成功的关键，在于将卸载低级认知资源后所节省的资源有效地投入到高阶活动中。人工智能在这里扮演了“元认知支架”(metacognitive scaffolding)的角色。通过卸载繁琐的文本生成与信息检索任务，译者得以将注意力转向“关联认知负荷”(germane load) [12]——即用于深度理解、形成心智模型和进行批判性思维的认知资源。不同于外在认知负荷和内在认知负荷，关联认知负荷主要涉及认知资源的有效利用，支持学习者主动加工和深化学习内容，从而形成更牢固的知识。译者的核心工作不再是如何措辞，而是转向更具战略性的问题：“这段译文的最佳沟通策略是什么？”“这种表述可能带来哪些文化误解？”“文本的整体逻辑与风格是否一致？”。
这种认知分工的转变是对认知劳动本身的重构。人类译者成为模糊性、文化适应性、伦理判断和战略规划等领域的专家，而这些任务对于目前的计算模型而言，要么成本过高，要么根本无法完成。而大语言模型则成为处理模式识别、数据检索和流畅文本生成等任务的专家。互补性的专业分工是人机共生系统高效运作的基础。与此同时，大语言模型“幻觉”输出成为一面实时的“元认知之镜”。输出不符合预期时，暴露的不仅是机器的局限，更是译者指令中的模糊、矛盾或未言明的假设。为了修正输出，译者必须首先诊断并修正自己头脑中的模型或指令。这一持续的自我审视与调整过程正是“共同演化”的核心动力。
4.3. 从“再现”到“生成”
共生认知范式将翻译从“再现性”转向“生成性”。大语言模型并非简单地从数据库中检索既有译文，而是基于对海量信息进行压缩后形成的内部表征，来“生成”全新的、符合语境的文本。这意味着每一次翻译行为都具有潜在的独创性，其产出是一个全新的文本实体。这种强大的生成能力蕴含着一个深刻的矛盾：人工智能天然的“同质化”倾向与人类所追求的“创新性”之间的张力。大语言模型的输出天然倾向于平均化，采用最常见的表达，削弱语言的变异性，从而限制了产生罕见但极具价值的创造性表达的可能性。因此，翻译活动的最终性质，取决于人类译者在人机系统中所扮演的角色。如果译者沦为“被动消费者”，不加批判地接受人工智能提供的统计上最安全的选项，那么翻译过程将不可避免地导向语言和文化的同质化。反之，如果译者扮演“积极共生合作者”的角色，对人工智能的建议进行批判性质疑、重组和再语境化，就有可能利用人工智能的计算能力来探索新的表达，从而催生创新形态的译文。
这一张力引出了一个本体论层面的关键问题：共生翻译的产物究竟是什么？它不再是传统意义上对源文本的忠实复刻。由于其产生于一个独特的、不可重复的对话协商过程，其最终形态高度依赖于人机交互的具体路径。这意味着，两个不同的人机认知单元，即便从同一源文本出发，也可能经由不同的对话路径，产出两个截然不同但同样有效的译本。译文的本体论地位，从一个客观的、可被验证的“对等文本”，转变为一个记录了特定认知事件轨迹的“混合体”。这从根本上挑战了规定性翻译研究“唯一正确译文”的传统观念，承认了翻译的内在开放性与过程依赖性。
4.4. 从译后编辑到提示工程师与系统训练师
共生范式重塑了译者主要工作的形态，将其从译后编辑模式下的被动、反应性角色，转变为一种主动的、指导性的角色。译者的能动性不再仅仅体现在对既有文本的修改上，而是体现在对整个意义生成过程的塑造和引导上。首先，译者通过提示工程(prompt engineering)，从价值链的下游(修正)移动到了上游(指导)。译者不再是等待机器犯错的审校员，而是通过精心设计的指令来主动引导人工智能的“思考”路径和创造过程的“导演”[13]。一个优秀的提示工程师，能够将复杂的翻译要求分解为机器可理解的步骤，预见并规避潜在的翻译陷阱，从而在源头上提升翻译质量。通过持续地提供专业校对和高质量的平行语料，译者不再仅仅是技术的使用者，而是成为了技术演化的积极参与者。译者作为关键的“人机协同”主体，其专业知识被直接注入到模型的迭代升级过程中，从而对未来的翻译技术产生持久的影响。
