International Open Access Journal Platform

1 引言

中国古典诗歌的跨文化传播，本质上是一场跨越时空与语言藩篱的美学远征。然而，“意境”自身模糊性、文化专属性与高度依赖读者悟解的特点，使其在语言转换与跨文化传播历程中极易耗散，传统译者对此虽有关注却缺乏普适的破解之法。王维诗歌作为中国古典文学的瑰宝，其翻译长期以来主要依赖人工译者。这类翻译尤其注重对诗歌意境、韵律和文化意象的把握，传统人工翻译虽然能较好地处理这些难点，但也面临效率低、成本高、译者风格差异大等局限。近年来，随着机器翻译（MT）和自然语言处理（NLP）技术的发展，AI在提升翻译效率、辅助术语统一和分析语言模式等方面展现出优势，但其诗歌译文常陷入“有意象而无意境”的窘境。与此同时，它也引发了理论层面的新挑战：当冷峻的算法试图解读与重构充满灵韵的诗意时，我们应如何定位其角色？是应将其视为对人文精神进行祛魅的“敌对替代者”，还是可以协同创新的“潜在协作者”？

为打破现有“人机优劣”的二元论争，超越技术效率与人文价值孰轻孰重的表象讨论，观照对译者与AI在具体诗歌翻译实践中如何形成动态、互补的互动机制，本研究旨在通过“阐释循环”的理论透镜，以王维诗歌的英译为范本，通过精细对比AI译本与人工译者译本，审视翻译过程中意境熵增的具体发生机制，并试图回答：在从源语到译语的意境转换中，AI与人类译者如何各自参与阐释循环？它们的功能性互补如何能够共同为意境“导航”，从而有效抑制意义的混乱与耗散？

本研究通过系统论证人工智能与人类译者在诗歌翻译过程中形成的功能互补关系，为中国古典美学等高度依赖文化语境与审美内涵的文本外译，提供了兼具理论创新性与实践可行性的传播路径。

2 国内外研究简况

在语言美学与形式再现方面，学者们重点关注王维诗歌中的意象、意境及形式美学的翻译策略。其中，舒文譞创新地融合翻译美学中的“超文本语言审美”理论与禅宗美学，以此为理论框架，系统对比分析多个王维诗歌英译本。通过评估各类译法在重构原诗语言美学、再现禅宗意境方面的得失，探讨如何在跨文化传递中最大限度地减少审美偏差。[1]此外，在积极探讨意境传递方法的同时，学者们也清醒地认识到其中的困难与限度。这种清醒的认识体现在两个层面：在理论层面，研究者反思“可译性”与“不可译性”的经典命题，强调意境的传递并非简单的语义对应或意象移植，而是涉及复杂的主体阐释与跨文化创造性转化；在实践层面，对具体译本的分析不仅总结成功的转换策略，也常常剖析其难以避免的损失与变异，例如音韵美的削弱、典故内涵的流失、多维意象的扁平化等。同时，夏萌以王维山水田园诗的许渊冲英译本为主要研究对象，分析其在不同文化语境下的接受差异，指出译介需适应目标文化语境。这类研究构成了对翻译实践的辩证反思，提醒译者在追求意境再现时需保持审慎的态度。[2]

针对AI技术在翻译领域的应用问题，国内普遍认可其在信息类文本翻译上的效率[3]。然而，当论及文学，尤其是诗歌意境传递时，学界态度转向审慎。无独有偶，反思已超越技术能力本身，延伸至对翻译安全、算法偏见、责任归属等伦理风险的深切关注[4]。正是基于这种对局限与风险的系统性审视，国内研究逐步偏向“人机协同”的未来路径：AI的角色被明确定位为强大辅助工具，而译者的核心价值则在于其不可替代的批判性思维、文化判断与创造性洞察[5]，最终目标是构建一种技术赋能与人文主导相结合的新型翻译范式[6]。

