體認(rèn)翻譯學(xué)下對人工智能的翻譯動態(tài)模式構(gòu)建的探究
——以ChatGPT為例

張慧玲

引言

體認(rèn)翻譯學(xué)作為一種新興學(xué)科理論,批判繼承了傳統(tǒng)的語言學(xué)與翻譯理論,將翻譯視作體認(rèn)的產(chǎn)物,而不僅僅是語言符號與意義的轉(zhuǎn)換[1]。從體認(rèn)翻譯學(xué)的視角來看,翻譯活動中的“同”與“異”可分別從“體”和“認(rèn)”的角度進(jìn)行分析?！绑w”是馬克思主義哲學(xué)唯物論的表現(xiàn),強(qiáng)調(diào)翻譯過程中譯者的互動體驗(yàn);而“認(rèn)”表示人類對于語言的認(rèn)知加工,凸顯認(rèn)知的重要性。體認(rèn)翻譯學(xué)著力對于翻譯過程中“現(xiàn)實(shí)—認(rèn)知—語言”的動態(tài)建構(gòu),而非單一的靜態(tài)考察。人工智能軟件 ChatGPT 風(fēng)靡全球,它是人工智能技術(shù)驅(qū)動的自然語言處理工具,能夠?qū)W習(xí)人類語言來進(jìn)行對話以及翻譯。作為機(jī)器,它并不能從現(xiàn)實(shí)生活中獲取生活經(jīng)驗(yàn)及互動體驗(yàn),不能完成“體”。作為人工智能,ChatGPT的工作機(jī)制是人類使用者輸入提示后,其再輸出答案。不過,ChatGPT集成了Grammarly、Phrase Bank、Collocaid等軟件的校對、替換、改述功能[2],并且ChatGPT可對譯文進(jìn)行校對和潤色。那么,ChatGPT 能否從“體”和“認(rèn)”來處理翻譯文本,它的內(nèi)在的認(rèn)知機(jī)制以及它是否能夠完成翻譯的動態(tài)構(gòu)建,這是本文將要探究的重要議題。

一、體認(rèn)翻譯學(xué)概述及研究現(xiàn)狀

體認(rèn)翻譯學(xué)是王寅結(jié)合了認(rèn)知語言學(xué)與翻譯學(xué)研究,分別從“體”和“認(rèn)”兩大要素對翻譯進(jìn)行研究的新興翻譯學(xué)理論。這一理論重點(diǎn)突出語言是由“體”與“認(rèn)”兩個(gè)過程產(chǎn)生的,即先有“體”后有 “認(rèn)”。王寅認(rèn)為傳統(tǒng)翻譯理論過于重視“語言層面”上的轉(zhuǎn)換,而忽視其背后的體認(rèn)機(jī)制[3]。而體認(rèn)翻譯學(xué)旨在彌補(bǔ)這一缺陷。翻譯是一個(gè)從現(xiàn)實(shí)到認(rèn)知,再到語言的動態(tài)構(gòu)建過程。體認(rèn)語言學(xué)認(rèn)為,認(rèn)知和語言來源于人類對客觀現(xiàn)實(shí)的“互動體驗(yàn)”和“認(rèn)知加工”。在體認(rèn)翻譯學(xué)的框架之下,翻譯的過程并非將現(xiàn)實(shí)、認(rèn)知、語言三個(gè)層面分隔開來,而是憑借體認(rèn)機(jī)制,強(qiáng)調(diào)各層面的互動性,三個(gè)層面的動態(tài)轉(zhuǎn)換。語言的轉(zhuǎn)換是現(xiàn)實(shí)世界和認(rèn)知世界共同作用的結(jié)果,“體”是由于人們對現(xiàn)實(shí)世界的體驗(yàn)存在共通之處,“認(rèn)”是由于各民族的文化背景和思維模式不同,所以,受其影響而形成的認(rèn)知世界也不同。針對體驗(yàn)的普遍性和認(rèn)知的差異性,譯者作為體認(rèn)主體,以現(xiàn)實(shí)世界為基石,分析認(rèn)知世界的異同,巧妙地將源語映射為目的語。體認(rèn)翻譯學(xué)是整合體驗(yàn)哲學(xué)、認(rèn)知語言學(xué)、體認(rèn)語言學(xué)及翻譯學(xué)的創(chuàng)造性成果。體認(rèn)翻譯學(xué)作為一種新興的翻譯理論,是中國本土化特色的翻譯理論[4]。

