如果人工翻译一定会被机器翻译替代，翻译专业的学生现在怎么办？

用翻译专业的差异化优势给自己赋能

目录

1. 什么叫“替代”

2. 用翻译专业的差异化优势给自己赋能

3. 未来的译者

4. 结语

1.什么叫“替代”？

“替代”不是说将翻译职业彻底消灭，而是在某些具体场景下，机器翻译可以发挥作用，将人类解放出来。讨论这个话题，不是只有“替代”和“替代不了”两种情况，答案永远是：有的场景可以替代，有的场景替代不了。牛津大学的学者 Michael Osborne 和 Carl Frey 给出的研究结果就是翻译被取代的概率——33%。

对于替代，这里给出两个具体场景。

场景一：一份本科生论文摘要，本来是要100块钱请你翻译，但是他先去谷歌翻译里跑了一遍，然后用自己的英语基础和专业知识加以润色，就已经能解决需求。（真实案例改编）。

场景二：一个交流性质的论坛，本来是要配口译的，但是翻译系统支持语音识别+即时反馈，配合大屏幕或者AR设备，就像给演讲即时加了中英双字幕，这个时候就不需要口译了，甚至不需要自动合成语音，因为看字幕+听原音，更符合听众的习惯，这很像搜狗翻译app的“语音翻译”功能或者有道翻译app的“语音翻译”功能中关掉自动发音。

我用王小川演讲实录的一个片段说明。

如果我们把注意力放在机器翻译已经能做什么，而不是不能做什么，我们就会发现机器翻译已经很优秀了，加上有能力找到应用场景并给出解决方案的人，可以覆盖更多实际的应用场景。

人工智能替代某些人类职业的过程，就是一个个具体场景慢慢替代的过程。

找到翻译专业的差异化优势，给自己赋能

那我们如何应对呢？

自我迭代！！

技术在不断迭代，人类更要迭代进化。

翻译专业的学生要实现迭代，需要先了解自己的专业的差异化优势，找到市场的刚需，实现自己的价值。

翻译专业的学生，优势在哪里？

服务意识、细节意识、项目管理能力、学习能力、软件使用能力、搜索技能、协作意识等在翻译训练中可以培养起来的技能，是一个高效能的职业者都应该具备的一般性技能，不是翻译专业学生能获得的差异化优势。

经过刻意训练，翻译专业能获得的差异化优势包括但不限于以下几点。

第一，翻译思想。翻译是理解、转换和传递，每当接到一份信息，我们会去理解信息的本质，重新处理信息，转换形式，把信息传递出去，使受众能高效接受信息，这是其他专业没有可以训练的能力。

第二，翻译能力。翻译专业的学生，注定要用自己的双语能力，去找到国际上最新、最有用信息，想办法扩大其价值，比如谷大白话译制的脱口秀视频。翻译专业最应该锤炼的专业能力就是翻译能力，也就是交付高质量译文的能力，如果毕业的时候，你的译文质量可以到出版级，你就是个高手，是市场上的稀缺人才，再跟其他另外一项能力整合，就是更稀缺的人才。

第三，产品意识。翻译专业天然就有“交付”的概念，译文就是译者的产品，出品有质量要求的可交付产品，可以有效倒逼自己成长。这一点可能也并不是翻译专业的差异化优势，但是这一点太过重要，所以单列在这里。

第四，共情能力。我们在做翻译的时候，时刻在想着作者和读者，我们一直在想别人，而不是自己，据我感性的观察，翻译专业的学生，要更体贴一些，这种共情的能力，就能让我们在体验为王的时代，更敏感地把握受众的体验，找到真实需求和得到反馈。

还有一种能力非常重要，需要我们特别加强。

需求描述能力

我不赞成译者去学编程，绝大部分翻译专业学生对编程没有兴趣，兴趣来自禀赋，翻译专业学生的禀赋在自然语言，而不在编程语言，而且没有明确需求，学习效果大概率不会好。

译者更应该具有产品经理的能力，把翻译流程中需要技术的环节抽离出来，翻译成需求，付费请技术人员实现，这样比自己学编程要高效和合算。

建议翻译专业的学生们学一学技术原理，理解代码更上层的东西，也就是这些代码可以实现什么功能，了解技术的能力和边界，可以帮我们提出更合理的需求，更高效地跟技术人员沟通。

