International Open Access Journal Platform

1 引言

近来翻译技术的伦理研究吸引了学术界的关注。所谓翻译技术伦理，指的是“在翻译技术（相关）活动过程中，翻译技术主体（包括翻译技术的设计研发者、销售推广者、教授传播者、使用应用者等）相关行为是非对错的道德准则”[1]。这一问题的提出源自对翻译技术与人、社会、生态等多重关系的考量。近20年来信息技术在翻译领域开疆拓土，引领创新的同时也埋下了风险的种子。基于大数据和人工智能的现代翻译技术，催生了人类译者被边缘化的行业趋势。这警醒我们在享受翻译技术便利的同时，有必要对其伦理问题进行深刻反思。

2 翻译技术的双重特征

翻译技术作为人类语言和信息技术的结合，兼有工具性和人文性的双重特征。一方面，翻译技术推动了翻译研究、翻译实践和翻译行业的发展；另一方面，它也是实现人类自身价值的重要途径。随着泛在计算（Ubiquitous Computing）对社会生活的全面渗透，翻译技术已经广泛嵌入到各种信息终端，翻译水平和处理能力都有质的飞跃。翻译技术的发展风头正劲，已经成为人类跨越语言障碍的重要手段，工具性价值得到了充分的彰显。

与之对比，翻译技术在其狂飙突进的历史进程中，作为硬币另一面的人文性却被严重忽略。对工具价值最大化的追求甚至超出了理性的范畴，技术决定论的趋势越发明显，其典型论调是翻译工作可由机器来完成，人类译者的存在成为多余。这种“用脚投票”的价值评判方式给翻译技术的发展带来了重重的伦理风险。

3 翻译技术的伦理问题

从科学技术哲学的角度来看，翻译技术遵循技术发展的一般规律，兼具“双刃剑”的属性。近20年来翻译技术的突飞猛进催生了众多的伦理问题，现择要分析如下。

3.1 译者角色

信息技术对翻译的深度介入重构了译者角色，传统的文化居间者或摆渡人形象迅速消解。以目前常用的翻译记忆技术为例，其底层原理是基于相似度的字符串匹配。译者在操作过程中只需进行简单的语言替换，“忠实”的概念被降级到最原始的意味，即在句子或更小语言单位上的对应[2]。为了追求更高的匹配率，译者往往被要求使用翻译记忆库中的现成表达，语言受到较大的局限。在目前常态化的译后编辑实践中，译者的文本构建功能被进一步淡化，仅作为一名编辑存在，不再是内容的主创者[3]，译者角色显示出浓厚的“修补工”色彩。

翻译技术引发了职业生态的巨变，译者所面对的不再是完整的线性文本，而是跳跃的细小片段。其工作也没有了“一名之立、旬月踟蹰”的烦恼[4]，更像是一种“查找-替换”的游戏。翻译技术的普及和“计件取酬”的收入模式让译者像流水线工人一般疲于奔命[5]，这与工业革命早期的状况如出一辙。翻译技术还降低了对译者的语言要求，更加强调信息素养。译者不得不将更多的精力放在信息技术“硬技能”方面，逐渐向后工业化时代“单向度的人”靠拢。

近年来以ChatGPT为代表的生成式人工智能也给译者角色带来了重大变革，突出表现为翻译主体的属性突破，机器译者悄然登场。大语言模型赋能的新兴智能体（Agent）已经具备独立译者的功能，其强大的语言生成能力可以较好地完成通用文本的翻译任务，人类译者的边缘化地位更加明显。

综上，翻译技术的日渐成熟是译者角色变迁的基本动因。在生成式人工智能助力语言服务的新时期，翻译作为一种典型的人机交互行为已经既成事实，人类译者在此过程中的角色演变（如译后编辑员、语料工程师、语言模型架构师、提示词工程师等）目前看来势不可挡。

3.2 人机关系

技术驱动的翻译职业对译者能力提出了全新的要求。翻译技术能力作为“在翻译过程中使用现有和未来翻译技术的知识与技能”[6]，涵盖内容相当繁杂。不少翻译工具有着陡峭的学习曲线，如果译者没有经过较长时间的专门训练，不但不能有效利用工具，反而可能被其所累，甚至产生嫌恶心理，人机关系由此复杂化。以机器翻译为例，如果说早期基于规则的机器翻译由于低级错误过多而被戏称为“傻子的翻译”，那么目前基于深度学习的神经机器翻译则可谓“疯子的翻译”。因为在现有的大数据模式下，神经机器翻译对任何原文都可以给出“像样的”译文，质量颇具迷惑性，易使人产生依赖心理。长此以往，译者能力的弱化或构成要素的变迁将不可避免。

