引言

在強大算力、先進算法和海量數據的共同驅動下，人工智能技術加速創新，ChatGPT 在全球范圍內現象級走紅，引發了生成式人工智能（generative artificial intelligence，簡稱 GenAI）的發展浪潮，為人類的知識獲取與生產開拓了一種全新方式，被視為人類發展歷史上的又一“古登堡時刻”，對諸多行業領域產生深刻影響。作為一種跨語言的知識生產和傳播活動，翻譯實踐亦受到GenAI技術浪潮的沖擊，翻譯工作模式迎來重大變革，翻譯效率和質量得到較大提升。在數智時代背景下，翻譯技術已然深刻融入翻譯從業者的日常工作中，成為其“不可逃脫的命運”（王華樹 2016：20）。翻譯技術的創新不僅能夠改變翻譯的工作模式，還會對譯者的能力素質提出新的要求。

雖然GenAI技術并非專門為翻譯而研發，但憑借其出色的自然語言理解和生成能力，能夠高效完成譯文生成、譯文潤色、原文理解、知識查詢等任務，正在重塑著翻譯工作流程，為翻譯技術發展帶來了新的活力。當下人工智能技術迅猛發展，應用于諸多領域的文本翻譯，遠遠超出了早期“粗淺”的輔助水平（宋炳輝 2024：10）。人工智能生成的譯文不僅質量相當高，而且速度遠快于人類翻譯（胡開寶、高莉 2024：8）。這對翻譯職業構成嚴峻挑戰，翻譯從業者面臨前所未有的生存壓力與職業危機。在GenAI時代，翻譯工作模式經歷了怎樣的轉型？譯者的角色發生了哪些變化？其能力素質如何適應GenAI技術的賦能和挑戰？翻譯職業如何實現可持續發展？這些問題已成為翻譯從業者、教育者和學習者亟需思考的重要議題。

智能翻譯素養的現實基礎

在現代翻譯活動中，技術發揮著不可或缺的作用，工具應用不僅能夠提升翻譯工作的質量和效率，還為翻譯行業的專業化和標準化提供了強大的支持和輔助。尤其是近年來人工智能技術突飛猛進，使得翻譯技術工具和信息資源變得空前豐富，形成了翻譯行業的新質生產力，為翻譯領域的發展注入了強大動力。

2.1 翻譯技術的發展歷程? ?

機器翻譯技術自 20 世紀中葉以來經歷了曲折的發展過程，體現為從傳統的規則驅動方法到數據驅動方法，再到神經網絡驅動方法的技術路線。基于規則方法的機器翻譯系統產出的譯文質量差強人意，使機器翻譯研究一度陷入停滯的低谷期。20 世紀 90 年代，隨著計算機性能的提升和語料庫技術的進展，以翻譯記憶庫和術語庫功能為核心的計算機輔助翻譯（CAT）技術開始蓬勃發展，出現了以 Trados 為代表的眾多計算機輔助翻譯軟件。

同時，機器翻譯技術也經歷了從規則驅動向數據驅動的范式轉變，進入統計機器翻譯階段。2006 年，谷歌上線 Google Translate 翻譯功能，所使用的技術就是統計機器翻譯。統計機器翻譯帶來了機器譯文質量的改善。2016年9月，谷歌研究團隊宣布開發神經機器翻譯系統。同年11月，谷歌翻譯宣布停用 2007 年 10 月以來使用的統計機器翻譯技術，開始使用神經網絡機器翻譯技術。隨后，神經網絡機器翻譯技術得到廣泛應用，成為世界范圍內主流機器翻譯引擎的主要底層技術，使得機器翻譯系統在準確性、流暢度和實用性等方面均取得了巨大進步。機器翻譯服務逐漸融入各種 CAT 軟件和平臺，進一步提升了翻譯工作的效率，成為譯者的必備工具。盡管神經網絡機器翻譯在準確性和流暢度上具有顯著提升，但仍然面臨來自多方面、多領域的挑戰（戴光榮、劉思圻 2023：84）。? ?