意象研究是王维诗歌分析的经典路径。当前国外研究已不再满足于诗歌文本的字面翻译，而是深入到中国古典美学的核心范畴，特别是对“意境”的探讨。如Hongmei和Sernelj的研究所示，学者们致力于追溯“意境”的哲学思想根源，并分析其在不同艺术形式（如绘画与诗歌）中的具体构建方式。这种对核心美学概念的深度阐释，要求译者在传递语义之外，还需设法在目标语言中重构那种“言有尽而意无穷”的艺术境界。［7，8］与此同时，随着人工智能技术的发展，学界开始系统地评估大型语言生成模型在古诗翻译中的能力。研究通过对比ChatGPT、谷歌翻译和DeepL等主流工具，揭示了它们在处理中国古典诗歌特有的意象、韵律和文化内涵时的优势与局限[9]。与此同时，研究也指向了更具专业性的解决方案，即构建专用于古典诗歌的“紧凑高效语言模型”，此类模型不仅在诗歌生成上表现更佳，还开始涉足诗歌的自动阐释任务[10]。此外，针对机器生成文本的“抛光”与润色模型研究，也预示着未来人机协作的翻译新模式［10］。

近期国际学界对AI翻译的态度呈现一种“工具性肯定”与“人文性质疑”并存的辩证观点。一方面，研究承认AI（如GPT）在提升翻译效率、处理多语言任务上具有显著优势，是一种强大的辅助工具。但另一方面，学者们深刻警示其核心局限：AI难以理解语言背后的社会文化语境和真正把握深层含义，也无法进行真正的批判性思考。因此，学界强烈呼吁重申传统人文学科的重要性，强调人类的共情、文化洞察力和伦理判断是不可替代的[11]。最终，理想路径是让AI作为高效工具，由具备深厚人文素养的人来主导，以实现更有意义和准确的跨文化沟通。

通过对国内外文献的梳理，可以发现，国内外研究在一个根本点上达成共识：意境是诗歌翻译的灵魂，而目前AI无法独立完成意境的传递。双方都承认AI在效率、知识库等方面具有工具性优势，但也清醒地认识到其缺乏真正的思考与情感。正是基于这一共同判断，“人机协作”成了一个被普遍展望的未来模式。然而，在如何理解并突破这一困境的路径上，研究呈现出显著的互补性分野：国内研究植根于“文化对等”理论，将译者定位为进行能动性阐释与再创造的主体，对追求意境再现持审慎态度。而国外研究则更侧重于具体能力的对比，明确点出人类译者的共情能力、文化洞察力与伦理批判性是AI难以逾越的鸿沟。

3 研究设计与分析方法：以王维诗《辛夷坞》为例

3.1 理论框架

在翻译研究领域，乔治·斯坦纳的“阐释学”理论（信任、侵入、吸收、补偿）系统化揭示了译者主体性在意义重构中的核心作用。乔治·斯坦纳在其阐释学翻译理论中提出，一切理解本质上都是翻译，并将该过程系统化为一个动态循环：译者首先信任原文有价值；进而侵入文本以提取意义；随后将意义吸收融入目标语文化；最后通过补偿恢复因翻译失衡而损失的价值，达成创造性互惠。这一理论深刻揭示，译者主体性并非次要或干扰因素，而是意义得以跨语言重构的核心驱动力——从文本选择、暴力解读、文化移植到艺术再创造，译者始终是能动且伦理性的意义重构者。这一点在中国古典诗歌翻译中尤为显著，译者需在字词（部分）与意境（整体）间不断循环，以实现视域融合和审美价值的生成[12]。然而，传统的阐释循环模型主要聚焦于单一个体译者的认知过程。

因此，本研究将“阐释循环”重新定义为一种“人机协同的螺旋式阐释过程”。该过程将AI置于循环的前端，负责对语言部分进行高效、精准的初步处理与数据支撑；而将译者置于循环的后端与顶层，凭借其主体性，负责对AI产出进行批判性审视、审美判断与创造性补偿，最终在人与机器的迭代互动中，共同达成对诗歌整体意境的超越性重构。

3.2 文本选择与解读：诗歌样本分析

选取王维《辛夷坞》作为核心分析文本，主要基于其在诗歌美学与翻译研究中的典型意义。

原诗：《辛夷坞》

木末芙蓉花，山中发红萼。

涧户寂无人，纷纷开且落。

该诗以极简笔墨构筑出深远的禅意境界。诗中“木末芙蓉花”实为山中辛夷，其红萼初发之美艳与“涧户寂无人”的空寂形成对比；而“纷纷开且落”的动态描摹，更将生命的绽放与凋零视作自然的本然循环。诗人通过抹去人迹、隐退自我，使自然脱离被观照的客体地位，这与杜甫“感时花溅泪”的移情迥然相异。在红萼与空山的虚实相生间，时间感趋于模糊，空间获得自主性——花开花落不因无人见证而失其意义，亦不因时序流转而喜悲。这种“以物观物”的静默观照，最终抵达了存在本身即是意义的哲学高度：纷扬的花瓣在绝对寂静中完成生灭，恰似天地呼吸的韵律，生动诠释了禅宗“不立文字”的顿悟。当诗人放下对意义的执着追寻，生命本然的丰盈便在刹那的开落中澄明呈现。