目前,體認(rèn)翻譯學(xué)的研究現(xiàn)狀主要分為以下三方面:理論建構(gòu)、動態(tài)建構(gòu)以及與傳統(tǒng)理論的銜接。第一,理論建構(gòu)?！绑w認(rèn)翻譯學(xué)”是由王寅在2021年首次提出的,形成了系統(tǒng)的理論體系,但其思想萌芽于20 世紀(jì)末接觸認(rèn)知語言學(xué),他意識到可將認(rèn)知語言學(xué)與翻譯研究相結(jié)合。2010 年,馬丁(Martin)在書中正式提出了“Cognitive Translatology(認(rèn)知翻譯學(xué))”,因此,國內(nèi)學(xué)者融合了認(rèn)知語言學(xué)與翻譯學(xué),于 2012 年在《中國翻譯》上首次使用認(rèn)知翻譯學(xué)這一術(shù)語。緊接著,中國學(xué)者嘗試將哲學(xué)(傳統(tǒng)哲學(xué)、馬列主義、語言哲學(xué)、后現(xiàn)代哲學(xué)、中國后語哲等)與語言學(xué)研究結(jié)合,就將“認(rèn)知翻譯學(xué)”修改為“體認(rèn)翻譯學(xué)”。第二,動態(tài)建構(gòu)。體認(rèn)翻譯學(xué)主要從“現(xiàn)實(shí)、認(rèn)知、語言”三個(gè)層面進(jìn)行研究。“語言”是對現(xiàn)實(shí)世界進(jìn)行“互動體驗(yàn)”和“認(rèn)知加工”的結(jié)果[5]。就目前對于體認(rèn)翻譯學(xué)的應(yīng)用,主要是從三個(gè)層面的其一或其二來進(jìn)行分析的,對于翻譯過程中 “現(xiàn)實(shí)—認(rèn)知—語言”的相互作用的研究并不多見,體認(rèn)翻譯學(xué)的研究方向應(yīng)著力于動態(tài)建構(gòu),而非單一的靜態(tài)考察[6]。第三,與傳統(tǒng)理論的銜接。體認(rèn)翻譯學(xué)理論基礎(chǔ)包括馬列主義唯物論、語言哲學(xué)、體驗(yàn)哲學(xué)、認(rèn)知語言學(xué)、體認(rèn)語言學(xué)、后現(xiàn)代哲學(xué)及認(rèn)知科學(xué)。如今,西方翻譯理論被廣為使用,我們要努力建構(gòu)我國自己的譯論學(xué)派。我國傳統(tǒng)的譯論“文質(zhì)之爭”和“信達(dá)雅”是中國學(xué)者接受和學(xué)習(xí)的譯論,而新興的中國特色譯論卻略顯爭議。在西方譯論的統(tǒng)攝下,中國傳統(tǒng)譯論逐漸淡出公眾視野。我們的翻譯研究只能跟著西方理論走,從“文化轉(zhuǎn)向、多元理論”到“異化—?dú)w化”等等都是如此。我們創(chuàng)立了我國的特色翻譯理論,不應(yīng)僅限于和西方譯論的銜接,應(yīng)該加強(qiáng)與中國傳統(tǒng)譯論的融合。