202 2年 11 月，美國 OpenAI 公司推出智能對話系統 ChatGPT，這一系統基于先進的大語言模型（Large Language Model，LLM）技術，能夠進行自然語言的處理和生成。大語言模型是一種通過海量數據訓練而成的深度學習模型，展現出強大的語言理解和生成能力。正因如此，ChatGPT 一經推出便迅速受到熱捧，其卓越的自然語言理解和生成能力贏得了用戶的廣泛歡迎，上線僅兩個月便實現了用戶數量破億，一舉成為全球矚目的現象級應用。ChatGPT的出現引發了全球范圍內生成式人工智能的發展浪潮，涌現出大量的 GenAI 平臺和工具。通過設計恰當的提示語，GenAI 系統可以輔助人類譯者高效完成翻譯過程中的各種任務。騰訊人工智能實驗室的研究團隊發現，不同的提示語對 ChatGPT 的翻譯質量有顯著影響，GPT-3.5 容易產生幻覺和誤譯，而 GPT-4 的翻譯錯誤較少，表明ChatGPT在GPT-4 引擎支持下已經成為一個好的翻譯工具（Jiao et al. 2024）。眾多翻譯軟件和平臺紛紛更新版本，通過更新已有功能、開發插件擴展和新增軟件功能等方式實現GenAI功能的集成（周興華 2024）。百度翻譯則利用自身的 GenAI 技術優勢，推出新一代AI大模型翻譯平臺，將傳統的在線翻譯升級為全新的智能翻譯。

2.2 翻譯工作模式的演進??

在信息通信技術發展的驅動下，翻譯技術持續迭代更新，不斷改變和重塑著翻譯活動的實踐形態和工作模式。根據翻譯過程的自動化程度，Hutchins & Somers（1992：148）將翻譯實踐分為人工翻譯、機助人譯、人助機譯和全自動高質量翻譯四種類型。就目前而言，全自動高質量翻譯還只是在詞匯單一、句法固定的少數垂直領域得到了實現，主要在封閉環境中運行。在翻譯技術發展的驅動下，翻譯工作模式至今大體上經歷了三個主要階段：傳統人工翻譯、機器輔助翻譯和人智協同翻譯。

在傳統人工翻譯階段，譯者主要依賴個人語言能力、專業知識和翻譯經驗，不借助任何機器或自動化工具。譯者使用紙質詞典、語法書籍等傳統工具輔助翻譯問題的解決，但這些工具的效率相對較低。傳統人工翻譯表現出效率低、成本高的特征。隨著以翻譯記憶庫、術語管理系統為典型代表的 CAT 技術的廣泛應用，翻譯工作模式進入機器輔助翻譯階段。CAT 工具能夠識別并重復利用之前翻譯過的內容，從而減少譯者的重復工作，提升翻譯生產力。隨著翻譯任務的復雜程度增加，翻譯管理系統成為翻譯行業的重要工具，通過提供全面的項目管理、團隊協作、資源管理和質量控制功能，確保項目各階段的順利進行和交付，極大提升了翻譯項目的效率和質量。隨著機器翻譯技術的發展，機器輸出譯文的質量逐漸提高，機器翻譯功能通過 CAT 工具整合進入翻譯流程，進一步提升了翻譯過程的自動化程度。機器輔助翻譯階段的顯著特征是工具多樣、效率提升和譯文一致性增強。

