突發(fā)公共事件中機器翻譯輔助應急語言服務的問題與對策

滕延江

（魯東大學 外國語學院，山東 煙臺 264025）

一、引言

當前，隨著全球化及城市化進程的加速推進，人口流動日趨頻繁，多元人群融合聚居，多語社區(qū)日益增多。在這一背景下，一旦發(fā)生突發(fā)公共事件，克服語言障礙，保持信息暢通乃是生命攸關之事[1]（P305）。自2020 年初新冠肺炎疫情發(fā)生以來，語言學人勇于擔當，以“語”抗疫，應急語言服務順勢而為，在傳播疫情防控動態(tài)、普及疫情防控知識、監(jiān)控網(wǎng)絡信息輿情、疏導公眾心理等方面，作出了重要貢獻[2]、[3]。不過，由于應急信息專業(yè)領域強，信息指令變化快，僅靠人工譯員已難以滿足復雜的語言現(xiàn)實需求，應急語言服務中的信息技術支持日益受到重視[4]。學界圍繞應急語言服務的各個層面展開了討論，如應急語言服務基礎設施建設[3]，應急語言數(shù)據(jù)庫、人才庫籌建[5]，應急語言服務技術產(chǎn)品研發(fā)[6]，應急語言服務技術培訓等[7]。然而，由于現(xiàn)代技術應用于應急語言服務的歷史較短，在實踐中仍然存在著諸多不足之處[1]、[4]、[8]。

以機器翻譯為例，借助該技術可以實現(xiàn)兩種語言間的自動轉(zhuǎn)換，極大地提升了信息產(chǎn)出的效率。與此同時，由于應急信息具有特殊的專業(yè)屬性，機器翻譯后的譯文并非直接“拿來”就能運用，因此，還需要譯后編輯及審核等環(huán)節(jié)[1]（P310）。換言之，在當前階段，機器翻譯仍不能完全脫離人工輔助，人機互動是必不可少的[9]（P319）。就目前的研究來看，學界針對機器翻譯與應急語言服務的探討還不夠深入。饒高琦曾指出，2020 年，機器翻譯技術已經(jīng)應用于新冠肺炎疫情期間的應急語言服務工作，但也僅僅局限于外語與漢語之間的語言轉(zhuǎn)換層面，諸多新領域尚待開發(fā)[10]。至于機器翻譯輔助應急語言服務實踐中面臨哪些問題與挑戰(zhàn)，如何做好譯文質(zhì)量評估，如何提升客戶滿意度等問題，并沒有展開系統(tǒng)討論。有鑒于此，本文梳理了機器翻譯應用于應急語言服務的研究現(xiàn)狀，指出了該領域所面臨的問題與挑戰(zhàn)，并提出了相應對策，以期突破質(zhì)量瓶頸，進一步提升應急語言服務的效能。

二、機器翻譯與應急語言服務研究現(xiàn)狀回顧

機器翻譯是一種自動生成的語言轉(zhuǎn)換活動，具有速度快、效率高的特征，可以瞬間完成大量詞匯的翻譯工作。同時，機器翻譯可以支持多種語言的大規(guī)模翻譯，減少人力勞動付出與成本，對于跨語言信息傳遞及產(chǎn)品推廣具有無可比擬的優(yōu)勢。了解機器翻譯的發(fā)展歷史及工作原理，對于更好發(fā)揮其優(yōu)勢，擴大其應用場景，特別是針對應急語言服務的實踐，均具有重要的現(xiàn)實意義。

（一）機器翻譯的本質(zhì)

