学术研究报告：生成式人工智能时代译者的信任与不信任
作者及机构
本研究由María Isabel Rivas Ginel与Joss Moorkens合作完成，两人均来自爱尔兰都柏林城市大学（Dublin City University）的应用语言与跨文化研究学院/ADAPT研究中心。论文发表于2025年的*Translation Studies*期刊（第18卷第2期，页码283-299），DOI编号为10.1080⁄14781700.2025.2507594。
学术背景
本研究属于翻译技术与人工智能交叉领域，聚焦生成式人工智能（Generative AI, GenAI）对专业译者信任机制的影响。研究背景基于两大现实问题：
1. 技术冲击：ChatGPT等大型语言模型（LLM）的兴起引发了翻译行业的自动化焦虑（Automation Anxiety），但译者作为核心利益相关者的声音长期被忽视。
2. 理论缺口：尽管技术接受模型（TAM2）和AI信任框架（如Lockey等人的“AI Trust Challenges”）已被广泛应用于其他领域，但翻译研究（TIS）对译者与GenAI的信任动态缺乏系统性探讨。
研究目标包括：
- 识别译者对ChatGPT信任与不信任的主要来源；
- 分析译者信任轨迹（Trust Trajectories）的演变模式；
- 将译者关切置于技术接受与AI信任的理论框架中，为行业实践提供依据。
研究流程与方法
本研究采用混合方法设计（Mixed-Methods），分两阶段进行：
第一阶段：语料库分析
- 研究对象：从翻译专业社区（ProZ平台和Facebook翻译小组）抓取2022年12月至2023年11月的公开讨论帖，形成两个子语料库：
- Facebook子库：143条帖子（60,100词），覆盖资源分享、应用讨论、工作机会三类主题；
- ProZ子库：63条讨论串（107,608词），聚焦ChatGPT的翻译质量与职业影响。
- 分析方法：基于建构主义扎根理论（Constructive Grounded Theory）进行迭代编码，以Lockey的“AI信任挑战”框架（透明度、准确性、自动化风险、数据隐私）和TAM2模型为指导，提取关键主题。
第二阶段：问卷调查
- 样本特征：针对252名专业译者（81%自由职业者，36%从业10-20年）开展调查，覆盖ChatGPT使用频率、任务类型及信任度评估。
- 核心问题：
- 信任度评分：要求译者对ChatGPT在9项任务中的表现（如“生成无语法错误的输出”“数据隐私保护”）按Likert量表（1-5分）评分；
- 信任轨迹：询问译者使用ChatGPT后信任度的变化趋势（提升/稳定/下降）；
- 开放性反馈：收集对自动化、数据安全等议题的质性意见。
主要结果
信任度普遍偏低：
- 翻译核心任务（如“生成准确内容”“翻译准确性”）的信任评分最低（平均分≤2.5/5），仅13%译者定期使用ChatGPT翻译。
- 数据隐私（94人选择“完全不信任”）和偏见风险（69人选择“完全不信任”）是主要不信任来源。
选择性使用模式：
- 译者更倾向将ChatGPT用于辅助任务，如内容摘要（51人认为“非常准确”）、非母语文本生成（48人评分≥4/5）。
- 翻译任务中，仅23%译者尝试使用，但63人认为其输出“不准确”。
自动化焦虑加剧：
- 语料库中高频出现“职业消亡”论述（如“五年后行业将不复存在”），调查显示60%译者视AI为威胁，192人担忧费率下降。
- 代表性观点：“技术终将取代人类，只是时间问题”（ProZ用户，2023年4月）。
信任轨迹分化：
- 语料库显示初期热情后信任下降，但调查中43%译者信任度“稳定”，34%“提升”。这一矛盾可能源于样本偏差（语料库以活跃用户为主）。
透明度与AI素养不足：
- 83%受访者未接受过LLM相关培训，依赖“信心解释”（如网络研讨会）而非“技术解释”（如模型原理）。
结论与价值
理论贡献：
- 首次将译者对GenAI的信任问题系统化，验证了TAM2和AI信任框架在翻译研究中的适用性；
- 提出“信任轨迹”概念，揭示译者群体与虚拟AI（Virtual AI）的独特互动模式（初期高期望→选择性信任）。
实践意义：
- 行业警示：需解决数据隐私与版权问题（如训练数据来源透明化）；
- 教育建议：加强译者AI素养（AI Literacy），避免因技术黑箱（Black Box）导致误用；
- 政策呼吁：推动“三重底线”评估（社会、环境、性能），约束LLM开发的负面影响。
研究亮点
- 方法创新：结合语料库分析与大样本调查，弥补了单一方法的局限性；
- 领域特殊性：聚焦译者这一高专业性群体，揭示了与其他AI用户不同的信任动态；
- 前瞻性议题：提出“自噬效应”（Ouroboros Effect，即机器翻译内容污染训练数据）的潜在风险，为后续研究指明方向。
其他价值：研究数据与问卷设计已开源（GitHub），可供后续研究复现或扩展。