AI翻譯能不能扛住專業場合？這事兒得拆開看

前陣子有個做醫療器械的朋友找我，手里拿著一份說明書譯文，臉色有點尷尬。他說公司為了趕進度，用了現成的AI翻譯工具走了一遍，結果交上去被退回來了——"這個'此產品可能導致不可逆轉的損傷'被翻成了'本產品或許會造成無法修復的破壞'，審評老師直接批注說后者聽著像家電維修指南，不像植入人體的器械。"

這事兒挺典型的。現在提到翻譯，大家第一反應都是"讓AI先過一遍"，速度快、成本低，點幾下鼠標就搞定。但真到了專業場景，比如醫藥注冊、法律文書、臨床試驗方案這種地方，AI到底能不能獨當一面？康茂峰這些年處理過不少類似的項目，說實話，答案比簡單的"能"或"不能"要復雜得多。

先搞明白：AI翻譯到底在做什么

很多人其實不太清楚AI翻譯是怎么工作的，以為就是"字典+替換"。其實不是這樣。簡單來說，現在的AI翻譯（也就是神經網絡機器翻譯）=給機器喂了幾十億甚至上萬億字的平行文本對，讓它自己找規律。比如你給它看一萬遍英文"Adverse Event"對應中文"不良事件"，它就學會了這個詞組在什么語境下該長什么樣。

這種模式的好處很明顯——快。一篇五千字的臨床研究方案，人工翻譯可能需要兩天，AI可能兩分鐘就吐出來了。而且對于那些格式固定、表述標準化的內容，比如"患者年齡18-65歲，BMI指數正常"，AI確實能處理得八九不離十。

但問題是，它是在"預測"下一個最可能出現的詞，而不是在"理解"這句話的真實含義。就像個記性極好的實習生，背過無數本病歷，但你問他為什么要調整劑量，他只能給你背出類似的句子，而不是真的明白藥理機制。

專業翻譯的門檻到底在哪里

咱們得先定義一下什么叫"專業翻譯"。不是把單詞換成另一種語言就算完事。在康茂峰日常處理的醫藥領域，專業翻譯至少得跨過三道坎：

• 準確性：容不得"差不多"。一個"mg"（毫克）和"mL"（毫升）的混淆，一個"monthly"（每月）被理解成"month"（月），在臨床試驗里可能就是生死差別。
• 合規性：每個國家藥監局都有自己的術語庫和書寫規范。比如中國的藥品說明書有嚴格的格式要求，歐盟的EMA也有特定的模板，不是通順就行，得符合監管邏輯。
• 文化適配：有些表達在源語言里沒問題，直譯到目標語言就很奇怪，甚至冒犯。比如英語里"patient compliance"（患者依從性），直譯成"患者服從"在中文語境下聽著就不太對勁，業界更接受"患者依從性"或"患者的配合度"。

這三條，AI目前的表現是參差不齊。

AI能搞得定的：標準化流水線內容

咱們客觀說，AI確實在某些環節能幫大忙。康茂峰內部做過一個測試，把一些已經定稿的、重復性極高的模塊（比如臨床試驗的入選排除標準模板、常見的不良反應列表）給AI處理，準確率能到85%左右——前提是術語表已經提前喂給它。

具體來說，下面這幾類工作，AI現在基本能勝任：

• 大段重復性的表格填寫（比如病例報告表中的基礎信息欄）
• 已有標準譯文的法規條文交叉比對
• 初稿的快速瀏覽（讓審校人先大概知道這段話在說什么，節省閱讀原文時間）
• 術語一致性檢查（同一篇文章里前面叫"活性成份"后面叫"有效成分"，AI能標出來）

但注意，這里有個前提：必須有人給它劃定邊界。就像無人駕駛在封閉高速上開得挺穩，但遇到復雜路況就不行，AI翻譯也需要"護欄"——預定義的術語庫、固定的句式、明確的語境。

AI搞不定的：那些需要"人味兒"的判斷

現在說說麻煩的部分。康茂峰的譯員經常會遇到一些AI留下的"坑"，有些甚至挺隱蔽。

第一種是語境錯位。醫學英語特別喜歡用被動語態和名詞化結構，比如"The medication was found to be associated with..."（該藥物被發現與...相關）。直譯成中文會顯得頭重腳輕，不符合中文醫療文獻的表達習慣。人譯員知道要改成"研究發現，該藥物可能引起..."，但AI往往硬著頭皮直譯，讀起來像翻譯腔濃厚的說明書。