神經網絡機器翻譯技術的廣泛應用，尤其是生成式人工智能技術的出現，促使翻譯實踐發生智能化轉型，引領翻譯工作模式發生重大革新，從 CAT 演進至 MTPE，再邁向 AIPE，進入人智協同階段。在人智協同模式下，人與機器之間的合作邁入一個全新的階段，實現深度融合和高效協同，以 ChatGPT 為代表的 GenAI 系統不僅能部分替代人類譯者完成常規化的翻譯任務，而且在語境理解、知識查詢、文體適應等方面展現出超越人類的潛力。GenAI 技術賦能下人智協同的翻譯過程在人機交互機制、語境理解深度、譯者決策輔助和譯文文體適應等方面表現出顯著優勢。在執行翻譯任務時，譯者可以通過提示語與GenAI 系統進行實時互動，對系統生成的譯文提供即時修改反饋，系統則會根據這些反饋優化翻譯模型，從而提高后續生成譯文的準確性。GenAI 系統能夠高效地處理常規化的翻譯任務，顯著減輕了譯者的工作壓力，使其更能專注于高復雜度的創造性翻譯工作。相較傳統的機器翻譯方法，GenAI 系統在語境理解方面表現出更高的準確性，能夠更好地理解上下文和語言細微差別，進而生成更加自然流暢的譯文。GenAI 系統能夠為譯者提供多種譯文版本，豐富譯者的選擇范圍，譯者可以根據具體需求和偏好進行靈活選擇，從而提高翻譯工作的效率。GenAI 系統能夠根據譯者的互動記錄和偏好習慣，智能推薦更適切的翻譯方案和優化建議。GenAI 系統還能夠根據原文的文體風格進行遷移和適應，生成貼近原文風格的譯文，提供個性化、定制化的智能翻譯服務，滿足不同客戶的需求和期待。? ??

可見，GenAI 技術的出現和應用，不僅引領了翻譯行業的智能化轉型，還顯著提升了翻譯效率和質量，展現了人與機器深度融合、高效協同的美好前景。此外，GenAI 技術也將有助于推動元宇宙概念在翻譯實踐和翻譯教育中的進一步落地（王華樹、劉世界 2022a；王少爽、朱玉 2023），引發數字社會背景下翻譯實踐和翻譯教育模式的深刻變革。

3 智能翻譯素養的學術理據

翻譯的核心任務在于克服語言障礙，跨越文化隔閡，實現不同人類族群間的知識共享和思想交流。從古至今，翻譯活動一直在不斷地適應并滿足著人類社會發展的溝通需求，其所承載的這一根本使命從未改變。然而，隨著時代的進步和科技的發展，語言媒介和信息載體加快創新，翻譯活動的具體實踐形式持續演進與變革，譯者的翻譯能力也在不斷調整適應和迭代升級。??

3.1 翻譯能力研究回顧

翻譯能力研究是翻譯學的一個重要領域，旨在通過考察翻譯實踐的過程和要求，探索翻譯能力的構成，促進翻譯能力的培養和發展。在傳統人工翻譯階段，翻譯工作主要依賴人類譯者的語言能力、文化素養、專業知識和翻譯技巧，譯者所能借助的外部工具主要為詞典和語法類工具書。雙語語言能力和語言轉換能力是該階段翻譯能力模型的主要成分。譬如，Neubert（1992）提出的翻譯能力三元結構包括語言能力、主題能力和轉換能力；文軍（2004）的翻譯能力模型包括語言/文本能力、策略能力和自我評估能力；苗菊（2007）則認為翻譯能力包括認知能力、語言能力和交際能力。在機器輔助翻譯階段，隨著CAT工具的功能和種類的不斷豐富，國內外學界所構建的翻譯能力模型中相繼均出現了工具能力或技術能力（PACTE 2005；G?pferich 2009；王樹槐 2013；劉曉峰、馬會娟 2020），王華樹、王少爽（2016）和王少爽、覃江華（2018）針對譯者的技術能力的概念內涵和構成要素做了專題探討，乃至還有學者針對譯后編輯能力（馮全功、劉明 2018；Nitzke et al. 2019；李梅 2021；楊艷霞、魏向清 2023）、信息搜索能力（王少爽 2017；王華樹、張成智 2018）、數字素養（王華樹、劉世界 2023）等具體技術能力展開了專題研究。

