人工智能将如何影响翻译行业的未来
最近，人工智能领域相关技术不断取得新突破，AI翻译的相关应用程序和软件也日益丰富。除了谷歌翻译等几款近年流行的翻译软件外，ChatGPT等新的AI工具也越来越多地应用于语言翻译，甚至可生成更准确、更流畅的翻译文本。
人工智能将如何影响翻译行业？围绕相关话题，中新社“东西问”此前在巴黎专访了北京语言大学高级翻译学院名誉院长刘和平。
现将访谈实录摘要如下：中新社记者：我们看到人工智能在翻译领域的应用越来越多，特别是ChatGPT等AI新技术的影响力越来越大。AI未来是否会给人工翻译带来较大冲击？
刘和平：在我看来，人工智能的发展可以和手机的发展作一些类比。手机问世最初只具备通话功能；随着技术的发展，手机的功能越来越多，然而手机发展到现在也无法代替人。人工智能也是同样的道理。ChatGPT或许可以被认为给人工翻译带来了冲击，但事实上相关技术在给人类提供更多帮助，并不能取代人工。人类也在这一过程中与时俱进。
在翻译领域，AI能够给人类提供更多的翻译服务。每个人的翻译水平不尽相同，如果一个人的某个语种的翻译水平不如AI，那他的相关工作就要被AI翻译所代替。未来翻译行业需要更多高端翻译，就是说人工翻译出的译文既要翻译出原文的基本信息，也要翻译出原文的情感。
我已经使用ChatGPT进行了翻译方面的很多试验。它可以平整地把原文翻译出来，能够做到没有语法错误，但是这种AI翻译出的译文是没有情感的。我想要通过原文表达的喜怒哀乐，AI译文终归无法完全表达出来，至少目前是这样。人工翻译应在“创新”和“情感”上为自身发展留好位置。
中新社记者：但社会各界存在某种担心，即人工翻译未来是不是会真的被人工智能所取代？
刘和平：现在翻译专业的学生和家长都对此有些担心，社会舆论同样对此担心，我个人觉得这种担心是没有必要的。AI翻译永远无法代替人工翻译。我们早年写文章使用稿纸，后来使用电脑，再后来开始用语音识别技术。随着技术的进步，我们的生产力是在不断提高，现在人们显然不愿意再退回到使用稿纸写文章的时代。因此我建议青年学子应该面向未来，拥抱技术，充分发掘出人的价值。
未来也许90%的翻译都可能由翻译软件来做，但剩下的10%仍需要水平更高的翻译人才去完成，总归需要有人来实现这“最后一公里”的翻译工作。因此这就对翻译人才的培养提出了更高要求。AI技术日新月异，即使已退休，但我现在一直在相关领域继续学习和探索。
试验后，我就在思考ChatGPT在翻译方面有哪些不足，相对于这些不足，我的优势又在哪里，所以我得出AI翻译无法代替人工翻译的结论。
中新社记者：比如在文学翻译方面，人工智能是否就无法取代您的工作？
刘和平：AI现在能做一些文学方面的翻译，但译文很平淡。作者想通过文学作品表达出来的情感，AI是翻译不出来的。
因此我告诉学生，对于技术的发展，不要害怕，所要做的是去提升个人能力，学会把AI利用好，让这项技术给翻译“插上另一双翅膀”，这样就能“飞得更高”。
中新社记者：在2018年，中国外文局就与科大讯飞合作共建人工智能翻译平台，美国也在积极投入巨资研发人工智能翻译平台。据您了解，目前人工智能翻译平台的水平如何？
刘和平：以前我使用谷歌翻译比较多，主要是中文、英语、法语等语言的互译，一些外国软件的欧洲语言互译较好。现在学生中使用DeepL翻译比较多，质量也还不错，但究竟好到什么程度仍有待商榷。总的来说AI翻译平台的欧洲语言互译完成度较高，但东西方语言之间的互译，完成度就相对差一些。这些翻译平台译文的基本问题主要是比较累赘、句子之间衔接和逻辑性都比较差。尽管没有大的语法错误，但译文的整体感觉还是比较生硬。
AI翻译平台有自我学习的功能，我们之前和微软做过相关的翻译试验，在会议开始前先把主讲人的演示文稿输入平台，让平台提前了解将要翻译的大致内容，AI翻译平台对会议翻译的错误率就会明显降低。这和人工翻译有一定的相似性。但AI翻译平台无法做到完全准确的翻译。对于多语种的同声传译，AI翻译平台也是无法处理的。