機器翻譯是借助高科技手段將一種語言自動轉(zhuǎn)換成另外一種語言的行為。譯文質(zhì)量是機器翻譯的核心環(huán)節(jié)，需要確保內(nèi)容準確，表達自然流暢，符合目的語的表達習慣。機器翻譯自動生成的文本，既可以不作修飾直接采用，也可以進行譯后編輯（postediting）再使用。能否進行譯后編輯則取決于多種因素，如翻譯機構是否具備雙語（或單語）人才，對譯文質(zhì)量的認可程度，對受眾的重視程度等。機器翻譯并不是一個新的概念，根據(jù)Melby 的觀點，機器翻譯自20 世紀40 年代萌芽以來，先后經(jīng)歷了三個范式的演進。一是規(guī)則機器翻譯范式（rule-based machine translation，簡稱“RBMT”）：基于詞匯結(jié)構、語法規(guī)則分析，依靠詞匯、句法的對應關系及簡單的語義分析進行文本轉(zhuǎn)換；二是統(tǒng)計機器翻譯范式（statistical machine translation，簡稱“SMT”）：基于訓練數(shù)據(jù)自動分析，借助雙語平行語料庫內(nèi)的源語文本及其參考譯文，進行數(shù)據(jù)驅(qū)動的文本轉(zhuǎn)換；三是神經(jīng)機器翻譯范式（neural machine translation，簡稱“NMT”）：基于機器學習原理，模擬人的神經(jīng)元機制，開展信息的編碼與解碼，進行語言的映射轉(zhuǎn)換[11]（P419）。

上述三個范式在不同語言信息處理上的準確度、流利度并不相同，這主要取決于譯入語文本數(shù)據(jù)庫的規(guī)模與機器學習的能力。例如：有些小語種，由于數(shù)據(jù)存儲數(shù)量有限，可資參考的平行語料庫源語言數(shù)量不足，或許只能進行基于規(guī)則的機器翻譯。反之，如果現(xiàn)有數(shù)據(jù)龐大，譯文的翻譯記憶庫資源豐富，翻譯引擎系統(tǒng)信息完備，便可采用基于神經(jīng)機制的機器翻譯實踐。其中，機器記憶（machine memory）是決定譯文質(zhì)量高低的主導因素：前期收集的語料數(shù)據(jù)庫越大，專業(yè)性越強，術語翻譯的一致性越高，其產(chǎn)出的譯文速度越快，質(zhì)量也更好。因此，擴大語料庫規(guī)模，做好平行語料庫建設，歸類總結(jié)常用術語表達方式，增加翻譯記憶庫容，引領機器不斷學習新知識，改進機器翻譯引擎，是十分必要的。唯有如此，才能做到“平時備急，急時不急”，從而有效提升應急語言服務的譯文質(zhì)量水平。

（二）機器翻譯與應急語言服務實踐

機器翻譯大規(guī)模應用于突發(fā)公共事件救援實踐，只是最近十年以來的事情[8]。就國外方面來說，O’Brien指出，在機器翻譯輔助應急語言服務中，譯后編輯不可或缺，“機器翻譯＋譯后編輯”是應急語言服務需要遵循的基本原則[1]（P307）。事實上，應急語言服務中機器翻譯的作用不僅僅局限于不同語言間的轉(zhuǎn)換，還包括收集相關危機報道、社交媒體公眾態(tài)度、官方應對指南等信息，以此來擴容翻譯記憶庫[12]（P501）。據(jù)此，Lewis 團隊提出了“機器翻譯危機食譜（machine translation crisis cookbook）”這一概念，認為該“食譜”包括內(nèi)容與基礎設施兩個層面：前者指的是與危機有關的詞匯、句子、術語、表達方式；后者指的是救援人員、突發(fā)事件受害者、援助機構等信息利害相關者。二者需要密切配合，無縫銜接，才能提升應急語言服務的效能[12]（P501）。此外，一些非營利組織也將機器翻譯應用于應急語言服務實踐。“無國界翻譯員（TWB）”以援助遭受突發(fā)公共事件影響的語言弱勢群體為使命，該組織曾為羅興亞人開發(fā)了羅興亞語（Rohingya）的語音和文本數(shù)據(jù)庫。由于羅興亞語只有口頭語言，而沒有標準化的文字，這就給機器翻譯技術帶來很大挑戰(zhàn)。TWB 人員基于語音和文本的數(shù)據(jù)、技術，為該邊緣化語言建立了可復制且可擴展的機器翻譯引擎，確保他們可以使用自己所理解的語言來獲取應急信息，增強了他們對政府發(fā)布信息的信任程度[13]。這是因為公眾對信息的理解程度決定著對信息發(fā)布者的信任程度，經(jīng)過譯后編輯的信息，因其流暢度、準確度高，更容易獲得居民的信任[14]（P12）。

