在人類發展史上，跨越語言藩籬的渴望始終綿延不絕。人工智能（AI）翻譯從最初的詞匯對照表、基於規則的機器翻譯（RBMT），到統計機器翻譯（SMT），再到當今以深度學習與神經網絡（尤其是Transformer架構）為核心驅動力，每一次技術路徑的躍遷，都使我們向“無縫溝通”的理想邁進一步。特別是近年來，一系列大型語言模型內置的翻譯功能，使AI翻譯走入尋常百姓家，成為全球資訊流通、商務往來乃至日常社交中不可或缺的工具。

然而，技術的狂飆突進亦催生了迷思與爭議。一方面，效率的奇跡令人驚嘆﹔另一方面，關於翻譯質量、文化失真乃至人類譯者價值的質疑聲不絕於耳。AI是否終將取代人類譯者？翻譯是否僅僅是符號的數學轉換？要回答這些問題，我們必須冷靜剖析AI翻譯的“能”與“不能”，在技術狂歡中保持人文的清醒。

AI翻譯的“能”

AI翻譯的“能”，是其得以迅速普及並產生巨大影響的現實基礎，主要體現在以下幾個方面：

一是效率與生產力的空前提升。神經機器翻譯系統能夠在毫秒級別完成千字文本的初步轉換，效率是人類譯者的數千倍。這種能力在處理實時對話、海量文檔批量翻譯等場景中具有不可替代的價值。對於新聞報刊、科技文獻、產品說明書、商務郵件等時效性強或批量巨大的文本類型，AI翻譯可大顯身手，極大壓縮了信息傳播的時間成本。

二是多語種生態的數字化拓展。傳統人工翻譯市場長期集中於主流語種，眾多小語種、民族語言資源匱乏。大型AI翻譯模型通過爬取互聯網上的多語料數據，能夠支持上百甚至上千種語言互譯，盡管質量暫時還有些不盡如人意，但至少為這些語言的數字化生存與基礎性交流提供了可能，在一定程度上促進了語種生態的數字平權。

三是特定領域標准化文本的高精度處理。在語法結構相對固定、術語體系成熟、歧義較少的領域，如法律合同、專利文獻、特定行業的科技文章等，經過高質量領域數據訓練的AI翻譯，其輸出可以達到高度專業化、一致化的水平，甚至能有效避免人工翻譯可能出現的術語前后不一、風格波動等問題。

四是概率意義上的“創造力”。生成式人工智能的出現，讓AI翻譯具備了某種看似“創造”的能力。它不再是簡單的詞對詞替換，而是能夠根據語境生成符合邏輯的段落，甚至模仿特定的文風，如模仿海明威的冰山理論或魯迅的冷峻筆調。這種基於概率預測的“風格遷移”，看起來很像是“創造”。但它仍不能脫掉引號，就因為它還是沒有擺脫模仿的“學習”。

五是技術架構的持續進化。從早期基於規則的機器翻譯系統（RBMT）、循環神經網絡（RNN）到如今的Transformer架構，以及結合檢索增強生成（RAG）、思維鏈（Chain-of-Thought）等技術的應用，AI翻譯系統在理解上下文、處理長距離依賴、生成更流暢目標語句等方面不斷進步。並且在線學習機制使系統能夠從用戶反饋中持續優化，形成“使用—反饋—改進”的良性循環。比如，AI翻譯中就可見到翻譯家出版的譯文的烙印。其“能”的邊界，正隨著計算能力、算法創新和數據資源的擴充而持續外推。

AI翻譯的“不能”

盡管AI技術進步令人振奮，但其翻譯的“不能”同樣顯著且根深蒂固。這些局限不僅源於當前技術的不完善，更觸及語言與翻譯的本質屬性。

文化內涵與語境微妙的解碼之困。語言是文化的載體，飽含歷史積澱、社會習俗與集體無意識。對於文化負載詞，如中文的“江湖”“面子”，英語的“gentleman”“serendipity”，以及各類典故、俗語、雙關語等，AI往往只能進行字面或淺層對應，很難傳遞其厚重的文化聯想與情感共鳴。遇到所謂的“人文硬核”（humanity core）（馮志偉2025）的文化特異性表達，如漢語的“陰陽”、英語的“serendipity”、德語的“Weltschmerz”等詞語時，它便捉襟見肘了。即便僥幸成功轉碼，約翰·塞爾提出的“中文房間”實驗至今仍是AI無法逾越的鴻溝。AI處理的是符號（symbol），而非意義（sense）。知其然不知其所以然是翻譯之大忌。