得益于神經網絡機器翻譯技術的應用，機器翻譯系統所產出的譯文質量得到較大幅度提升，機器翻譯引擎被整合進入主流CAT工具或平臺，譯者對機器翻譯的使用頻率快速增長。在這一技術背景下，學界在譯后編輯能力研究的基礎上，提出機器翻譯素養概念，并開展了系列研究。譬如，Bowker & Ciro（2019）首先闡述了機器翻譯素養概念，并重點探討了學術交流語境下的機器翻譯素養表現；O’Brien & Ehrensberger-Dow（2020）將機器翻譯素養置于數字素養的框架下進行考察，闡述了其對于翻譯生產的重要性，并探討了機器翻譯使用的認知維度；王少爽（2021）認為，機器翻譯素養指相關主體能夠有意識地合理、有效使用機器翻譯系統服務于翻譯實踐和翻譯學習的心理和行為傾向，涉及知識、能力和倫理三個維度；Ehrensberger-Dow et al.（2023）論述了譯者和翻譯教師作為機器翻譯素養咨詢師的新角色；Killman（2024）通過SWOT分析為法律翻譯領域的機器翻譯素養提供了一個教學框架。?

3.2 智能翻譯素養概念的提出

為了應對信息技術發展對人類生存帶來的挑戰和機遇，行業界和學術界提出了信息素養、數字素養、計算素養、技術素養、媒介素養、網絡素養、ICT素養、算法素養、數據素養等概念，作為素養概念在數字社會中的延伸和拓展。這些概念不僅是學術命題，還成為了引領行業實踐與社會發展的重要指南，其概念內涵和話語體系受到科技發展和實踐變遷的影響。近年來，一場前所未有的人工智能技術發展浪潮將人工智能素養概念推向前臺，使其成為備受關注的前景化話題。為了應對新時代人工智能的發展，人工智能素養成為每個人都必須學習并具備的一項新能力。人工智能素養指人們對人工智能技術的理解、應用和評估，以及對人工智能帶來的倫理問題的認識和思考的綜合能力（Ng et al. 2021）。蔡迎春等（2024）指出，人工智能素養的出現源于素養概念的進化和人工智能的催化，不僅是對技術的理解和應用，更是一種全面的、與時俱進的技能和知識體系。因此，人工智能素養可被視為信息素養、數字素養等在人工智能社會的延伸和升級，旨在培養學習者在智能化時代背景下有效理解、運用及創新人工智能技術的能力，這不僅是個人適應未來社會發展的迫切需求，也是推動行業轉型升級、促進社會可持續發展的關鍵要素。

在以神經網絡、機器學習等為代表的人工智能技術的賦能下，翻譯成為一種泛在的跨語言生產方式（李瑞林 2022：47），翻譯過程在人機交互機制、語境理解、輔助決策和文體適應等方面表現出顯著優勢。在當下的新技術語境下，高對應性文本的語際轉換生成方案已取得令人矚目的空前進展，業已或即將形成規模龐大的服務產業（宋炳輝 2024：12）。翻譯行業呈現出機器學習、跨域融合、技術集成等新特征（藍紅軍 2023：47），人工智能在翻譯領域中實現了全面滲透，譯者必須掌握各種人工智能技術工具方能勝任當下的翻譯工作。在這一時代背景下，翻譯能力模型必須做出調整，以反映技術進步對翻譯職業實踐和能力要求的影響，特別是人工智能和機器翻譯技術的發展（Prieto Ramos 2024：149）。針對人工智能技術在翻譯實踐中的應用，我們提出智能翻譯素養概念，并將其定義為：面向翻譯實踐中的復雜需求，譯者對人工智能技術進行深度理解、有效應用和審慎評估，并能夠負責任地使用從而促進自身可持續發展所需的綜合能力。智能翻譯素養是人工智能素養在翻譯場景下的具體表現，是對機器翻譯素養的進一步拓展和深化，也是譯者的翻譯能力在智能時代的升級方向和全新進化。?

