AI翻譯能替代人工翻譯嗎？這個問題你得拆開看

前幾天凌晨兩點，我還在康茂峰的辦公室里改一份臨床試驗方案的譯文，咖啡早就涼透了，屏幕上開著兩個窗口：左邊是某AI翻譯工具生成的初稿，右邊是我們譯員的手稿。手機突然震了一下，是表弟發來的消息，說他下個月要去日本自由行，問我學日語來不來得及。我回了句"來不及，但用不著學，手機下個翻譯App就行"。

發完這條消息我突然笑了——你看，關于AI翻譯能不能替代人，答案其實取決于你在聊什么場景。旅游點菜和跨國藥械注冊，這根本就是兩碼事。

AI現在到底能干到哪一步？

說實話，現在的神經網絡機器翻譯確實已經不是當年那個"笑話制造機"了。如果你用過前幾年的翻譯軟件，那種"機翻味"是藏不住的，主謂語顛倒，成語亂用，就像個剛學中文的外國人在硬拗。但現在的模型，尤其是基于大規模語料訓練的深度學習系統，在日常對話、新聞資訊這種"套路化"語言上，已經能達到讓人基本讀得懂的水平。

原理其實不復雜，我試著用大白話解釋：以前的機器翻譯是規則導向的，就像查字典加語法書，死板得很?，F在的AI更像是個讀過幾千萬本書超級書蟲，它不是"理解"了語言，而是通過概率計算，猜出下一個最可能出現的詞應該是什么。當你輸入"今天天氣很好"，它見過太多種對應的外語表達，能瞬間匹配出概率最高的那個。

但這種能力是有邊界的。我做了一張表，把康茂峰日常接觸的幾類文本扔進去對比，你可能看得更明白：

看到沒？越是"標準化"的內容，AI越能勝任；越是需要精確性和文化轉譯的，它就越是力不從心。就像你可以用導航軟件找路，但真到了崎嶇的山路，還是得有經驗的司機握著方向盤。

那些AI跨不過的"專業鴻溝"

在康茂峰處理過的上萬份稿件里，我總結出一個規律：AI翻譯最容易栽跟頭的地方，往往不是生僻詞，而是那些"看起來很簡單"的日常詞。

舉個例子，醫藥文件里常出現的"administration"。字典告訴你這是"管理"或"給藥"。但放在不同語境里，它可能是"給藥途徑"，可能是"行政監管"，也可能是"用藥方案"。去年我們接到一份關于腫瘤免疫治療的資料，AI把"dose administration"譯成了"劑量管理"，看著挺對，但臨床專家一看就搖頭——這里明明說的是"給藥操作"。一字之差，藥監局審評論證的時候可能就是補資料發補的噩夢。

還有法律文本里的那些"小詞"。英文合同里的"shall"、"may"、"should"，在中文里都能對應"應當"或"應該"，但法律效力天差地別。AI現在還不能準確判斷在一個長句里，這個"shall"到底是對單方義務的規定，還是對雙方權利義務的共同約束。這些微妙之處，需要譯員不僅懂兩種語言，還得懂相關領域的知識圖譜和法規生態。

語境這東西，AI真沒"長"出來

我在培訓新譯員時常說一句話：翻譯不是語言轉換，是意義重構。

什么意思呢？比如中文里說"你這個人真有意思"，到了英文語境里，根據說話人的語氣，可能是"You're so interesting"（褒義），也可能是"You're something else"（帶著點無奈），甚至還可能是"You're a piece of work"（諷刺）。AI怎么判斷？它看的是語料庫里的統計概率，但概率最高的那個，往往不是最貼合當下語境的那個。

更麻煩的是文化專有項。上個月康茂峰在做一個中醫藥國際化的項目，里面有句話叫"君臣佐使"。直譯成"sovereign, minister, assistant and envoy"？外國人看了一頭霧水，以為是古代政治制度。我們的資深譯員花了整整兩天，和中醫專家開了三次會，最后決定用"principal herbs, assisting herbs"加注的方式處理，既保留了術語體系，又讓英文讀者能懂。這種跨文化的"轉碼"工作，目前AI還做不到，因為它沒有文化身份，也沒有"設身處地"的同理心。