2019年7月,科大讯飞代表团携讯飞翻译机、讯飞智能办公本等人工智能产品和合作伙伴智能机器人产品亮相2019澳中（墨尔本）博览会，全方位展现科大讯飞及生态合作企业在人工智能领域的成果。张晓理摄中新社记者：您主持研发“面向冬奥会的跨语言术语库建设及应用开发”，该项目以2022年北京冬奥会、冬残奥会为契机，设有中文、英语、法语、日语、韩语、俄语、阿拉伯语、西班牙语8个语种的术语库。为何要建立该术语库？是否达到预期？是否还会应用到其他活动中？
刘和平：北京冬奥组委在2017年开展了北京冬奥会语言行动计划，北京语言大学设立了相应的项目，旨在服务冬奥会。在2021年我们交付了“面向冬奥会的跨语言术语库”第三版，在2022年北京冬奥会、冬残奥会期间发挥了相应的作用。
跨语言术语库的研发实际上是一项开创性的工作。此前每届奥运会开过之后，所有的相关语言方面的技术资料就都已散失难寻，北京举办冬奥会则提供了一个难得的契机，我们藉此开发了这个跨语言术语库。国际奥委会确定北京冬奥会要使用这8个语种，我们相应成立了8个语种的专家组，定期开会研究推进相关的术语库研发工作，最终编纂了对应8个语种的术语共计13.2万条。这是全球第一个与冬奥会相关的多语种智能化平台，涵盖冬奥会核心术语、运营术语及常用词汇，填补了冬奥术语的空白。
我们希望术语库在完成服务北京冬奥会的任务后，能够成为国际奥林匹克运动的语言遗产，未来举行的冬奥会也可以借鉴利用。我个人希望今后该术语库在国家支持下，能够扩展成为国家专项体育运动跨语言术语平台，例如足球、网球、马拉松赛等。接下来如果要将术语库应用到其他体育活动比如杭州亚运会、巴黎奥运会，还应再增添相关内容。相关平台建设的思路已经很清晰，将来有进一步推广的空间。
中新社记者：该术语库是否能应用于人工智能场景中？
刘和平：是的，“面向冬奥会的跨语言术语库”并不是简单的词汇平台，更多的是像百科知识那样呈现，查询相关词条的时候能够提供相应的语境。我们可以了解在什么背景下使用相关词汇。北京语言大学和清华大学还在研发与AI相关的其他科研项目，我们希望能将这些科研项目和术语库结合起来，发挥更大的效用。当然这还需要后期的持续投入。
受访者简介：北京语言大学高级翻译学院名誉院长刘和平。李洋摄刘和平，北京语言大学高级翻译学院名誉院长、教授，巴黎高等翻译学院翻译学博士，法兰西棕榈教育骑士勋章获得者，中国翻译界的权威专家。她是“面向冬奥会的跨语言术语库建设及应用开发”的项目负责人。主要研究方向为翻译学、翻译理论与教学、中法跨文化研究。
来源：中国新闻社
流程编辑：tf032
如遇作品内容、版权等问题，请在相关文章刊发之日起30日内与本网联系。版权侵权联系电话：010-85202353
人工智能不是软件开发的“银弹”
使用AI编程工具的开发者们，各位的工作效率究竟提高了多少？最近有猜测认为，AI技术有望将开发者的工作效率提高2倍、3倍甚至是5倍。另有报告预测，到2030年软件开发者的生产力将提高10倍。
但颇为讽刺的是，软件工程领域甚至一直没能在开发生产力的衡量指标上达成一致。有些人甚至认为这样的指标不可能存在，任何粗暴量化都有缺陷、不够完善。如今，大多数关于AI技术能提高生产力的说法都属于定性判断——基于调查和见闻，而非具体数据。
但如果在开发生产力上都不能达成共识，那我们怎样才能对AI做出正确判断呢？如果说我们从之前的远程办公中学到了什么的话，那就是如果没有数据来指导决策，我们就必然要陷入困境——本本主义和意识形态开始占据高地，导致人们就现场办公、远程办公和混合办公究竟谁更好吵作一团。
而AI的发展轨迹似乎又是一波轮回。为了顺利向前迈进，我们必须想办法从量化角度分析问题。