就國內(nèi)方面來說，我國一直高度重視應急語言服務機制體制建設。2021 年，國務院印發(fā)的《“十四五”國家應急體系規(guī)劃》中明確提出：“提升應急救援人員的多言多語能力，依托高校、科研院所、醫(yī)療機構、志愿服務組織等力量建設專業(yè)化應急語言服務隊伍?！边@為應急語言服務能力的提升迎來來了新的發(fā)展契機。不過，探討機器翻譯與應急語言服務應用的論著還不多見。孫逸群針對不同類型抗疫文本，對比分析了機器翻譯與人工翻譯的譯文質(zhì)量，認為譯者需要進行譯前核查、譯后編輯，以此來提高器翻譯的效率和質(zhì)量[15]。曾江霞以新冠肺炎和新冠病毒術語翻譯為例，討論了機器翻譯中術語優(yōu)化和科技名詞規(guī)范等翻譯標準化工作[16]。有些研究雖然不是以突發(fā)公共事件為例，但也涉及到譯后編輯或英漢平行語料庫的設計與研制工作，這些探討對機器翻譯的實際應用提供了有益的啟示[17]、[18]。在語言產(chǎn)品研發(fā)方面，科大訊飛所開發(fā)的中文與多語種外語之間的翻譯產(chǎn)品，助力基層工作人員與外籍人士的對話交流，消除了信息溝通之間的障礙，受到使用者的普遍好評。

三、機器翻譯與應急語言服務面臨的問題和挑戰(zhàn)

在現(xiàn)實實踐中，機器翻譯一方面提升了應急語言服務的速度，可以迅速地將相關信息傳遞給那些具有迫切需求的受眾，以方便他們采取行動，及時獲得救助。另一方面，這些信息有可能會存在譯文不得當、術語不準確乃至倫理失范等問題，如果在機器翻譯之后不加編輯、甄別地使用與發(fā)布，有時甚至會產(chǎn)生適得其反的嚴重后果。

（一）文本挑戰(zhàn)

可以說，機器翻譯能夠有效提升翻譯的產(chǎn)出效率。盡管應急語言服務對信息的準確度要求較高，但是由于專業(yè)人員十分短缺，應急信息不加譯后編輯就發(fā)布的情況時有發(fā)生。例如，在2022 年疫情防控期間，上海市某居民小區(qū)的社區(qū)工作人員在發(fā)布應急信息時，利用微信給住戶群發(fā)消息，并附上了系統(tǒng)自帶的機器翻譯文本內(nèi)容：

（1）各位寶寶們下午好！

明天下午1 點公寓會安排消殺工作，如果有需要入戶消殺的寶寶們請微信與我們溝通哈。

Good afternoon:

Tomorrow afternoon at 1:00 apartment will arrangement the killing work,if there is a need to kill the baby in the house,please communicate with us through WeChat.

該通知中的“寶寶”是一種淘寶體，作為一種網(wǎng)絡社交媒體用語，類似于“親”“親們”的用法，以此來表達一種親近感。對于熟悉社交媒體的當?shù)厝硕裕⒉煌回?。不過，譯文中的“baby”卻與原文的含義相距甚遠，這里應該采用“neighbors”或者“residents”。不僅如此，通知中“消殺”的對象是病毒，而非baby。對于不熟悉中國網(wǎng)絡文化的外籍人士，萬一家中有兒童的話，會不會產(chǎn)生誤解呢？

同樣這句話，谷歌翻譯于2022 年6 月1 日所給出的譯文，里面也包含“kill the baby”的信息，甚至表達得更為直接：“Good afternoon,babies.The apartment will arrange killing work at 1:00 pm tomorrow.If there are babies who need to be killed at home,please communicate with us on WeChat.”同一文本，百度翻譯的譯文質(zhì)量則有所改進（2022 年6 月1 日）：“Good afternoon,babies.If there is someone who needs disinfection and sterilization in the house,we will arrange for disinfection and sterilization at 1 p.m.tomorrow.Please let WeChat communicate with us.”此處“消殺”的意思雖然翻譯準確了，但還是把“寶寶”譯為“baby”。就此而言，僅僅依靠機器翻譯不加審核就發(fā)布的做法是不可取的。試想一下，如果這些信息被別有用心的人拿到境外傳播，在缺乏具體語境的情況下，很可能就會產(chǎn)生誤解，至少是拉低了對上海這個國際大都市的印象，直接影響到城市的形象。