4 智能翻譯素養的概念框架

人工智能滲透進社會生活的各個行業領域，催生不同群體對人工智能的使用需求。由于應用場景的多樣性和實際需求的個性化，各類群體的人工智能素養呈現差異性。Ng et al.（2021）通過考察眾多人工智能素養的定義和框架，將人工智能素養的內容歸納為知曉并理解AI、運用AI、評價和創造 AI，以及 AI 倫理四個主要方面。就人工智能在翻譯活動中的應用而言，機器“將譯者的部分能力賦予了非譯者，‘人’的翻譯能力被物化到了技術設備之上。伴隨著譯者能力的物化，譯者角色必然發生變化”（藍紅軍 2023：55）。人工智能環境下，譯者需要承擔文本編輯者、機譯評價者、技術支持者、信息搜索者、資源管理者、人機協商者等多重角色。在已有研究的基礎上，結合對人工智能時代翻譯實踐的考察，我們嘗試從思維、知識、能力和倫理四個維度構建出智能翻譯素養的概念框架，如圖 1 所示。?

4.1 思維維度

思維維度在智能翻譯時代顯得尤為重要，是智能翻譯素養的關鍵支撐，不僅能夠幫助譯者應對復雜的翻譯任務，還可以促進譯者與智能系統之間的高效協作，主要涉及邏輯思維、創新思維、技術思維、批判性思維、跨文化思維和跨學科思維。邏輯思維要求譯者在進行翻譯任務時，能夠清晰地分析問題，充分理解原文表達的邏輯結構，并使用目標語將其準確表達出來。創新思維是推動譯者提升個人能力、應對復雜任務需求，以及增強職業競爭力的重要力量，能夠促進新技術和新方法的應用，激發譯者的創造力，推動翻譯行業的持續創新與發展。技術思維可以引導譯者根據翻譯任務需求，高效運用各種技術工具，優化工作流程和翻譯決策。批判性思維體現為譯者對翻譯過程和結果的獨立思考、審慎評估和質疑精神，幫助譯者保持對原文理解、機器翻譯結果、翻譯工具選擇、翻譯質量標準以及倫理問題的高度敏感性和責任感。跨文化思維可以幫助譯者在翻譯過程中超越單純的語言轉換，深入文化語境層面，避免文化誤讀和沖突，促進文化交流與理解，增強譯文的可接受性。具備跨學科思維的譯者能夠打破單一知識結構，涉獵并掌握多學科知識，養成全面且深入的認知體系，構建解決復雜翻譯問題的方法論。??

4.2 知識維度

知識維度為譯者在智能時代開展翻譯任務提供了基礎支持，涵蓋語言文化、專業領域、翻譯理論、譯文審定、翻譯技術、國際傳播和信息素養等七個方面的知識。譯者掌握源語和目標語的語法、詞匯和語用規則，可以確保充分理解原文內容，精準生成譯文；通曉兩種語言的文化背景，可以避免文化誤解和誤譯。譯者需具備相關專業領域知識，以便準確理解和傳譯專業內容。雖然 GenAI 系統通過訓練可以學習專業知識，但在面對新概念和復雜情況時，仍需譯者具備專業知識才能做出準確判斷。翻譯理論揭示了翻譯的本質屬性、內在規律和基本原則，為翻譯實踐提供重要參考，指引譯者充分結合機器翻譯與人工翻譯的優勢，優化實際翻譯過程，并有效解決翻譯難題。譯文審定知識涉及審校和定稿兩個方面，具體包括審定要求、審定規范、審定工具、審定流程等。翻譯技術知識涉及機器翻譯、翻譯記憶、術語管理、質量控制等技術的工作原理和應用方法，還包括云計算、神經網絡、機器學習、自然語言處理、大語言模型等AI技術的工作原理和應用方法。國際傳播知識涵蓋傳播學理論、跨文化溝通、目標受眾分析、全球媒體環境、國際關系與政治、國際法律與倫理等相關知識。信息素養知識涉及信息意識、信息需求、信息獲取、信息評價、信息使用、信息管理和知識創新等方面的知識。