落后的风险目前，围绕AI技术的炒作可谓甚嚣尘上，不少冷静的从业者甚至选择先停一停。考虑到潜在质量影响、抄袭风险等现实因素，最谨慎的企业纷纷后撤，想先看清楚一切到底会如何发展。
但对科技型企业而言，落后的风险将关乎生死存亡。AI是一剂双重猛药，不仅会将更多基于AI的新产品推向市场，也能在生产端降低产品的开发成本、缩短发布周期，以双向奔赴的方式助力业务发展。
大多数企业一直关注“做什么”，而AI却有望驱动“怎么做”，进而建立起10倍甚至100倍生产力的工程团队。谁能快速跨越这道鸿沟，以最有效、最具影响力的方式优化AI工具，谁就能快速跨上生产力的新高度，在未来几年的市场上占据优势。相比之下，静观其变的风险对很多公司来讲确实难以承受。
做好权衡手里拿着锤子，看什么都像钉子。同样的情况在AI身上也有体现。
根据GitHub最近发布的报告，开发人员认为AI编程工具的最大优势，就是提高了用户的编程语言技能。另一个好处则是自动执行重复性任务，例如编写样板代码。Codecov最近一项实验表明，ChatGPT在实现细碎功能、为相对简单的代码路径编写基础测试方面表现良好。
但与任何技术一样，AI也有自己的权衡取舍。例如，生成式AI和大语言模型（LLM）无法执行高度复杂或者创造性的任务，例如将代码库从一种架构迁移至另一种架构，或者将业务逻辑合并至新功能当中。如果开发人员盲目接受AI生成的建议而不对潜在的抄袭、许可限制或幻觉做好检查，就很可能引发难以预见的安全漏洞或法律纠纷。
但AI本来也没必要成为颠覆软件编写和交付方式的“银弹”。即使有着种种限制，仍不妨碍它以确定性方式完成有限的任务。这种将已知任务的处理周期或成本降低10倍的能力本身，已经代表着巨大的进步。
对影响做量化大多数开发人员已经在使用AI驱动工具。根据GitHub的数据，最近一项调查显示，92%的用户在工作或个人时间内使用过AI编程工具。因此，企业必须尽早建立基准，用以比较新AI工具应用前后的生产力差异。
即使是简单的代理指标，也有助于对新工具的影响做出量化分析。例如，我们对拥有超过40万开发者的社区进行一项研究，发现使用GitHubCopilot的开发者每次敲击键盘，对应的平均有效字符相当于不使用AI编程助手的开发者的1.3倍，代码行数则为1.22倍。虽然更多的代码量并不一定等于更高的生产力，但使用GitHubCopilot之后，开发者的代码编写速度确实在不断提高（在单元测试、函数和其他样板代码中均有体现），这证明他们在重复性工作上确实节约下了时间和精力。
同样的，我们两袖清风应衡量团队在投资AI工具之前和之后的功能交付情况，借此量化实际影响。每位工程师所交付功能数量的增加（以及单项功能交付成本的降低）将为后续投资AI工具提供强有力的支持和依据。
功能的改动和重构，还有助于了解AI对于代码质量的影响。如果企业在应用新AI编程工具后经常遭遇质量问题，则其用于功能改动和重构的时间必然更多，能花在新功能开发上的时间反而会变少。
虽然任何软件开发都必然涉及一部分改动和重构，但如果这两项工作越来越多，那必然要影响到AI工具的投资回报率。
正确投资要想回答AI是否提高了开发者生产力这个问题，我们必须首先为相关影响建立可见性体系。具体来讲，就是在整个开发过程当中，AI到底在何处、何时以及如何带来最大的潜在投资回报。随着生成式AI的迅速蹿红与疯狂炒作，把握正确数据以了解真相正变得比以往任何时候都更加重要。
当公司投资于AI开发工具时，可以通过将可观测性应用于软件开发来增强团队能力。这种可观测性不仅有助于快速了解AI的局限性和机会空间，同时也将为生产力的影响因素打开新的讨论通道（例如远程办公、DevOps和内部开发者平台）。
毫无疑问，AI在提高生产力方面发挥着重要作用。但我们必须从事实出发了解其作用，从而做出更加明智的决策。