根據(jù)這一通知的語境，我們需要在機器翻譯的基礎上進行譯后編輯加工，可以將“寶寶”調(diào)整為“everyone/residents”，或者更為口語化的“guys”；將“killing work”“kill the baby” 修改 為“disinfection work” 或 者“disinfection services”，以消除誤解。這樣一來，經(jīng)過譯后編輯的通知就是：“Good afternoon,everyone!The apartment will arrange disinfection work at 1 o’clock tomorrow afternoon.If there’s anyone who needs disinfection service,please communicate with us on WeChat.”

需要指出的是，機器翻譯文本的人情味也不能缺失。在文本翻譯時，要提前做好文化適應工作，應充分考慮到多元文化人群的適應能力，如他們的文化水平、生活習慣以及在突發(fā)事件的應急反應方式上的差異等。同時，發(fā)布的信息不能過于書面化，應盡量減少行話術語，可以采用圖片、圖示、漫畫、語音等多模態(tài)形式。對于一些使用群體較少的低源語言（lowsource language）居民，更要多加關愛，與內(nèi)部人士提前做好溝通，邀請他們幫助審核內(nèi)容，避免產(chǎn)生文化上的誤解與沖突，防止信息的二次傷害。

（二）術語挑戰(zhàn)

專業(yè)術語翻譯一直是應急語言服務中的難點，如果處理不當，不但受眾不知所云，甚至會造成不良影響。例如，我們所常見的“講好中國故事”這一譯文，百度翻譯與谷歌翻譯給出的譯文并不相同，其含義也大相徑庭。百度在2022年6月2日給出的譯文是：“Tell a good Chinese story.”而谷歌2022 年6 月2 日的譯文則是：“Tell Chinese stories well.”百度譯文容易使外國人士感覺我們只是選擇好的故事進行傳播，而有意掩蓋一些非主流的故事，宣傳的痕跡較為明顯。谷歌譯文則使用了“well”一詞，并放置于句尾，它帶給受眾的直接感受是：我們只是進行文體修辭上的斟酌，并不涉及故事選擇本身，這一效果無疑要好很多。目前，官方給出的譯文為：“Tell China’s story well.”

在新冠疫情防控中，會涉及到很多醫(yī)學、生物學方面的專有名詞，如果翻譯出現(xiàn)偏差或失誤，很有可能會誤導他人。例如，“外防輸入、內(nèi)防反彈”涉及“輸入病例”這個表達，其英文翻譯也有值得商榷的地方。2022 年3 月31 日，“上海市委市政府致全市人民的一封信”中將其譯為：“controlling imported COVID-19 cases and preventing the existing infections from rebounding.”世界衛(wèi)生組織也采用了import 這個詞語，將其譯為“imported cases”。值得注意的是，import 意味著一種主動行為，即進口自己所需要的產(chǎn)品、技術或服務，而病例顯然并不是我們所需要的。正如黃友義所指出的，翻譯的本能就是咬文嚼字，咬得越準，嚼得越細，越能精準把握文化信息的轉(zhuǎn)達[19]。下面一句話的譯文中并沒有出現(xiàn)import 這個詞，但所要傳遞的信息已經(jīng)充分表達出來：

（2）衛(wèi)生官員表示，本土傳播感染35 例，境外輸入病例7 例。

Health officials say the total includes 35 local transmissions and 7 originating from overseas.