4.3 能力維度

能力維度是智能翻譯素養的實踐表現，體現為譯者的實際操作技能和問題解決行為，包括譯前編輯、譯后編輯、機譯評價、譯文審定、技術支持、信息搜索、資源管理和人機協商等八項能力。根據操作對象的不同，這八項能力可歸為兩大類：側重文本加工的能力和側重工具操作的能力。譯前編輯、譯后編輯、機譯評價和譯文審定屬于側重文本加工的能力。譯前編輯能力指譯者在譯前階段對原文進行預處理的能力，包括文本清理、格式調整、術語統一、措辭優化等，旨在使原文的措辭方式更加適合 MT 或 GenAI 系統，從而提升系統輸出的譯文質量。譯后編輯能力指譯者對MT或 GenAI 系統輸出的譯文進行審查和修改的能力，涉及詞匯、語法、語義、語用、邏輯、風格、標點符號、格式排版等方面，以確保譯文的準確性、流暢性和專業性，達到預期要求。機譯評價能力指譯者能夠準確評估機器系統輸出譯文的質量，掌握MT譯文和 GenAI 譯文的優缺點，還要能夠評價各類MT系統和GenAI 系統的翻譯表現，以及 GenAI 系統中不同模式的翻譯提示語對譯文生成效果的影響。譯文審定能力指譯者能夠對譯文進行審校和定稿。前者側重譯者發現和修正譯文的各種問題，最大限度保證譯文質量；后者則指譯者對譯文進行最后的全面檢查和確認，確保譯文符合預期標準，達到交付要求。

技術支持、信息搜索、資源管理和人機協商則屬于側重工具操作的能力。技術支持能力指譯者熟諳各種技術工具的特點和功能，支持翻譯任務的高效完成，包括文本編輯、格式轉換、信息搜索、機器翻譯、翻譯記憶、術語提取、質量控制、內容管理、智能對話等工具，使用編程或 GenAI 平臺開發翻譯任務專用軟件或智能體，甚至還可以運用 RAG、LangChain、DSPy 等技術開發基于 GenAI 的輔助翻譯系統。信息搜索能力指譯者能夠準確識別翻譯過程中的信息需求，高效地獲取所需信息，并運用批判性思維，對信息進行合理評價與使用。鑒于大語言模型固有的幻覺問題，GenAI 系統可能會產生虛假或錯誤信息，凸顯了信息評價與甄別的重要性。

針對技術賦能時代譯者對翻譯資源的使用方式，王少爽（2024）將翻譯實踐分為繼承型翻譯、改善型翻譯和生成型翻譯三種類型，分別對應譯者對翻譯資源的復用、優化和創新行為，并將翻譯過程視為譯者通過運用翻譯工具和調配翻譯資源，解決翻譯問題，進而生成目標文本的過程。因此，資源管理能力指譯者有效管理和利用翻譯資源（包括術語庫、翻譯記憶庫、平行文本、風格指南等）的能力，以提高翻譯效率和質量。人機協商能力指人類用戶在與 GenAI 系統交流時所需具備的一種特殊技能，當下主要包括理解AI、設定目標、發布指令、分析反饋和調整策略等要素（文秋芳、梁茂成 2024），要求譯者能夠針對翻譯任務中的需求，設定具體目標，設計并發布提示語，引導 GenAI 系統生成所需內容，做出反饋并調整對話策略，更新提示語，優化內容生成。需要指出的是，人機協商能力是一種動態發展的能力，需要根據 AI 工具的更新和迭代而持續演進。例如，2024 年 10 月，ChatGPT 上線 Canvas 功能，為用戶提供了全新的交互體驗，同時也對譯者的人機協商能力提出了新的要求。前述四項側重文本加工的能力，即譯前編輯、譯后編輯、機譯評價和譯文審定，均可以通過設計恰當的提示語，借助GenAI系統來協商和輔助相關任務的完成。