比如10万字的翻译，想在翻译之前把原文中的人名、地名、书名、机构名、专有名词等词汇先抽出来翻译好，保证译文中这些词汇前后翻译一致，我们要知道自然语言处理中的命名实体识别（NER）技术可以先帮我们跑出来一个结果做参考，能帮上不少忙。

要了解这些东西，认真研究几篇科普文章就会有效果。

另外，需要时刻关注技术的进步和技术产品化的进度，也许有些实用技术已经被封装在一个软件里，直接拿来用就可以了，比如自然语言处理中的词对齐、句对齐、聚类、分词等都有产品化的案例，如果做成插件放在编辑器或者CAT里，应该会很有用。

崔启亮老师主编的《全国翻译硕士专业学位研究生教育与就业调查报告》中显示很多翻译专业的学生都觉得自己缺乏翻译实践，实践意识很好，但可能更缺的是利用技术做实践，很多翻译专业的学生都不知道现在机器翻译到底能出来什么质量水平的译文，面向翻译产业的实践训练，都应该在跟机器翻译的交互中进行。

3.未来的译者

几年前罗振宇说的“职业讲书人”的职业形态在今天已经成型，并已经有了一批从业者，翻译行业里，译者又可以有哪些迭代升级？

最大的可能性是“from translator to editor”，这里的“editor”，我更想翻译为“机译校订者”，作业流程是“机器初译审查->调整原文->译后编辑”，不同于现在的译后编辑者，而在整个译文生产流程中都跟机器翻译在交互。具体来讲，第一步，先审查机器翻译结果；第二步，根据审查的结果用简单的操作调整原文，改善机器翻译的输出结果，第三步，校订机器翻译结果，在机器翻译的编辑过程中，最大限度地使用机器翻译结果。

这样在保证质量的前提下，大幅度提高译文生产的效率，符合这种作业流程的CAT工具同步跟上，会进一步提高生产效率，并改善 editor 的工作体验。

用《经济学人》最新的一篇文章“Reality check”中的片段来说明这个作业过程。

（以下谷歌翻译简称“谷译”，官方译文简称“官译”，“干预”指对原文进行调整）

原文：

Mr Lanier is a Silicon Valley grandee. In 1984 he started the first VR firm, VPL Research, which sold early headsets and accessories, and is widely credited with popularising the term "virtual reality". He has seen the tech industry go from being a bunch of start-ups run by counterculture idealists to global companies. He now works at Microsoft.

译文分句对比：

Mr Lanier is a Silicon Valley grandee.

- 拉尼尔先生是硅谷的一位大人物。【谷译（干预前）】

- 拉尼尔先生是硅谷的一位大人物。【谷译（干预后）】

- 拉尼尔是硅谷的一位大人物。【官译】

In 1984 he started the first VR firm, VPL Research, which sold early headsets and accessories, and is widely credited with popularising the term“virtual reality”.

- 1984年，他创办了第一家VR品牌VPL Research，销售早期的耳机和配件，广泛宣传“虚拟现实”这个术语，【谷译（干预前）】

- 1984年，他创办了第一家VR品牌VPL Research，销售早期的耳机和配件，被普遍认为普及了“虚拟现实”这个术语。【谷译（干预后）】

- 1984年，他创办了第一家VR品牌VPL Research，销售早期的头显和配件，人们还普遍认为他普及了“虚拟现实”这个术语。【我的译文】

- 1984 年，他成立了售卖早期头显和配件的首家虚拟现实公司 VPLResearch，人们普遍认为是他普及了“虚拟现实”一词。【官译】

He has seen the tech industry go from being a bunch of start-ups run by counterculture idealists to global companies.

他看到科技行业从一批反传统企业 他是全球公司的理想主义者，【谷译（干预前）】

他已经看到，科技行业已经从一批由反文化理想主义者经营的初创企业转变为全球性公司。【谷译（干预后）】

他目睹了科技行业如何从众多由反主流文化的理想主义者经营的创业公司发展成为一家家全球企业。【官译】

He now works at Microsoft.