全诗仅二十字，语言高度凝练，意象单纯（木末、芙蓉、涧户、开落），句法简洁。这种形式上的极简性，为AI提供了相对清晰的语义分析基础，便于观察机器对古典汉语基本元素的处理能力。然而，其意境却极深——在“无人”的寂灭中展现“开落”的永恒，在绝对的静中凝练生动的美。这种形式与内涵的巨大张力，恰好构成一个检验“AI可译性”（形式层面）与“人文不可译性”（意境层面）如何协同的典型实验场。

3.3 AI协作工具

因GPT-4与DeepSeek在语言生成能力、文化知识广度与逻辑推理水平上处于领先地位,本研究选用这两种大语言模型作为AI协作伙伴。ChatGPT-4对于文学性文本、诗歌、创意内容的翻译尤为出色，能灵活处理隐喻、双关等修辞手法，保持原文的艺术感染力；在文化适配和语感自然度方面特别突出，能深刻理解不同语言的文化细微差别，使译文读起来如同母语者创作。而DeepSeek在语言处理上展现出显著的技术优势，特别擅长中文相关翻译任务。它能精准把握汉语的微妙语境、文化内涵和表达习惯，其翻译风格务实准确，在保持原文信息完整的同时，确保译文符合目标语言的表达规范。

3.4 文化移植：译本参照系选择

在分析环节，将选择性引入许渊冲的经典译本作为艺术高标参照，主要用于佐证协作译文在关键审美决策上的合理性与有效性。许渊冲版本如下：

The Magnolia Dale

The magnolia-tipped trees,

In mountains burst in flowers.

The mute brook-side house sees,

They blow and fall in showers.

许渊冲先生的译本是诠释其“三美论”（意美、音美、形美）的典范之作。在形式上，译本以抑扬格节奏与ABAB的工整押韵，如trees/flowers/sees/showers，再现了原诗的声韵和谐；同时，通过精妙的意象动词化处理，如“magnolia-tipped”“burst in flowers”，描绘出中国古典诗词特有的视觉动态与凝练美感。在意境传达上，译本以“mute brook-side house”的通感笔法拓展了寂寞的感知维度，以“blow and fall in showers”的现在时态链创造出生灭相续的永恒瞬间，将佛教禅思自然融入英文诗歌的传统自然意象之中。这种既深植于原诗精神内核、又游刃于目标语言诗学体系的再创造，使得该译本成为一个跨越语言与诗学的平衡支点。正因如此，以其为参照，不仅能精准评判协作译文在韵律构建、意象移植等关键环节的得失，更能从根本上审视译作是否在两种文化意境间建立起同样鲜活而富有张力的诗意空间。

3.5 翻译质量评估工具

本文选择COMET作为翻译质量评估工具。与BLEU等指标不同，COMET能理解上下文语义，即使词汇不同也能识别正确的意译，同时能敏锐捕捉到术语错误、逻辑扭曲等深层问题。与此同时，它从根本上超越了传统基于词形匹配的评估范式，利用深度神经网络直接模拟人类对翻译“忠实度”和“流畅度”的评判逻辑。因而其评分结果与人工评估具有高度相关性，这使其结论在模型研发、系统选型等关键决策中极为可靠。

4 艺术再创造：《辛夷坞》英译的人机协作流程

对《辛夷坞》英译人机协作的流程演示主要分三阶段展开。

4.1 阶段一：基于指令的AI初译阶段

向ChatGPT-4与DeepSeek输入指令：

“请结合‘木末芙蓉花’‘涧户’等词的含义，将王维《辛夷坞》翻译成英文。”

（1）ChatGPT-4输出版本：

Magnolias bloom on twig-tips, glowing bright.

By the mountain stream they brush in spring’s soft light.

The vale’s hut stands in silence, no one comes in sight-

As petals fall in showers,fading out of sight.

（2）DeepSeek输出版本：

Atop the boughs,the magnolia flare-

By the mountain brook,they brush in mountain air.

The secluded hut sees no one passing there-

They bloom and fall in quiet, beyond all care.