二、ChatGPT時(shí)代下翻譯發(fā)展現(xiàn)狀

ChatGPT 是2022年美國人工智能研究實(shí)驗(yàn)室 OpenAI 開發(fā)的一種新型人工智能聊天機(jī)器人。該機(jī)器人在對大量數(shù)據(jù)進(jìn)行整合與訓(xùn)練應(yīng)用的基礎(chǔ)上,通過“監(jiān)督學(xué)習(xí)”與“強(qiáng)化學(xué)習(xí)”的方式,具有了較強(qiáng)的自然語言理解和生成能力,并能與人類進(jìn)行高質(zhì)量對話。在此基礎(chǔ)上,可以完成相對復(fù)雜的工作,包括連續(xù)問答、摘要生成、文檔翻譯、信息分類、代碼編寫、論文撰寫等多種任務(wù)。ChatGPT與以往的人工智能聊天機(jī)器人有本質(zhì)區(qū)別。ChatGPT的出現(xiàn)標(biāo)志著人工智能從低級智能階段逐步邁入高級智能階段。ChatGPT在超大規(guī)模預(yù)訓(xùn)練語料的基礎(chǔ)上,通過深度學(xué)習(xí)機(jī)制,獲得了強(qiáng)大的語義分析能力,已具備進(jìn)入人類語境和理解人類語言的功能。在運(yùn)行邏輯上,ChatGPT應(yīng)用了“基于人類反饋的強(qiáng)化學(xué)習(xí)”訓(xùn)練機(jī)制,可在與人交互的過程中習(xí)得人的語言特征和思維方式,從而獲得能力的進(jìn)化。

ChatGPT仿擬人類神經(jīng)網(wǎng)絡(luò)運(yùn)作機(jī)制進(jìn)行知識生產(chǎn),但尚不具備人的思維、邏輯能力和認(rèn)知水平,其邏輯基底是由人設(shè)計(jì)和構(gòu)建的。ChatGPT不是原創(chuàng)性的知識生產(chǎn)者,而是按照先置算法對人類知識進(jìn)行加工和重組的知識搬運(yùn)工。翻譯是一個(gè)復(fù)雜的知識生產(chǎn)轉(zhuǎn)換過程,對翻譯目的的理解、對原文語言風(fēng)格的體悟、對原文文化信息的領(lǐng)會、對原文知識的創(chuàng)造性轉(zhuǎn)換和翻譯方法與策略的使用等與譯者的知識儲備、文化底蘊(yùn)與專業(yè)素養(yǎng)密切相關(guān)。

三、ChatGPT的運(yùn)行機(jī)制

(一)ChatGPT的技術(shù)內(nèi)核

ChatGPT,即生成式預(yù)訓(xùn)練轉(zhuǎn)換模型。ChatGPT 類語言模型的特點(diǎn)之一是對詞語序列的概率相關(guān)性建模,即根據(jù)輸入的語句預(yù)測接下來不同語句出現(xiàn)的概率分布。簡而言之,ChatGPT 可以根據(jù)上文預(yù)測下一個(gè)詞出現(xiàn)的可能性,所以也可以看作統(tǒng)計(jì)語言模型。筆者通過對ChatGPT 的主體架構(gòu)和主要組件的分析,發(fā)現(xiàn)語料體系、預(yù)訓(xùn)練算法與模型、微調(diào)算法與模型構(gòu)成了ChatGPT 的技術(shù)核心,其使ChatGPT可承擔(dān)模仿人的思維模式、自由創(chuàng)作、文檔翻譯等邏輯性更強(qiáng)的工作。

(二)語料庫是基礎(chǔ)

ChatGPT 的運(yùn)行必須要有龐大的語言語料庫,要有大量功能強(qiáng)大的運(yùn)算模型作為邏輯推理的支撐,才能夠?qū)崿F(xiàn)其功能[7]。語料庫是生成內(nèi)容的原始素材來源,語料庫的大小直接決定了所生成內(nèi)容的豐富性及全面性,其覆蓋面越廣、內(nèi)容越詳盡,內(nèi)容生成可選擇的空間就越大;而其中模型和參數(shù)是基于實(shí)際需要不斷變化和更新的,用戶規(guī)模越大,他們需求的差異化就越會表現(xiàn)出來。大型語言模型不僅是涵蓋了多種語言的模型,還是能夠?qū)Ω黝愓Z言進(jìn)行推理運(yùn)算并實(shí)現(xiàn)內(nèi)容篩選所呈現(xiàn)的模型,它也是 ChatGPT 的核心模型。