這里需要指出的是，“隔離”這個術語有isolation 和quarantine 兩個表達，其含義是不同的：“isolation”特指將患有傳染病的病人與沒有生病的人分開；“quarantine”則指的是限制密接患者的行動，以觀察他們是否生病。因此，我們需要根據(jù)具體場合、個人情況，慎重選擇相應的詞語。再如，關于“致境外來京人員的一封信”的翻譯，谷歌給出的譯文是：“A letter to foreigners coming to Beijing.”百度給出的譯文則是：“A letter to foreign personnel in Beijing.”可以看出，這兩種譯文版本都將這句話中的“境外人員”譯為了外國人，實際上，境外來京人員也包括從境外返回的華人同胞。相比而言，官方的譯文就得體很多：“Message for inbound travelers”。

（三）技術挑戰(zhàn)

當今世界，重大突發(fā)公共事件往往會涉及語言問題，借助高科技智能技術尋求語言解決方案、提升救援效率十分必要。就技術層面而言，機器翻譯的最大挑戰(zhàn)是在于現(xiàn)有語言數(shù)據(jù)的儲存數(shù)量限制了譯文質(zhì)量。2010 年1 月，海地發(fā)生強烈地震之后，大批國際志愿者與專業(yè)救援人員進入震區(qū)，由于他們不懂當?shù)氐目死飱W語，于是便采用機器翻譯在英語與克里奧語之間進行語言轉(zhuǎn)換。不過，因為之前的翻譯記憶數(shù)據(jù)儲備不足，所收集到的克里奧語語料有限，所以譯文質(zhì)量無法滿足需求，難以勝任工作[12]（P503）。事實上，除了現(xiàn)有的數(shù)據(jù)庫之外，成功的機器翻譯還離不開大量的動態(tài)數(shù)據(jù)的支持。例如，抗擊新冠肺炎疫情期間，智能語言工具平臺YEEKIT 通過收集、整理、分析與病毒有關的新詞匯、新術語的表達方式，經(jīng)過資深專業(yè)領域人士審核后，組建專業(yè)疫情信息語料庫，改進翻譯引擎，更新翻譯記憶庫，提高了應急醫(yī)學信息的譯文質(zhì)量。

在突發(fā)公共事件中，各種情況難以預測，如果出現(xiàn)停電、斷網(wǎng)的情況，高科技產(chǎn)品及服務能否正常開展工作，能否保障譯文的質(zhì)量及譯后編輯水平，這也是應急語言服務必須面臨的技術挑戰(zhàn)。以科大訊飛的機器翻譯為例，第一代翻譯機產(chǎn)品對網(wǎng)絡要求較高，而國外不同場景網(wǎng)絡覆蓋情況差別很大，網(wǎng)絡問題遂成為機器翻譯推廣的一大障礙?？蒲袌F隊為此不斷加大攻關力度，研發(fā)出離線翻譯應用技術，實現(xiàn)了翻譯技術層面的重大突破。

（四）倫理挑戰(zhàn)

眾所周知，應急語言服務是一項人際服務，只要是涉及人與人之間的交互，就會有倫理問題[20]。機器翻譯盡管是由系統(tǒng)自動生成文本，但也面臨著個人隱私、信息的所有權、歸屬權問題。在具體實踐中，如何保護客戶隱私安全，防止人為泄漏個人信息，需要采取積極有效的措施。在有些情況下，雖然對相關數(shù)據(jù)進行了匿名處理，但仍有可能通過其他途徑而推斷出當事人的信息，從而造成潛在的數(shù)據(jù)泄露。就譯文層面而言，僅僅依據(jù)于機器軟件而不進行譯后編輯或者審核是根本靠不住的，在自媒體時代，稍有不慎就會引發(fā)輿情關注。比如，最近合肥市一則通告的英文翻譯就上了熱搜，該通告將“境外來（返）肥人員及時向社區(qū)報告”翻譯為：“Foreign（back）fat people timely report to your local community.”原文中的“肥”字本是合肥市的簡稱，一個城市名被譯為“fat”，成了以體重區(qū)分人群、帶有歧視現(xiàn)象的表達，引發(fā)了網(wǎng)友的調(diào)侃與不滿。更為可笑的是，同一表達，谷歌與百度的譯文更是不著邊際：合肥這座城市一個成了化肥（fertilizer），一個則成了化肥工人（fertilizer workers）。

（3）Persons from overseas（returning）to fertilizer report to the community in a timely manner.（谷歌，2022-06-02）

（4）Foreign（returning）fertilizer workers shall report to the community in time.（百度，2022-06-02）