ChatGPT对人机关系的演变也起到了推波助澜的作用，具体表现为自动语言生成和幻觉（Hallucination）现象。在情景学习和奖励模型的作用下，ChatGPT可以很好地“理解”人类意图，自动生成符合上下文语境的译文，翻译过程中人类译者的作用似乎仅限于给出合适的提示词（Prompt）。与此同时，ChatGPT潜在的幻觉问题（即为了迎合人类译者而编造译文的现象）却与神经机器翻译“一脉相承”，原因在于二者“师出同门”，都是海量数据投喂下的统计模型，对语言的“理解”始终停留在概率层面。尽管ChatGPT预测端到端序列下一个词（Token）的能力很强，但对译文质量缺乏内生的评价机制，而这正是人类译者可大显身手之处。

概而论之，数智时代的人机关系更加趋于“杂合性”。人机之间的合作与竞争相互交织，主仆的位置可随时颠倒，译者不再必然是占据主导权的一方。

3.3 版权保护

语言数据对翻译技术的发展具有决定性意义。研究表明构建一个从英语到西班牙语的机器翻译系统，训练语料至少需要1500万词以上[7]。这还仅仅只是实验的结果，真正商用系统的语料规模数以亿计。学术界普遍认为，机器翻译的发展受到算力、算法和数据的制约，前两者目前不存在明显瓶颈，而数据则成为最关键的因素[8]。与之类似，ChatGPT也需要使用海量数据进行预训练，以习得人类自然语言的基本模式。当数据规模达到一定量级时迸发出的涌现能力（Emergent Abilities）是其胜任包括翻译在内的众多自然语言处理任务的重要原因。这种泛化能力深刻凸显了数据的威力。

语言数据的版权问题一直都是翻译技术研发的灰色地带。全球约75%的书面文本和翻译在互联网上发
布[9]。网络技术的开放性使各种语言资源似乎唾手可得，但数据的所有权、使用权、分享权等却长期处于真空状态。不少机器翻译的训练数据通过网络爬虫获得，并未获得相关授权。ChatGPT庞大的数据集来源复杂，也随时可能触发合规风险。现有的法律框架如《伯尔尼公约》《世界版权公约》、欧盟《数字化单一市场版权指令》等都未能很好地解决这一问题［10］。

毫无疑问，人类译者才是翻译数据的源头活水。没有翻译工作者的辛勤劳动，类似机器翻译和ChatGPT这样对语料高度依赖的智能翻译技术便没有了食物来源。再强大的算力、再先进的算法也只能“巧妇难为无米之炊”。令人遗憾的是，尽管人类译者对机器翻译所需的语言资源享有法律权利，但行业惯例致使这一权利无法得到主张[11]。ChatGPT翻译过程中使用的语言数据是否需要授权、生成的译文作品是否具有版权，这些问题目前尚有争议，还需深入研究。

3.4 技术研发

技术研发是翻译自动化的基础，重要性自不待言。鉴于科技与人文的二元对立由来已久，翻译技术长期被视为理工科的研究领域，人文学者较少介入。特别是随着数据驱动方法的“一统天下”，人文学者的作用进一步降低。目前翻译技术的开发理念相对单一，即在算力和算法的加持下使用充足的语料进行机器学习。机器翻译和大语言模型的质量评价也是通过对比机器译文和参考译文的相似度来规避人工评价的主观性。在此范式下由IBM研究人员提出的BLEU（Bilingual Evaluation Understudy）尽管只是一种辅助，却成为翻译质量评价的事实标准。翻译技术研发正演变为一场追逐BLEU分数的竞赛，这对提高机器系统性能或许有所帮助，但于人类译者意义几何不得而知。

翻译技术研发还高度重视受控语言的“标准化”作用，试图从源头上控制质量。经过严格筛选的受控语言任意性被压缩到最低，自由发挥的空间较小，在科技翻译中效果良好，但其弊端也十分明显，即对语言多样性构成潜在威胁。毕竟“信息交流非语言唯一功能”，“缺乏选项复杂的语言，生命之花就将萎缩”［12］。

