人工智能与后人类主义翻译：ChatGPT与译者的较量

作者及发表信息
本文由香港大学英语学院的Tong King Lee撰写，发表于*Applied Linguistics Review*期刊（2024年15卷6期，2351–2372页），在线发布于2023年8月1日。文章探讨了以ChatGPT为代表的大型语言模型（LLM）对翻译领域的颠覆性影响，并提出了以“分布式认知”（distributed cognition）和后人类主义（posthumanism）视角重构翻译实践的框架。

核心观点与论证

1. AI翻译技术的演进与现状

文章梳理了机器翻译（MT）从规则系统、统计机器翻译（SMT）到神经机器翻译（NMT）的技术迭代，指出以GPT-4为代表的LLM虽非专为翻译设计，但其表现已超越Google Translate和DeepL等专业工具。例如：
- 技术优势：LLM通过海量数据训练和人类反馈强化学习，能生成语言流畅、逻辑连贯的译文，甚至处理跨模态翻译（如文本转图像描述）。
- 实证支持：研究显示，ChatGPT在段落级翻译中比传统MT系统更少出现误译和风格不一致（Karpinska & Iyyer 2023），且在代词一致性（如日语零主语结构的英语转换）上表现更优（见3.1节案例）。

2. AI对翻译职业的挑战与重构

AI的进步迫使译者重新定位自身角色：
- 职业焦虑：专业译者可能沦为“后编辑”（post-editor），甚至被完全替代（如日本英译会议中的讨论，Gally 2023a）。
- 角色转型：Pym（2016）提出，译者需转向“文本定制”（text tailoring）和跨文化项目管理，而非仅关注语言转换。例如，在本地化或众包翻译中，译者需协调多方资源（如设计提示词、管理AI输出）。

3. ChatGPT的翻译潜力与局限

文章通过对比实验分析ChatGPT的优劣势：
- 优势案例：
- 衔接处理：在翻译日语零主语文本时，ChatGPT-3能准确识别歌手大黑摩季的性别，并一致使用“she”（其他工具混淆性别或误译人名）。
- 连贯性优化：通过针对性提示词（如“强调声音主题”），ChatGPT能生成接近人类译者的文学性译文（如村田沙耶香小说片段）。
- 局限性：
- 语境盲区：Gigerenzer（2022）指出，MT无法像人类一样通过常识推断多义词含义（如“pen”在“the box was in his pen”中的歧义），但ChatGPT-4已能部分修正此类错误。
- 输出不稳定：同一文本多次生成的译文可能差异显著，需人工干预以确保质量。

4. 后人类主义翻译理论框架

作者提出以“分布式认知”和后人类主义重构翻译理论：
- 分布式认知：翻译行为不再局限于译者个体，而是由人类、AI、平台、机构等节点构成的网络共同完成。例如，众包翻译中志愿者、算法、社区管理者的协作（Jiménez-Crespo 2017）。
- 后人类视角：超越人类中心主义，将AI视为译者思维的“义肢”（prosthesis），强调跨模态、跨媒介的翻译实践（如游戏本地化需整合文本、图像、代码等）。

5. 翻译教学与评估的革新

传统翻译评价标准（如“忠实性”“语法正确性”）可能失效，因AI已能实现这些基础要求。未来需侧重：
- 高阶能力：提示词设计、项目管理、跨文化咨询等“软技能”。
- 评估改革：如香港大学MA课程中，学生需撰写译序说明策略选择（占20%分数），但作者建议提升此类反思性任务的权重。

学术价值与现实意义

1. 理论贡献：首次将后人类主义与分布式认知系统引入翻译研究，挑战了以“语言转换”为核心的传统范式。
   
2. 实践指导：为译者在AI时代的功能转型提供路线图，强调从“文字工匠”到“文化协调者”的转变。
   
3. 技术批判：指出AI的“拟人化交互”加剧了职业危机感，但后人类主义可缓解这种焦虑，推动人机协同。
   

亮点
- 跨学科视角：融合语言学、认知科学、技术哲学，提出翻译研究的“物质性转向”（material turn）。
- 实证深度：通过多组对比实验（如文学翻译、新闻文本）验证ChatGPT的潜力，数据翔实。
- 前瞻性：预言翻译将演变为“超语言”实践，涵盖模态转换、跨文化设计等新兴领域。

（注：全文案例及术语均基于原文，专业表述如“分布式认知”“后人类主义”等首次出现时标注英文。）