(三)預(yù)訓(xùn)練算法與情景交互

ChatGPT 的預(yù)訓(xùn)練分為無監(jiān)督預(yù)訓(xùn)練和有監(jiān)督微調(diào)。ChatGPT通過有監(jiān)督的調(diào)優(yōu)、模擬人類偏好、近端策略優(yōu)化來進(jìn)行強(qiáng)化學(xué)習(xí)。無監(jiān)督預(yù)訓(xùn)練是通過學(xué)習(xí)數(shù)據(jù)間的內(nèi)在結(jié)構(gòu)和模式來提取信息,ChatGPT是通過閱讀大量的對話數(shù)據(jù),學(xué)習(xí)語言的語法、語義和上下文的聯(lián)系。微調(diào)是在無監(jiān)督訓(xùn)練之后,在一個(gè)特定任務(wù)上對預(yù)訓(xùn)練模型進(jìn)行重新訓(xùn)練。對ChatGPT的微調(diào)階段,研究者使用了監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)相結(jié)合的方法。學(xué)習(xí)與用戶的實(shí)時(shí)情景交互是ChatGPT內(nèi)容生成能力的重要體現(xiàn),它能夠根據(jù)不同情景給出相對應(yīng)的答案,并且能就某一內(nèi)容的系列問題展開持續(xù)對話。由于用戶規(guī)模巨大、個(gè)體差異明顯,ChatGPT 所面臨的交互情景也就更為復(fù)雜多樣,要想解決這個(gè)難題,可以采用不斷更新優(yōu)化模型和補(bǔ)充、更新與完善語料庫的方式。基于現(xiàn)實(shí)情景的調(diào)整進(jìn)行相應(yīng)模型的優(yōu)化,通過精準(zhǔn)的參數(shù)設(shè)置來實(shí)現(xiàn)與用戶對話的匹配性。語料庫的改進(jìn)是基于用戶的需求,加入新的內(nèi)容,對老舊內(nèi)容進(jìn)行補(bǔ)充,對有誤的內(nèi)容語義進(jìn)行改正,從而保證語料的數(shù)量和質(zhì)量。

(四)微調(diào)算法與語言表達(dá)

ChatGPT的微調(diào)一般是通過兩種方式。一種是指導(dǎo)模型生成更符合用戶期望的語言表達(dá),我們可以通過提供一些優(yōu)秀的對話樣本,告訴模型哪些回答是正確的,模型會根據(jù)示例樣本生成更加準(zhǔn)確的回復(fù)。另一種是通過強(qiáng)化學(xué)習(xí)來微調(diào),我們可以通過獎(jiǎng)勵(lì)模型生成高質(zhì)量回復(fù)來提升性能,將ChatGPT的回答與人類生成的參考回答進(jìn)行比較,并根據(jù)相似度來獎(jiǎng)懲模型,通過更新迭代來改善模型。ChatGPT的語言表達(dá)的好壞,主要是用戶對 ChatGPT 的感知,即相較于與真實(shí)的人會話所感覺到的差異,這種差異越小表明 ChatGPT 的表達(dá)越接近于人,其語言表達(dá)越真實(shí)。這也會受到外界的影響,如果對話內(nèi)容來源于較權(quán)威的專家學(xué)者,并且已是成熟的學(xué)術(shù)概念,那么生成的語言表達(dá)就更接近人;而面對復(fù)雜情景下的個(gè)人情感或新出現(xiàn)的學(xué)術(shù)研究概念,ChatGPT 的回答便跟人有了差距。所以,ChatGPT 語言表達(dá)的人化程度是其功能發(fā)揮的重要考量,其不僅要具備專業(yè)知識,在知識儲備上甚至要能夠超過領(lǐng)域內(nèi)的專家,而且還要具備人的邏輯推理及表達(dá)能力,從而形成用戶所需要的內(nèi)容。ChatGPT 在內(nèi)容生成以及信息傳遞過程中,提供給用戶的是真實(shí)的內(nèi)容,生成的內(nèi)容是客觀的,能夠根據(jù)會話完成具有邏輯性的內(nèi)容生成與傳遞。