语言、文化和技术的制衡关系在大语言模型中亦有体现。以灵活性著称的ChatGPT尽管可以生成丰富多彩的译文，但其语料的均衡性却存在明显缺陷。现有主流大模型训练语料以英文为主，客观上造成各语种语料资源分配不均，压缩小语种及非印欧语系语言（含汉语）的训练样本空间；这种数据分布失衡易形成语言资源使用壁垒，加剧全球语言服务领域数字鸿沟，不利于多语言翻译技术均衡发展。部分模型训练文本承载西方主流社会叙事视角，若不加约束，可能造成译文叙事视角单一化问题。

因此，翻译技术研发有必要充分展现透明性。一方面，神经机器翻译和ChatGPT都是典型的黑盒模型，可解释性不足。正因如此，通过更改提问方式可轻松绕过ChatGPT的安全机制，诱发不当译文。另一方面，现行翻译技术的研发模式（包括动机、参与者、目标等）也确有可商榷之处。完全由技术人员主导的开发环境必然导致语言文化的缺失，译者也无法与人工智能企业抗衡，难以表达自己的心声[13]。从整个产业链来看，人类译者处于翻译技术生态系统的最下游，实际需求得不到应有的重视。

3.5 隐私保护

由于翻译技术研发严重依赖训练数据，因此相关企业往往会收集用户的输入信息，隐私泄露的风险随之而来。2017年首度曝光的机器翻译泄露敏感信息事件为隐私保护敲响了警钟。挪威国家石油公司（Statoil）员工发现使用Translate.com翻译的内部备忘录和信件，他人可以通过搜索引擎轻松访问。Translate.com对此的解释是“为了提高翻译质量而收集用户数据，且已在政策层面上做过公开说明”[14]。与之类似，ChatGPT的预训练过程需要海量数据作为知识来源，且会利用人类反馈持续优化，因此完全有可能触碰个人隐私。上述局面带来两难的选择：要么不使用翻译技术，要么自愿接受隐私泄露的风险。

从技术上证明隐私泄露的途径并不困难，因为用户数据多以明文的形式传输，故可被第三方轻松获取[15]。ChatGPT尽管对训练数据进行了脱敏处理，但也难以做到完全覆盖。“数据换服务”已经成为翻译技术的主流商业模式，但多数用户并没有意识到其潜在风险。从全球范围来看，欧盟《通用数据保护条例》已经涉及翻译数据的隐私保护问题，部分头部企业（如SDL）也发布了相关的数据匿名化工具，但兼顾各方利益的解决方案依然缺失。

3.6 算法偏见

算法偏见是人工智能技术对某一社会群体的倾向性，这一顽疾在翻译技术中亦有所体现，例如，模型常默认医生对应男性形象、护士对应女性形象，从而固化职业性别刻板印象。将Google Translate的翻译结果与美国劳工统计局的数据对比，发现其呈现明显的男性倾向，特别是在性别分布不均和存在刻板印象的科技、工程、数学等领域［16］。

算法偏见与人工智能模型和数据质量息息相关。无论多么高级的算法都须由程序设计者实现，主观性在所难免。语言数据本身也是社会生活的产物，人工智能模型很容易“照猫画虎”，将各种偏见“照单全收”。因此翻译过程中出现的族裔、性别、职业、学历、语言等各类偏见不过是社会偏见在翻译技术领域的映射，需要从源头上加以治理。

翻译技术偏见具有相当的敏感性，可能导致多重风险。一方面，用户对公平性的质疑会直接影响翻译技术的接受与普及；另一方面，技术偏见在特定领域（如法律、医学）可能产生严重后果。因此，正视并治理翻译技术中的偏见，不仅是提升算法鲁棒性的技术问题，更是维护社会公平、保障用户安全的伦理责任。

3.7 公众认知

翻译技术作为语言基础设施的重要组成部分，极大地满足了公众的现实需求，给人以“技术万能”的印象，尽管真实情况并非如此。比较典型的如神经机器翻译貌似流畅的译文可能掩盖各种错误。又如ChatGPT的翻译表现随提示词变化，这对于追求创造性的非结构化文本（如诗歌、散文）无疑是一个喜讯，但对于要求严谨的结构化文本（如科技、财经）却弊大于利，甚至可视为翻译质量不稳定的表现。上述两例均表明翻译技术的实际水平和公众认知存在较大差异。