4.2 阶段二：AI译本COMET评分及问题分析

运用COMET翻译质量评估工具，ChatGPT-4与DeepSeek诗歌翻译译本系统评分分别为0.6245和0.6128（得分0.6-0.8为“良好”），表明机器翻译成果能达到良好水平。从AI翻译结果中，不难发现人工智能辅助翻译已展现出其在语言层面上的高度信息处理能力，尤其体现在对诗歌意象的快速提取与组合生成上。以王维《辛夷坞》的AI翻译为例，ChatGPT-4与DeepSeek均能迅速识别“木末”“涧户”“红萼”等意象，并生成倾向于视觉直译的“Magnolias bloom on twig-tips, glowing bright”版本，和试图通过动态动词捕捉瞬间绽放意境的“Atop the boughs, the magnolia flare-”版本。这揭示了机器翻译背后庞大的语料库支持了多元译法的生成，显示出其在语言转换阶段的显著效率。

然而，这种基于概率生成的翻译在进入诗歌的阐释阶段时，显露出其结构性局限——AI的逐句处理模式缺乏对整体诗境的审美统摄，导致译文虽在语法与意象对应上无误，却难以构建深层的情感脉络。例如，ChatGPT-4版本中“spring’s soft light”虽具诗意却与原诗“山中发红萼”的时空凝练性不符，末句“fading out of sight”则过于直白消沉，消解了原诗“开且落”中蕴含的自然轮回、寂静自足的禅意；DeepSeek版本以“flare”译“发红萼”，意象强烈却与后文“in quiet”形成情绪断裂，“beyond all care”虽试图赋予哲理色彩，却因缺乏语境支撑而显得孤立生硬。两个版本均显示出意象堆砌、逻辑松散、诗境破碎的问题，实质上是翻译过程中因缺乏整体性审美决策而导致的诗意熵增现象。

4.3 阶段三：人机互动打磨与最终产出

反观人类译者的实践，许渊冲的译本The Magnolia Dale则通过主体审美干预，在跨文化诗学空间中实现了创造性重构：他将“木末”简化为“magnolia-tipped trees”，以“burst in flowers”强化花开的生命力。更关键的是，通过引入“mute brook-side house”这一拟人化视角，将“涧户寂无人”的静态场景转化为一个静谧的观察者，使“Them blow and fall in showers”成为被观察的自然循环，从而在原诗的寂寥与纷繁之间建立起张力。

基于此，本文尝试在机器翻译提供文化意象广度的基础上，提出一个普通译者的修订版本，以展现人机协作中人类译者的核心审美介入作用。译者将初步成型的译文与AI进行交互，利用AI检查语言流畅度、文化接受度，或激发新的表达灵感，进行多轮打磨。在音律上，输入指令：请评估此译文的流畅度与韵律。在内容上，输入指令：请基于诗歌中的意象和意境，提供三个最合适的表达，并给出原因。最终形成的人机协作版译文如下：

Silent Magnolia Glen

On twig tips, magnolias redden in light,

By the mountain stream, in spring’s soft sight.

The hut in the vale stands silent, lone—

They bloom and fall in showers, unknown.

4.4 阶段四：人机协同译本COMET评分及优势分析

相较于ChatGPT-4与DeepSeek的独立版本，人机协作版Silent Magnolia Glen在诗意整合、意象凝练与韵律和谐上展现出优势，其COMET评分为0.6355，明显超过ChatGPT-4与DeepSeek译本的评分。

首先，在意象方面，人机协作版取得了更好的平衡。ChatGPT-4版本中“glowing bright”与“fading out of sight”的对照虽具动态，但稍显直白；DeepSeek版本“beyond all care”的哲思虽深，却略显抽离。协作版则以“redden in light”精准捕捉木兰花在光线中渐变的色彩质感，既具体又富于画面感，而“in spring’s soft sight”巧妙将春光拟人，赋予自然以温柔的注视感。结尾“bloom and fall in showers, unknown”将花的盛放与凋零统合于“showers”（花雨）这一富有诗意的意象中，并以“unknown”作结，余韵悠长，浑然一体。

其次，在韵律与节奏的把握上，协作版更显工整且流畅。尤其第三行以“lone”收尾，一词双关——既描绘小屋的孤独，又在音韵上引出后续的“unknown”，承接自然。相比之下，ChatGPT-4的“in sight”与“out of sight”用词稍显重复，DeepSeek的“there”“care”虽押韵，但“beyond all care”的节奏与前文稍显断裂。