ChatGPT 的興起,源于人工智能技術(shù)的普及,在不同場景下,其可根據(jù)用戶的需要完成情景交互和互動體驗(yàn),能夠滿足用戶的即時(shí)需求,并以可見的內(nèi)容呈現(xiàn)出來,實(shí)現(xiàn)了由淺向深、由虛向?qū)嵉霓D(zhuǎn)變。隨著相關(guān)領(lǐng)域的進(jìn)一步拓展,其會被應(yīng)用于更多的行業(yè)。綜上所述,語料體系、預(yù)訓(xùn)練算法與模型、微調(diào)算法與模型構(gòu)成了ChatGPT 的核心技術(shù),情景交互和語言表達(dá)是ChatGPT的一種能力,我們要利用好、發(fā)揮好ChatGPT強(qiáng)大的功能,實(shí)現(xiàn)人與機(jī)器的和諧發(fā)展。

四、動態(tài)構(gòu)建

ChatGPT 利用深度神經(jīng)網(wǎng)絡(luò)對大規(guī)模文本數(shù)據(jù)進(jìn)行訓(xùn)練,對信息進(jìn)行歸納、整合和完善,其本質(zhì)上屬于詞和句序列的自動輸出。這種模型以模仿人類自然表達(dá)為目的,能夠生成符合語言邏輯的文本,其算法邏輯并不關(guān)注信息的真實(shí)性。相反,它能夠修正雜亂的語法或錯(cuò)誤的翻譯,并變換為更適合的表達(dá)方式,使虛假的信息顯得更具說服力和可信度。OpenAI首席技術(shù)官米拉·穆拉蒂認(rèn)為,ChatGPT可能會“編造事實(shí)”,并表示這是當(dāng)下基礎(chǔ)的大語言模型共同面臨的挑戰(zhàn)。

ChatGPT作為大型語言模型具有強(qiáng)大的通用語言理解和生成能力,能夠遵循人類指令完成不同類型的自然語言處理任務(wù)。ChatGPT在尊重除了美國的其他國家的文化背景和使用習(xí)慣上仍有欠缺,看似客觀中立的技術(shù)背后隱藏了平臺資本的操控。翻譯具有價(jià)值觀構(gòu)建功能,世界雖然是相似的,但是各個(gè)地區(qū)的自然環(huán)境不完全相同,人們認(rèn)識世界、理解世界、表達(dá)思想的方式也不盡相同,那么翻譯時(shí)自然會融合譯者的人生觀、價(jià)值觀、世界觀,由于譯者的地區(qū)不同、經(jīng)歷不同、感受不同,那么其所翻譯出來的譯文自然各不相同,這是處于體認(rèn)翻譯學(xué)下對翻譯的探究,我們在翻譯過程中必須透過語言的現(xiàn)象看到體認(rèn)的本質(zhì),才能將翻譯做好。對ChatGPT來說,它的翻譯是和語料庫進(jìn)行比對,再結(jié)合用戶的需求而生成的一個(gè)語言產(chǎn)物,并不會考慮到體認(rèn)翻譯學(xué)的三大核心內(nèi)容“現(xiàn)實(shí)、認(rèn)知、語言”,從而不能實(shí)現(xiàn)三者的動態(tài)構(gòu)建。

五、結(jié)語

ChatGPT 類生成式人工智能不具備理解能力。ChatGPT 本質(zhì)上是基于語料庫的數(shù)據(jù)積累和概率計(jì)算進(jìn)行的輸出,盡管在形式上已非常接近于人的表達(dá),但其本質(zhì)仍然是一種計(jì)算機(jī)語言的計(jì)算和轉(zhuǎn)譯[8]。本文從體認(rèn)翻譯學(xué)和ChatGPT 翻譯內(nèi)容生成的角度,探討了ChatGPT能否實(shí)現(xiàn)體認(rèn)翻譯學(xué)的動態(tài)構(gòu)建,從發(fā)展現(xiàn)狀、運(yùn)行機(jī)制、案例分析幾個(gè)方面進(jìn)行研究,提出了ChatGPT產(chǎn)出譯文的方式,以期對翻譯理論的發(fā)展提出一種新模式。當(dāng)然,ChatGPT的應(yīng)用要充分發(fā)揮其知識創(chuàng)造能力,著重其創(chuàng)新模式的培養(yǎng)。在翻譯知識創(chuàng)造過程中,人依然是主宰,人工智能只是被應(yīng)用的工具和手段[9]。