商业炒作和伦理失范加剧了公众对翻译技术的误解。随着翻译机、翻译笔等各种“高科技产品”的上市，人类译者的智力成果被不断物化，翻译越来越带有机械化大生产的特点。人文因素的逐渐淡出与技术的不断强化形成鲜明对照，营造出一种“技术凌驾于人之上”的假象。这种集体误解不仅对人类译者有失公允，而且还有可能侵蚀翻译职业的根基。必须承认翻译技术的发展有赖于人类译者和技术专家的通力合作，二者的贡献都不能抹杀。

4 对策分析

翻译技术的伦理问题表现多样，远不止前文谈到的几个方面。如何充分利用翻译技术的优势，规避其潜在的伦理风险，略谈以下三点对策。

4.1 提高认识，深入研究

翻译是一项以人为核心的活动，涉及作者、译者、受众、赞助人、出版商等多个行事主体。文字转换背后是语言文化、价值观念、意识形态的互动，信息技术的介入使这一过程更加复杂。因此，采用伦理学的普遍原理来研究翻译技术乃是一种必然，具体包括以下方面。

（1）翻译技术的内涵：目前对翻译技术的内涵探讨主要集中在应用领域，相关的人文研究有所缺失，故有必要跳出“就技术论技术”的传统视野，从人文社会科学的角度开展研究，不仅将其视为科技进步的表现形式，更视为人与人之间关系的重构。

（2）翻译技术的演变：当下对翻译技术史的梳理以研发为主线，社会因素和人的参与度明显不足，故还可从人机关系和社会需求入手，深化对翻译技术演变动因的探索。

（3）翻译技术的影响：现阶段对翻译技术的分析往往囿于自身，忽略了对译者和翻译职业的影响，这种研究范式基于典型的理工科思维，对伦理问题的解释相对乏力；翻译技术作为人与物的统一，有必要从生态系统的角度进行研究，以阐明其多重影响和后果。

（4）翻译技术的价值：目前对翻译技术价值的探讨主要集中在积极的一面，如提高效率、增加竞争力等，相关的人文价值、社会价值、伦理价值关注不多，消极负面的讨论则更少，如翻译技术对人的异化、对译者主体性的压制、对语言多样性的破坏、技术垄断等，这些问题都需要进行全面的研究，以揭示翻译技术的多元价值。

（5）翻译技术的未来：翻译技术研究还可从未来的视角切入，预测可能出现的伦理问题，如现有翻译技术的发展模式会不会存在极限？翻译技术研究的边界在哪里？当机器输出内容与人类理性判断、人文价值准则产生冲突时应当如何规制？翻译技术与人文研究的割裂如何弥补？翻译技术研究是否会出现“伦理学转向”？对这些前瞻性课题的探讨有助于观照翻译技术的现实发展。

4.2 评估风险，及时介入

翻译技术伦理问题的预防有赖于及时的风险评估。评估之前首先要廓清相关的理论问题，如翻译技术伦理的概念内涵和表现形式，翻译技术伦理和传统翻译伦理之间的关系，翻译技术伦理问题的实质与根源，各利益相关方对翻译技术伦理问题的态度和看法。上述问题的回答构成了翻译技术伦理评估的理论基础。

在理论分析的基础上可构建相应的评估模型，包括评估的目的、主体、内容、原则、时机、方法等。具体而言，评估目的在于预防翻译技术的伦理风险，指导翻译技术的伦理决策，化解翻译技术的伦理危机。评估主体包括译员、研发人员、技术供应商、用户、公众等。评估内容包括技术开发伦理、商业应用伦理、人机交互伦理、技术生态伦理等。评估原则应坚持预防为主、公平公正，有利于个人与行业的和谐发展。评估时机贯穿从研发到应用的全过程。评估方法可采用问卷调查、焦点访谈、量表测试、上机操作等形式，力求全面刻画评估主体的伦理意识和决策水平。评估完成后还应进行模型修正，以确保评估结果的科学性和有效性。

4.3 加强教育，防患未然

尽管国际译联、各国翻译协会都颁布了有关职业伦理的政策条款，但伦理教育一直都是翻译教学的短板。英国高校翻译课程中伦理教育的比例极小，或只作为选修课提供[17]。现有翻译职业行为准则仅涉及翻译质量、保守秘密、立场中立、团队协作等传统内容，对新兴的机器翻译伦理问题探讨不多，明显落后于时代要求。翻译技术伦理教育亟需迎头赶上。