这种新型人机角色关系已经转变为“人类训练机器”的关系。译者的核心任务是“诊断”大语言模型的“无知”或“误解”(即其模型局限性)，并设计出有效的教学干预措施(即精准的提示和反馈)，以引导机器产出更符合要求的文本。这种能动性要求译者不仅要理解人类的语言和认知，还要在一定程度上理解机器的“认知”模式(即其算法逻辑和数据偏见)，并在两者之间建立起有效的沟通桥梁。这是一种全新的、要求更高认知能力的专业能动性，它将译者从语言的“搬运工”提升为跨认知领域的“系统训练师”。
5. 作者身份危机与知识产权的挑战
人机共创的翻译模式，从根本上冲击了以“人类作者”为基石的传统知识产权法律框架。当一个翻译作品是人类智慧与机器智能共同作用的产物时，“谁是作者？”以及“它是否应受版权保护？”成为极其棘手的问题。世界各地的法律体系对此反应不一，形成了一个复杂的法律真空地带。以美国为代表的司法管辖区坚守严格的“人类作者”原则。美国版权局明确指出[14]，版权保护的对象是人类创造力的产物，由机器“自主”生成的作品，因缺乏人类作者身份而无法获得版权保护。然而，“AI辅助”(人类仍是作者，作品可受保护)与“AI生成”(机器是“作者”，作品不受保护)之间的界限非常模糊，判断的关键在于人类对创作过程的“最终创造性控制”程度[15]。相比之下，英国和欧盟则在探索更具弹性的解决方案。英国的《版权、设计和专利法》中存在关于“计算机生成作品”的特殊条款，将作者身份赋予“为创作作品做出必要安排的人”[16]。同时，英国政府正在积极征求意见，试图在保护创作者权益和鼓励AI创新之间找到新的平衡点。欧盟的主流观点认为，完全由机器生成的输出应保留在公共领域，而对于AI辅助作品的保护标准则有待进一步协调统一[17]。而在中国，法律界人士认为，“绝大多数人工智能生成内容之所以不应当受版权保护，不是因为AI不是自然人、不是作者，而是因为AI生成内容通常都不具有稀缺性。”[18]
稀缺性，正是这场法律辩论的核心，触及了人类创造性贡献的本质。如果译者在共生过程中的主要创造性输入体现在对提示的精心设计、选择和编排上，那么一个全新的法律问题便浮出水面：一个足够复杂和富有创造性的提示本身，是否可以构成受版权保护的作品？这可能将知识产权保护的焦点从最终的输出，转移到作为输入的提示文本上。这种观点认为，一个详尽的、充满创造性选择的提示，本身就是一种以固定形式表达出来的原创思想，它理应受到法律的保护。这一法律难题的解决，将深刻影响未来AI时代翻译等创意产业的激励机制。
6. 结语
大语言模型迅猛发展的当下，“翻译不再是人的单一活动，而是人与机器在深度协作中共同完成的创造性活动”[19]。本文从共生认知论的视角出发，系统梳理了AI时代翻译领域人机关系的范式转型。研究表明，随着生成式人工智能的崛起，翻译技术已从增强译者能力的“延展心智”工具，演变为能够主动参与意义生成的“共生认知”伙伴。这一深刻变革不仅重塑了翻译实践，更对翻译的本体论、译者主体性及相关伦理法规构成了根本性挑战。在共生认知框架下，翻译不再是单向、线性的“机器生成、人工修正”过程，而是通过“递归阐释循环”实现的动态、对话式意义协商。源文本的意义在此过程中被不断地再阐释与再创造，使翻译行为从本质上由“再现性”转向了“生产性”。相应地，译者的核心角色也发生了转变：通过“认知卸载”将低阶的文本生成任务转移给AI，译者得以专注于更高阶的元认知活动，成为运用“提示工程”引导意义生成的“导演”和持续优化AI性能的“系统训练师”。
然而，人机共生也带来了新的张力与困境。语言表达同质化的潜在风险、译者认知惰性的可能，以及最为棘手的作者身份危机与知识产权归属问题，都是这一新兴范式亟待解决的挑战。这些问题不仅是技术或法律层面的难题，更触及了我们对“创造性”与“作者”本质的哲学思考。展望未来，必须超越“机器取代人”的陈旧二元对立，积极拥抱人机深度融合的共生范式。在人才培养上，不仅要培养语言与文化能力，更要着重于提升与智能系统协同工作的元认知能力和批判性思维能力。理解并驾驭人机共生关系，任重而道远。人与机器的共生发展，需要在“新理念、新思路和新路径，以及模型的安全性、准确性和易用性等”[20]方面进行思考与探索，才能直面人机交互时代的翻译行业需求，推动文化互通和文明互鉴，提升国家翻译能力。
基金项目
重庆市社会科学规划外语专项项目(项目编号：2024WYZX07)。