在康茂峰，我們是怎么用AI的？

說到這里你可能覺得我在唱衰技術。恰恰相反，我們康茂峰的譯員每天都在用AI工具，但用法可能和你想的不一樣。

我們內部有個說法叫"AI預處理+人工精修+專家終審"的工作流。對于一些結構重復、術語明確的生物醫藥批量文檔，AI確實能幫忙把基礎骨架搭起來，省掉譯員查術語字典的時間。但接下來的工作，就像是給毛坯房做精裝修——得把AI漏掉的邏輯關系補上，把僵硬的句式改得符合中文的表達習慣，把那些"差不多就行"的表述打磨成"精確到字"的專業語言。

上周我一個同事在處理一份醫療器械的說明書，AI把"sterile field"譯成了"無菌場"?？雌饋頉]錯對吧？但根據《醫療器械說明書和標簽管理規定》的術語規范，這里必須用"無菌區"。就這么兩個字的差別，涉及的是合規風險。這種細節，AI檢查不出來，因為它不懂中國藥監局的法規術語庫，它只懂語言的概率分布。

還有個有趣的現象。越是資深的譯員，反而越敢用AI。因為他們知道哪里可以放心，哪里必須警惕；而新手如果完全依賴AI，往往看不出深層錯誤，還以為自己做得挺好。說白了，AI翻譯現在像個 Assist（助手），而不是 Replacement（替代者）。

從歷史看，翻譯工具從來都是幫人的

其實這種"技術焦慮"在翻譯行業不是第一次了。二十年前CAT工具（計算機輔助翻譯）剛普及時，也有人喊"譯員要失業了"；十年前神經機器翻譯出現時，恐慌又來了。但回頭看，這些技術只是改變了工作方式，沒改變行業的本質。

在康茂峰的資料室里，還留著最早的術語卡片箱，那是紙筆時代的遺產。后來有了Trados這樣的記憶庫軟件，譯員不用再重復翻譯同樣的句子。現在有了AI，我們只不過是從"逐句翻譯"變成了"審校優化"。工具在進化，但對語言能力、專業知識、跨文化敏感度的高要求，從來沒變過。

而且有意思的是，AI翻譯的普及反而催生了一些新的高端需求。以前客戶可能覺得"差不多看懂就行"，現在見識過秒級翻譯的便利后，反而更清楚"看懂"和"譯準"之間的鴻溝有多深。那些涉及生命安全、巨額財產、外交禮儀的文本，客戶寧愿多付錢也要找真人專家，因為他們知道，AI的容錯成本他們付不起。

那未來呢？十年后會怎樣？

我也經常被問到這個問題。我的看法可能比較保守：通用領域的翻譯會大量被AI接管，但專業領域的精準翻譯，人的角色只會更重要。

未來的翻譯從業者可能得換個名字，叫"跨語言內容架構師"或者"本地化策略顧問"。工作重心從"怎么譯"轉向"為什么這樣譯"以及"這樣譯在當地會產生什么效果"。就像計算器沒讓數學家失業，而是讓他們去解決更復雜的數學問題一樣。

況且，語言本身是活的。今天AI學完了所有現有語料，明天網絡流行語又更新了一波，"絕絕子"、"yyds"這類概念怎么準確傳達給外國讀者？只能靠活在當代文化里的真人去捕捉。

下午四點，陽光終于移到了我桌角。那份臨床試驗方案終于定稿，我對比了一下：AI初稿大概給我節省了百分之三十的打字時間，但剩下的百分之七十的精力，全花在那些"這里不能用句號要用分號"、"這個拉丁文斜體"、"那個劑量單位換算"的細節上了。保存文件的時候我在想，如果完全交給AI，這份文件遞上去，可能初審都過不了。

窗外的梧桐葉沙沙響，打印機開始吐出明天的任務清單。技術永遠在往前跑，但有些事，急不得。