翻译教育应与技术伦理无缝衔接，让受教育者尽早形成相关的职业素养，包括明确翻译技术的伦理属性，理解翻译技术的伦理风险，通晓翻译技术伦理的决策机制。教育内容涵盖翻译技术的工程伦理、从业伦理、应用伦理等关键环节，可采用理论思辨、头脑风暴、情景案例、工作坊等形式，强化受教育者的理论积淀，提高对伦理问题的感知意识，掌握伦理决策的过程和方法，以便更好地开展伦理实践。

5 结语

翻译技术是翻译研究、翻译教学和翻译行业的未来，具有举足轻重的地位。本文有关翻译技术伦理问题的探讨，绝不是为了否定翻译技术的价值，而是为了剖析其潜在的缺陷，进而把握规律、趋利避害。翻译技术作为多方协作的结果，始终以人的发展为根本目标，必然经历一个“人化”的过程。现阶段翻译技术引发的种种问题都源自人与技术关系的失衡，无法通过技术本身解决，只能借助理性思维和伦理道德来协调。如何促进翻译技术与人的共生共荣、和谐发展，这既是一个必须面对的现实问题，也是翻译技术伦理研究的最大意义。

参考文献

[1] 任文．机器翻译伦理的挑战与导向［J］．上海翻译，2019（5）：46-52，95．

[2] Pym A．Translational Ethics and Electronic Technologies［A］// In F Ferreira-Alves (ed.)．A Profssionalizaçào do Tradutor．Lisboa：Fundaçàopara a Ciência e a Tecnologia/Uniao Latina，2004：121-126．

[3] Vasilescu R．Ethical issues in machine translation［J］．Linguistic and Philosophical Investigations，2014（13）：227-232．

[4] 潘平亮．试论安东尼·皮姆对技术翻译理论的建构［J］．东方翻译，2017（3）：24-27，69．

[5] 郝俊杰，莫爱屏．翻译技术的伦理探索［J］．上海翻译，2019（5）：58-63．

[6] EMT．European Master’s in Translation Competence Framework［EB/OL］．［2026-04-20］．https://ec.europa.eu/info/sites/info/files/emt_competence_fwk_2017_en_web.pdf．

[7] Koehn P，Knowles R．Six challenges for neural machine translation［A］//In T Luong，A Birch，G Neubig，et al （eds.）．Proceedings of the First Workshop on Neural Machine Translation. Vancouver: Association for Computational Linguistics，2017：28-39．

[8] 陈圣权．ChinaIT.com独家专访华为陈圣权：数据是机器翻译发展的关键因素［EB/OL］．［2026-04-20］．http://www.chinait.com/ai/2132.html．

[9] Joscelyne A，Samiotou A．TAUS Translation Data Landscape Report［R］．De Rijp, The Netherlands: TAUS，2015：18．

[10] Moorkens J，Lewis D．Copyright and the re-use of translation as data［A］// In M O’ Hagan（ed.）．The Routledge Handbook of Translation and Technology．London & New York: Routledge，2019：469-481．

[11] Moorkens J，Lewis D，Reijers W，et al．Translation resources and translator disempowerment［A］//In N Calzolari, K Choukri, T Declerck, et al. （eds.）. Proceedings of the Tenth International Conference on Language Resources and Evaluation. Portorož: European Language Resources Association, 2016：49-53.

[12] 叶子南．又想起了斯坦纳——写在新版“谷歌翻译”诞生之际［J］．中国翻译，2017，38（1） ：89-91．

[13] Love G．Sam Berner on the ethics of machine translation［EB/OL］．［2026-04-20］．https://wordforwordonline.nzsti.org/2019/01/23/sam-berner-on-the-ethics-of-machine-translation/．

[14] Faes F．Translate.com exposes highly sensitive information in massive privacy breach［EB/OL］．［2026-04-20］．https://slator.com/technology/translate-com-exposes-highly-sensitive-information-massive-privacy-breach/．

[15] Weith L．Machine translators may leak confidential information［EB/OL］．［2026-04-20］．https://www.zscaler.com/blogs/research/machine-translators-may-leak-confidential-information．

[16] Prates M O R，Avelar P，Lamb L．Assessing gender bias in machine translation: a case study with Google Translate［J］．Neural Comput & Applic，2020，32（10）：1-19．

[17] Drugan J，Megone C．Bringing ethics into translator training［J］．The Interpreter and Translator Trainer，2011，5（1）：183-211．