情感色彩、文體風格與作者聲音的感知之難。翻譯是風格的再創造。一篇演講的慷慨激昂、一首詩歌的朦朧婉約、一部小說的冷峻反諷，都依賴於譯者對原文情感基調和文體風格的敏銳捕捉與創造性再現。AI可以模仿某些風格模式，但其對情感細膩度的“理解”是統計學意義上的關聯，而非真正的感同身受﹔其生成的文本可能在語法上正確，卻在風格上平板、模糊，喪失了原文獨特的“聲音”和神韻。

學術類翻譯的闡述性和文學類翻譯的創造性的匱乏。許國璋（1983）認為，“哲學的翻譯應當是闡譯。”王克非（2025）指出：“將不同時空、不同文化背景的學術話語進行譯介時，單從字面是很難通達的，有時必須發掘思想內涵，予以闡譯，才能通達。”文學翻譯是藝術的再創作，被喻為“戴著鐐銬跳舞”。它要求譯者在忠實與自由、形式與內容之間進行精妙的權衡與創造性的叛逆。當前AI翻譯作品在文學性上往往流於平庸，難以企及翻譯家筆下“化境”的審美高度。

非主流語種的翻譯質量令人擔憂。隨著幾代人努力推動的技術進步，目前大語言模型機器翻譯在一些領域和語種中的正確率已達98%，翻譯質量已經可以與人工翻譯的質量相媲美（馮志偉2025）。但非主流語種的翻譯質量卻參差不齊。例如，海南的一塊警示牌“當心碰頭”的翻譯，英語雖不是最常見的譯法但意思沒錯，日語卻把“碰頭”翻成了“會面”的意思，令人啼笑皆非。小語種的翻譯全部交給AI還為時尚早。

倫理判斷與價值取向的缺席。翻譯常涉及倫理抉擇，比如，如何處理原文中的歧視性用語等問題，這需要譯者具備社會責任感和文化敏感性。AI本身沒有價值判斷能力，缺乏必要的倫理過濾和是非矯正機能，其輸出可能無意中固化或放大訓練數據中的偏見，或在倫理問題、價值觀問題上處理失當。

走向協同

認識到AI翻譯的“能”與“不能”，我們便不應將其視為非此即彼的替代關系，而應探索一種更具建設性的人機協同新范式。

角色重塑：從替代到賦能。未來的專業譯者，不應再是初稿的機械生產者，而應轉型為AI輸出的編輯者和質量最終把關者。AI負責完成初譯、術語庫管理、批量處理等基礎性、重復性工作，將人類譯者從繁重的體力勞動中解放出來，使其能更加專注於需要創造力、批判性思維和文化判斷力的高階任務，如文學翻譯、重要文獻翻譯、譯審和本地化策略制定等。

流程再造：人機交互的深度嵌套。翻譯流程可以深度整合AI。例如，譯前階段，AI快速提供術語參考和背景資料﹔譯中階段，作為實時輔助工具提供多種譯法建議﹔譯后階段，進行一致性檢查和基礎性潤色。人類譯者全程進行創造性決策、文化調適和質量監控，形成高效、高質量的協作閉環。

AI翻譯的“能”與“不能”，恰如一枚硬幣的兩面，共同定義了它在當代社會的坐標。其“能”，是硅基智能在數據處理、模式識別與高效執行上的非凡力量，推動了實用層面溝通障礙的巨量消解。其“不能”，則映照出碳基生命所獨有的文化浸潤、情感體驗、創造性想象與價值判斷的深邃與復雜。

我們或許正處在翻譯史上一個關鍵的轉折點。理想的前景，並非人機對決的零和博弈，而是在深刻理解彼此邊界的基礎上，走向一種“共生性”的智能增強。讓AI發揮其效率與規模之“能”，承擔起語言轉換中更繁重、更標准化的基礎工程﹔讓人類譯者以其人文與創造之“能”，專注於守護意義的豐富、文化的深度與表達的優雅，完成那些機器“不能”亦“不應”獨自完成的、關乎理解、詮釋和再創造的重要工作。

翻譯的最高使命，是促成人類心靈之間的真正對話。技術可以是有力的助手，但心靈的共鳴、文化的互鑒與思想的啟迪，仍然需要在語言與文化中永不止息地探索、感受與創造的人腦。在消解人類之間語言隔閡的漫長征途上，AI與人類，或許將成為彼此不可或缺的同行者。

（作者：王忻、馮志偉，分別系浙江越秀外國語學院東北亞研究中心教授，新疆大學中國語言文學學院研究員）