- 现在在微软工作。【谷译（干预前）】

- 他现在在微软工作。【谷译（干预后）】

- 他现在在微软工作。【官译】

第一句和最后一句是短句，机器翻译几乎完全没有问题。

第二句和第三句，机器译文的使用比例，我用两个 gif 来说明，动画里黑色字体是机译中被保留的部分。

那么我对原文做了什么调整，改善了机器翻译？

我先来看看改善的细节。

In 1984 he started the first VR firm, VPL Research, which sold early headsets and accessories, and is widely credited with popularising the term“virtual reality”.

- 1984年，他创办了第一家VR品牌VPL Research，销售早期的耳机和配件，广泛宣传“虚拟现实”这个术语，【谷译（干预前）】

- 1984年，他创办了第一家VR品牌VPL Research，销售早期的耳机和配件，被普遍认为普及了“虚拟现实”这个术语。【谷译（干预后）】

编辑原文后机器译出了“被普遍认为普及了”，与原文意思相符，编辑原文前“广泛宣传”没有译出“credited”的意思。

He has seen the tech industry go from being a bunch of start-ups run by counterculture idealists to global companies.

- 他看到科技行业从一批反传统企业 他是全球公司的理想主义者，【谷歌翻译（干预前）】

- 他已经看到，科技行业已经从一批由反文化理想主义者经营的初创企业转变为全球性公司。【谷歌翻译（干预后）】

编辑原文后机器翻译与原文意思基本相符，只需要润色字眼，编辑原文前“他是全球公司的理想主义者”与原文意思不符。

受广外宋柔教授和葛诗利教授负责的NT小句对齐语料库建设项目标注规范的启发，我使用了“换行拆分”的操作，基于对机器译文特点的分析，我使用了“漏译部分加逗号”的操作。

道理很简单，神经机器翻译（NMT）的流畅度很好，但有两个比较明显的问题，一是长句质量依然不够理想，二是部分原文会被漏译。对应的解决办法也就很简单，对于长句，就是拆分，机器翻译擅长翻译短句就让他翻译短句，翻译完了再拼上，拆分操作和拼装操作，都可以用产品交互来保证体验和效率，甚至创造“搭积木”的感觉。我在谷歌翻译文本框里用的是换行。

对于漏译的部分，在前面加逗号，就是在告诉引擎：这个片段我是要的，不能漏了，逗号同时也具有拆分的功能，如果被拆分的两个片段之间关系非常紧密，则需要用逗号，而不是换行。

如果你在做翻译，用“机器初译审查->调整原文->译后编辑”的作业流程试一试，从现在开始，try to become an editor。

也希望相应的产品功能，也能迅速跟上，这样就可以同时为机器翻译提供学习数据，人类和机器都可以不断迭代进化。

这样的工作方式，在未来也可能用于口译场景，我听过几次同传，即便翻译质量再好，听同传给人的体验也是不理想的，因为耳朵上戴一个东西，同时在听台上的原声和耳机里的声音，无论如何都是一个打折扣的体验，如果能用技术的力量，让翻译过程减少信息丢失，甚至帮助译者为听众提供信息增量，改善接受信息的体验，那不是很好吗？

比如在一场讲座中，译者快速校订语音识别的结果并按需求拆分句子，通过恰当的拆分来保证机器翻译的质量，甚至在保证听众体验的前提下，快速编辑译文结果，保证译文质量可接受，然后把翻译结果合成语言，送到听众的终端里，可以是语音+文字，或者两者择一。讲座后译者在语言识别的结果整理出讲稿，并在机器翻译结果的基础上，编译出讲座的知识清单，交付给所有听众，这就是语言服务的增值点——交付加工之后的信息。

4. 结语

估计还是会有人用文学作品去调戏机器翻译，一看结果——机器翻译还是不如人工翻译嘛，没法用！！

我们的世界不只有1/0，1/0是机器的世界，我们不是机器，别像机器一样思考。

作者：郝产品 | 试译宝产品经理 北京语言大学翻译硕士

参考资料：

- 《邱岳的产品手机》from 极客时间app

- 《面向篇章机器翻译的英汉翻译单位和翻译模型研究》 by 宋柔，葛诗利

- 《全国翻译硕士专业学位研究生教育与就业调查报告》 by 崔启亮