最后，在语言的整体质感与意境营造上，协作版更贴近古典山水诗的含蓄与空灵。它舍弃了前两个版本中略显冗余或抽象的表述（如“brush in mountain air”“no one comes in sight”），以“stands silent, lone”和“in showers, unknown”营造出一种寂然独立、花开花落两无言的意境，更深切地传达了原诗可能蕴含的隐逸与超脱之情。COMET评分0.6355虽属中等，但相较于未经优化的机器输出，这一分数表明其译文在流畅性、用词选择上与人类表达习惯更为接近，减少了生硬感，增强了整体的文学感染力。

总之，人机协作版通过融合人类对古典诗意的理解与机器对语言形式的调整，在意象精度、韵律和谐与意境统一上实现了优化，展现出人机互补在诗歌翻译中的独特价值——既保留了机器的效率与新颖搭配，又注入了人类的审美判断与文化调和。

5 结论

本研究提出“阐释循环”人机协作模型并通过实践表明：AI时代翻译的主体性正从译者个体的排他性权威，向分布式的、人机协同的模式演进。AI提供了多元的语义组合与风格可能性，相当于一个庞大的“可能性域”；人类译者则凭借其文化理解、审美判断与哲学思辨，在该域中进行导航、选择与创造性重构。二者在动态的阐释循环中共构意义，绕过“技术替代”的焦虑与“人文至上”的怀旧，转而关注如何设计更有效的协同界面与流程，以激发分布式主体的最大创造潜能。

然而，研究基于单一诗作案例，在语料广度与模型泛化性方面存在局限；同时，对部分高密度诗性语言的转换机制探讨仍可深化。未来研究将拓展至不同时期、风格的诗人作品及其他文学体裁，进一步检验与完善该模型的理论解释力；并探索人机协同在翻译教学、创作辅助等场景的实践路径，使技术真正成为诗意流动的桥梁。

参考文献

[1] 舒文譞．“超文本语言审美”与禅宗美学视域中的唐诗译本比较［D］．北京外国语大学，2017．

[2] 夏萌．图式理论视角下的王维山水田园诗英译研究［D］．东南大学，2017．

[3] 刘克强．AI赋能下基于大规模平行语料库的汉语习语英译研究［J］．红河学院学报，2025，23（5）：109-114．

[4] 高玉霞，任东升．生成式AI时代的翻译安全风险及其治理研究［J/OL］．北京第二外国语学院学报，1-13［2025-11-15］．https://link.cnki.net/urlid/11.2802.H.20250828.1141.002．

[5] 蔡力坚．AI工具在翻译中扮演什么角色［J］．中国翻译，2025，46（4）：182-187．

[6] 高徐峰，余樟亚．生成式AI在翻译实践中的应用现状与挑战——基于目的论与人机协同翻译的优化研究［J］．哈尔滨学院学报，2025，46（9）：124-129．

[7] Hongmei J. The ideological origins and aesthetic construction of yijing （artistic conception）［EB/OL］．［2026-03-08］．https://doi.org/10.1007/s40636-023-00273-9．

[8] Sernelj T．Yijing in Chinese Aesthetics: Shitao’s Theory of Individual Creativity and the Holistic Brushstroke［EB/OL］．［2026-03-08］．https://doi.org/10.1007/978-981-96-0609-2_10．

[9] Gao R，Lin Y，Zhao N，et al．Machine translation of Chinese classical poetry: a comparison among ChatGPT, Google Translate, and DeepL Translator［EB/OL］．［2026-03-08］．https://doi.org/10.1057/s41599-024-03363-0．

[10] Chen Z，Cao Y．A Polishing Model for Machine-Generated Ancient Chinese Poetry［EB/OL］．［2026-03-08］．https://doi.org/10.1007/s11063-024-11480-9．

[11] Jixi Y. （2025）. “Who Is the Judge of Poetry?” Exploring the Role of Ancient Literary and Art Critics［EB/OL］．［2026-03-08］．https://doi.org/10.1007/978-981-97-7648-1_5．

[12] Wang X．The influence of sensory modalities and background information on the vividness of Li Bai’s classical poetry［EB/OL］．［2026-03-08］．https://doi.org/10.1007/s12144-025-07671-9．

[13] 孔凡娟．探究审美价值的生成——以阐释学理论为讨论视角［J］．学术界，2016，（10）：144-154，326．