可見，機器翻譯只能是輔助工具，其譯文需要專業(yè)人員審核后方可發(fā)布。再如，據(jù)澳大利亞廣播公司（ABC）中文網(wǎng)報道，澳洲政府防疫信息的譯文錯誤連篇，令人不知所云：對多元文化社區(qū)而言，一方面，容易引發(fā)多語群體的擔憂；另一方面，則會對政府失去信任，破壞了信息的權威性。就倫理層面來說，多言多語群體往往是突發(fā)公共事件中的弱勢群體，政府及社會團體平時要加強與他們的溝通交流，不能僅在危機時刻才想到他們。只有平時備急，才會在危機時刻贏得居民的充分信任。

四、機器翻譯與應急語言服務的應對策略

今后，突發(fā)公共事件中機器翻譯應用于應急語言服務會愈加普遍，我們有理由相信，隨著人工智能技術的突破、云端大數(shù)據(jù)共享機制的建立，機器翻譯文本的質(zhì)量也會得到顯著改進。因此，我們需要在專業(yè)領域數(shù)據(jù)庫籌建、譯后編輯人才培養(yǎng)、機器翻譯譯文質(zhì)量評估等方面加大力度，做到信息的個性化、精準化投放，從而有效提升應急語言服務效能。

（一）建立專業(yè)領域的數(shù)據(jù)語料庫

機器翻譯已經(jīng)成為突發(fā)公共事件中應急響應的組成要素之一，其譯文質(zhì)量的高低主要取決于現(xiàn)有數(shù)據(jù)庫的規(guī)模。今后，我們需要進一步做好數(shù)據(jù)規(guī)劃工作。首先，應加強平行語料庫建設，為翻譯引擎擴容，增強機器學習能力。比如，收集公共衛(wèi)生領域中的疫病防控及病毒語料庫（術語、醫(yī)學概念、防控詞匯等），極端天氣（干旱、洪水、嚴寒）領域的專有表達，民航業(yè)安全生產(chǎn)方面的專業(yè)詞匯（呼叫信息、救生指南）等。其次，積極收集與之相關的衍生信息，打造信息聚合系統(tǒng)。這方面主要包括來自全球?qū)μ囟ㄍ话l(fā)公共事件的新聞報道，對經(jīng)濟領域的影響，甚至是不同國家對于戴口罩、隔離政策的反應等。在這一基礎上，做好數(shù)據(jù)的分門別類工作，并提供主題、關鍵詞等主要信息，以方便檢索獲取。當然，這些專業(yè)領域數(shù)據(jù)庫并不局限于文本信息，圖片、語音、視頻信息等多模態(tài)形式都可錄入。再次，將數(shù)據(jù)庫信息應用于語言產(chǎn)品，設計能夠隨身攜帶的智能手機應用（APP），隨時在移動設備上更新術語、專業(yè)詞匯，方便使用者獲取最新內(nèi)容。

（二）加大譯后編輯人才培養(yǎng)力度

當前的翻譯工作越來越多地使用和依賴數(shù)字技術，而高校人才培養(yǎng)機構要確保他們的課程與技術保持同步是一個挑戰(zhàn)，機器翻譯與譯后編輯尚未完全納入本科和研究生培養(yǎng)計劃[21]。機器翻譯如果脫離了人工的編輯與審核，所翻譯出來的內(nèi)容可能會既缺乏語感，也缺乏人情味，特別是在突發(fā)公共事件的情境下，對信息的準確性要求更高；一旦信息不準確，不符合受眾的文化習慣，會影響居民對政府的信任度?？梢哉f，“機器翻譯＋譯后編輯”勢必會成為應急語言服務的常態(tài)形式，這就對人才隊伍建設提出了更高要求。第一，改革課程培養(yǎng)體系，圍繞機器翻譯可能出現(xiàn)的問題、譯后編輯需要具備的能力，制定人才培養(yǎng)方案，專門開設譯后編輯相關課程，增加學生的實訓機會，鍛煉學生的實際操作能力。第二，開展譯后編輯專業(yè)技能培訓，提升應急語言服務能力，應急語言服務人才隊伍中的部分志愿者可能對機器翻譯并不熟悉，可以對他們進行業(yè)務培訓，編寫適合短期學習的專業(yè)手冊與輔導資料，使他們也能獨立開展工作。第三，加大跨學科團隊協(xié)同機制，與其他相關技術人員密切配合，做好研發(fā)工作。Lewis 等學者曾提及，微軟團隊與相關專業(yè)技術人員通力合作，2010 年為海地地震后的應急語言援助工作研發(fā)了一套機器翻譯系統(tǒng)，涉及語音標注、句法結(jié)構、語法規(guī)則等語言學信息[12]（P504-505）。今后，技術人員與語言服務工作者要多開展對話，獲得反饋，從而提高后期編輯的效率。