4.4 倫理維度

智能翻譯素養的倫理維度要求譯者負責任地使用 AI 技術，涉及法律法規、意識形態、數據安全、知識產權、算法偏見、技術依賴、職業道德和社會責任等八個方面的考量。具體而言，譯者須嚴格遵守國家和地方的相關法律法規，確保 AI 使用不侵犯他人權益，知曉并遵守翻譯行業標準和規范，確保翻譯產品符合法律和行業要求。譯者在使用AI完成翻譯任務的過程中應秉持中立態度，尊重源語言的文化背景和價值觀，確保翻譯內容的客觀性和準確性，避免將個人或特定群體的意識形態偏見帶入譯文中。AI 時代的翻譯數據安全主要涉及數據泄露和隱私風險兩個層面（王華樹、劉世界 2022b：14）。譯者有責任確保翻譯材料得到妥善保護，采用加密技術和其他安全措施，防止翻譯過程中的數據泄露或非法調用，關注客戶的隱私保護和數據安全。譯者須尊重知識產權，包括原文作者的版權和翻譯成果版權，尤其要審慎對待 AI 生成內容的知識產權問題，避免侵犯他人的合法權益。譯者應認識到大語言模型的算法可能存在偏見，并采取恰當措施進行識別、評判和修正，以確保翻譯的公正和中立。譯者應充分評估 AI 系統生成的譯文，識別并修正潛在的偏見或錯誤。譯者應避免過度依賴 AI 技術，保持主動權和獨立思考，防止長期使用 AI 技術導致語言能力和翻譯技能退化。譯者應遵循誠實和透明原則，如實說明翻譯過程中 AI 技術的使用情況，避免夸大或隱瞞AI的能力和局限，維護職業操守和客戶信任，確保AI技術的使用符合行業規范。譯者還應承擔社會責任，關注 AI 對語言質量、文化多樣性和信息傳播的影響，通過高質量的翻譯工作促進國際文化交流，為人類社會發展做出貢獻。?

5 結語

GenAI 技術正在引領翻譯工作模式發生重要革新，翻譯在某種意義上儼然成為了跨語言、跨文化的理解、處理和生成語言的一種特殊“算法”（宋炳輝? 2024：11）。基于算力的AI翻譯能力異常強大，但并非萬能（飛白 2024：1）。值得關注的是，在這種新技術語境下，翻譯工作模式在人機交互、語境理解、輔助決策和文體適應等方面表現出明顯進步，譯者需要承擔技術支持、機譯評價、文本編輯、信息搜索、資源管理和人機協商等新角色，從繁瑣的常規化翻譯任務中解脫出來，將更多時間和精力投入到創造性更高的翻譯任務上。人工智能翻譯表現出愈發顯著的速度和效率優勢，人類譯者則更需注重深度理解和創意表達以提升翻譯品質。這就要求譯者必須對其翻譯能力進行智能化升級，以適應新時代技術發展的挑戰與機遇。作為譯者翻譯能力的進化樣態，智能翻譯素養源于 GenAI 技術賦能翻譯活動而產生的變革和催化，并不僅僅指譯者在翻譯任務中對AI技術的熟練運用，更是一種面向未來技術發展的思維方式，以便能夠更好地應對技術發展和翻譯需求的變化，保持自身在翻譯領域的職業競爭力，為職業生涯奠定堅實基礎，進而為翻譯行業的發展做出貢獻。高校翻譯院系則需積極探索翻譯專業學生智能翻譯素養的發展路徑，助推 GenAI 時代翻譯人才培養模式的改革與創新，實現翻譯教育的智能化轉型和可持續發展。??

本文轉自：《外語教學》2025 年第 1 期，第 59-65 頁，作者：王少爽、駱瀟洋。