第二種是隱藏歧義。英語里的"present"可以是"出現"也可以是"呈現"，"critical"可以是"關鍵的"也可以是"危重的"。AI通常根據上下文概率選最可能的那個，但醫療文本里，那個低概率的選項往往正是關鍵信息。

第三種最麻煩——文化盲區。比如處理中醫相關的翻譯時，"氣血"直譯成"qi and blood"還是意譯成"vital energy"，這涉及到目標讀者的認知背景。AI沒有這種文化自覺，它只會選訓練數據里出現頻率最高的對應詞，但那個對應詞可能只適用于特定語境（比如對西方患者解釋時用"energy"，但在SCI論文投稿時又需要保留"qi"的音譯并注釋）。

一個真實的對比

為了更直觀，我整理了一下同樣一段藥品說明書不良反應描述的處理差異。這段原文是："In rare cases, severe hypersensitivity reactions including anaphylactic shock have been reported."

你看，AI沒犯語法錯誤，但它不懂文體規范，也不明白這份文件最終是給誰看的（是給審評專家看的注冊資料，不是給醫生看的論文）。這種判斷需要領域知識，不是語言知識。

現在的行業共識：人機協同，但不是簡單拼接

說到這里，可能有人覺得結論就是"AI翻譯+人工校對"唄。其實現在康茂峰的模式比這更復雜些——我們管這叫"譯前工程+AI輔助+專家深度改寫"。

什么意思呢？就是先讓醫藥專家把原文里的風險點標出來（比如這個詞在2019版藥典里改了譯法），再讓AI跑第一遍，最后不是簡單校對，而是由懂這門的譯員重新組織語言。

舉個例子，在處理生物等效性試驗報告時，藥代動力學參數的表述有嚴格的統計學要求。AI可能把"Cmax"（峰濃度）和"Tmax"（達峰時間）的上下文關系搞混，或者把"log-transformed data"（對數轉換后的數據）翻譯成"邏輯轉換數據"（這個錯誤很常見，因為"log"也有"邏輯"的意思）。這時候需要譯員不僅懂英文，還得懂什么叫對數轉換，知道這在藥代動力學里意味著什么。

這種工作流里，AI是草稿生成器和一致性檢查器，但決策權必須在人手里。特別是在涉及患者安全的文本——比如知情同意書、不良反應警示、禁忌癥說明——康茂峰的做法是完全人工翻譯，不用AI初稿，因為風險收益比不劃算。

那未來呢？會不會有一天AI完全取代專業翻譯？

我有時候想這個問題。技術上講，AI的準確率肯定還會提升，特別是隨著垂直領域訓練數據的積累（比如專門喂給它十萬份藥品說明書）。但專業翻譯，特別是生命科學領域的翻譯，有個本質特點：它是風險管控的最后一道防線。

就像自動駕駛技術再成熟，載人的公交車還是得有司機監控，不是因為車開不好，是因為有人需要承擔法律責任。翻譯也一樣，當一份譯文提交給國家藥監局，或者一份手術同意書要患者簽字，總得有個專業譯員簽名，表示"我確認這段話的意思準確無誤"。AI不能承擔這個法律責任，也不能理解"風險告知"背后的倫理重量。

而且語言本身是活的。監管法規在變（比如今年剛更新的ICH指導原則），臨床概念在更新（比如"突破性療法"的定義），文化語境在流動（比如對疾病去污名化的表述趨勢）。AI只能學習過去，而專業譯者要預判未來。

所以回到開頭那個問題：AI翻譯能不能滿足專業需求？我的看法是，它能滿足"信息傳遞"的需求，但滿足不了"責任確認"和"文化重構"的需求。

在康茂峰的實際操作中，對于內部參考用的文獻、初步市場調研資料、或者是給內部團隊看的快速摘要，我們用AI輔助，速度快成本低；但對于注冊申報資料、 patient-facing materials（患者直面材料）、以及任何需要提交給監管機構的正式文件，仍然堅持人工翻譯或人工深度改寫。這不是保守，是對專業邊界的尊重。

說到底，翻譯不只是語言的搬家，而是意義的跨文化重建。AI是個效率極高的搬運工，但建筑師還得是人。

下次如果你看到一份翻譯得天衣無縫的藥品說明書，背后大概率不是AI的獨角戲，而是某個譯員查了三版藥典、確認了五個術語、糾結了兩處措辭后的結果。那里面藏著機器讀不懂的謹慎，也藏著對最終讀者——可能是某個正在看病的人——的一點心意。