（三）開展機器翻譯譯文質(zhì)量評估

在應急語言服務中，信息準確是第一位的，今后需要充分重視譯文質(zhì)量的評價研究。我們可以從可理解度（understandability）、準確度（accuracy）和貼切度（appropriateness）三個維度，來衡量譯文質(zhì)量。第一，積極發(fā)揮社區(qū)和個體的能動性，加強專家學者與普通民眾的溝通、合作。相關領域的專家應深入社區(qū)，采用“語言好客（language hospitality）”的理念與社區(qū)居民互動，邀請多言多語社區(qū)居民評價機器翻譯譯文，并提出改進意見，共同提高譯文質(zhì)量[22]（P23）。第二，做好分場景的譯文評價與訓練，提升譯文的情景化識別能力。機器翻譯的難點之一是在于機器并不知曉原文信息的語境，無法體會到用戶的實際需求。而做好分場景譯文評價，一方面，可以解決機器翻譯應用場景中的痛點問題；另一方面，也能夠切實推動相關用戶的親身體驗。以科大訊飛為例，他們依托用戶使用場景洞察，探索出一套面向用戶的評價標準：聽得清、聽得懂、譯得準、表達美，做到可用、可讀和可理解[23]。第三，采用眾包翻譯與機器翻譯相結(jié)合的方式，切實提升譯文質(zhì)量。眾包翻譯（crowdsourced translation）是近些年來興起的新型翻譯業(yè)態(tài)，它能夠充分發(fā)揮集體的智慧，群策群力，共同為專有名詞、特定領域表達提供思路及創(chuàng)新性建議[24]。今后需要將機器翻譯、眾包翻譯與譯后編輯相結(jié)合，發(fā)揮團隊優(yōu)勢，打造高質(zhì)量譯文。

五、結(jié)語

綜上所述，本文首先回顧了機器翻譯在應急語言服務領域中的研究現(xiàn)狀，從中找出所存在的主要問題，并提出了具有可操作性的應對策略：加大資源建設力度，培養(yǎng)相關領域人才，開發(fā)相關技術產(chǎn)品，有針對性地開展應用實踐訓練，提升各類突發(fā)事件的應急響應能力?？傊?，突發(fā)公共事件不僅會給社會的正常運轉(zhuǎn)造成強烈的沖擊、給國家的經(jīng)濟發(fā)展造成巨大的損失，也會對社會公眾的身體健康和生命安全構成嚴重的危害。語言是溝通的工具與橋梁，在突發(fā)公共事件中，信息溝通的清晰、準確、及時是至關重要乃至生命攸關的。突發(fā)公共事件的信息需求是即時的，機器翻譯作為一種新型的信息處理工具，為消除溝通障礙、提升信息的準確傳遞發(fā)揮了重要作用[24]、[25]?？梢哉f，現(xiàn)代高科技與人工智能的發(fā)展，催生了機器翻譯在突發(fā)公共事件中的應用，應急語言服務也越來越依賴于機器翻譯的效能。不過，由于機器翻譯質(zhì)量的高低主要是取決于翻譯記憶、翻譯引擎、平行數(shù)據(jù)語料庫的建設與資源的可及程度，由機器所生成的譯文仍然存在著不夠精確甚至失范等現(xiàn)象。今后，我們需要著重做好突發(fā)公共事件之后數(shù)據(jù)的消化與分析工作，挖掘整理有關話語類型的數(shù)字化內(nèi)容，擴容翻譯引擎規(guī)模，為預防和應對突發(fā)公共事件提供信息與決策依據(jù)，為全面加強應急語言服務體系建設、切實提升國家應急管理能力作出自己的貢獻。