這是50年代情景喜劇I Love Lucy中的場景。法國警官抓住一個使用假幣的Lucy，Lucy不會法語。她丈夫會西班牙語但是不會法語，法國警察不會英語或者西班牙語。於是警察找來會德語的同事，又找來一個會德語和西班牙語的醉漢，然後再透過女遊客會西班牙語又會英語的丈夫實現接力溝通。

而今，人工智慧把翻譯行業幹得人仰馬翻，就好比社交媒體幹掉了各種文學作品中的人物混淆（mistaken identity)的情節 —— 好在也會產生一些新的情節。

說點正經的，關於翻譯生存危機的問題。

但無論是ChatGPT、Gemini、CoPilot還是“文心一言”，所有平臺都始於“大語言模型”。語言才是這些人工智慧的主場和大本營。人工智慧對於翻譯的改變，是立竿見影的。它不僅衝擊了過去一度龐大的翻譯產業，也改變了高校的專業設定圖景。外語專業的衰敗，早已開始，但可能還沒有探底。人工智慧帶來的恐慌，遠未消停。

毋庸置疑，人工智慧翻譯的質量會越來越好。神經機器翻譯 (NMT) 系統，使用深度學習演算法，分析和理解翻譯的上下文，從而提高翻譯的準確性和流暢性。自然語言處理 (NLP) 技術，可以幫助人工智慧翻譯工具理解語言的細微差別，這對於提高翻譯質量至關重要，尤其是對於需要翻譯的文學作品。機器學習的演算法來提高翻譯質量。這些演算法可以分析大量資料，找出可用於提高翻譯準確性和流暢性的模式。雲端翻譯的工作模式，會有助於搜尋引擎的“爬蟲”在無邊無際的網際網路翻山越嶺，迅速查到資料，一解過去查資料的繁複辛勞。所有這一切，都會讓人工智慧輔助之下的翻譯，質量越來越好。換言之，低端翻譯會無懸念無後路地被替代。這就別存什麼僥倖了，早死心早超生。

除了“誰”在翻譯（是人工還是人工智慧）這個問題之外，翻“什麼”和不翻什麼，也值得思索。一些材料在世界各地旅遊，過去是翻譯帶隊。假如到哪裡，哪裡隨時都有地陪，還需要一個人去全程陪同嗎？有一些文獻將不再被系統翻譯。一些文獻，被正式翻譯的可能性會下降。倘若此文獻在網上，即可以藉助DeepL之類外掛，隨時可以點選，透過外掛“雲翻譯”，那麼放在網上就可以，需要的時候隨需隨取，出版者何必走翻譯和質量控制的流程，而讀者又何必等待他人翻譯好了來投餵？雲計算已經進入尋常百姓家，我們已經習慣了材料需要的時候上網搜尋，而不是囤積起來佔地方。現在人們面對的問題，不是知識的匱乏，而是過剩。有了雲計算的打底，這種隨到隨得，及時領取（just in time)的翻譯模式，會取代專人對整個文字的翻譯、編輯和出版。 

這種及時領取，也是一種“剛剛好即可”（just enough）的知識消費心態。這種消費心態是被讀圖和影片時代縮短的注意力培育出來的，讓人有些無奈。但話說回來：很多文字（如學術文獻、技術文獻、法律檔案、醫療文獻），閱讀者只需要泛讀和速讀，理解八九成也就夠了。這種內容的消費，會和一個人現有的知識結構結合，產生化學反應。有時候我們的內容消費，往往不是為了消費而消費，而是有其他目的，比如瞭解前沿新知，這需要追求大量瀏覽，量變到質變地產生見識或者方案，需要進一步瞭解的時候才去細看不遲。學術文獻分析，很多時候，頂尖學者也只是看看摘要，看有無有價值的觀點、方法、結論，有需要的時候才去細看。不過，涉及到文學翻譯，那10%的差距，或許正是文字的精華。這也就是為什麼常有人說詩歌不可譯的一個原因：譯作的受眾或許得到了意思，失去了詩意。從這方面看，最瞭解詩人的還是人，最好是詩人，而不是人工智慧。 

人工智慧也給過去在翻譯領域求生的人，創造了新的機會。人工智慧翻譯工具將能夠幫助人們檢索不同語言的資訊，打破語言壁壘，讓每個人都能獲得所需的資訊。換言之，翻譯有可能會融入到寫作過程當中。這會帶來一些倫理道德上的挑戰，例如一些抄襲，會變得更難以覺察。你只有自己用多了，才能火眼金睛，一眼看出ChatGPT的痕跡。像李一舟這樣，利用這種人工智慧鴻溝造成的資訊差，“倒賣”外部知識的內容掮客，可以趁機發家。在目前，法律的完善，跟不上人工智慧的發展速度。如果法律上沒有做錯，對這種人工智慧時代“投機倒把”的精明人，他人也無權過度譴責。人工智慧也因此在語言的溝溝坎坎之間，滋生出大量的機會 —— 這機會遠遠不限於翻譯領域。如果你不及時捕捉這種機遇，你會成為這種改變中的看客。 

例如，它會做大蛋糕，使得翻譯量產化。人們往往把目光糾結在人工智慧的翻譯“質”上，亦即準確性和人工相比究竟怎樣，這個譯本好還是哪個譯本好？很多古代的傳統經典，如四大名著和唐詩宋詞，基本靠楊憲益戴乃迭或是許淵衝這些大家，他們一輩子出產那麼多，已經耗盡心血。時下翻譯中缺乏的是選材上的創造性思維。同樣作品（尤其是公版）被大量重譯，一部好作品被翻譯了熱銷，其他人就跟著去炒冷飯，同類譯本多如牛毛，惡化了競爭。為了讓自己的譯作出頭，有的人不惜攻擊他人，惡化了生態。這完全是翻譯界的內卷，造成的是嚴重的資源浪費，有點像經濟領域的重複建設。

而大量優秀作品藏在深山，從來沒有人翻譯過。出色的譯者人數少，“生產週期”長，難以大批次翻譯。而可視作“長尾”的作品，能在人工智慧的幫助下，更多更快地譯介為其他語言。一些中國過去的作品多翻譯，有助於改變世界和中國的關係。很多故事未被講述，道理未被理解，造成大家思維的差異被忽略。一旦講述，可能影響深遠。指揮家餘隆、上海交響樂團、紐約愛樂樂團合作了一部清唱劇《上海！上海！》（Émigré），講述30年代上海猶太難民的事，由於美國反移民和猶太巴勒斯坦衝突，此劇找對了風口，在西方產生了重大反響。而類似的文字作品，一旦翻譯出來，也會有類似效果。 

同樣，外文作品中的優質作品，引進過來可能會改變一個人，一個行業、一個學科命運的作品。這些作品汗牛充棟，是絕大部分沒有被翻譯成中文的。人工智慧可以革命性地提高翻譯速度，提高人工效率。不要說文學經典，就是一些宗教文獻，被完整翻譯的都還很少。過去唐僧翻譯佛經，由於人力不足，很多地方的翻譯是囫圇吞棗的，所以才有“般若波羅蜜”之類在漢語環境下人們不知所云的音譯做法。而更多的衍生檔案，包括註釋、評論，則更是淹沒在故紙堆中。人工智慧提供了一個新的契機，人類終於有能力大規模去發現、發掘新的重要典籍和文獻了。 

既然有待翻譯的材料更多了，人工智慧會成為改變翻譯選擇的觸媒，翻譯行業自身的機會在哪裡？人們討論得更多的是人工被替代的問題。如上所說，低端翻譯被替代是沒有懸念的，但是需要更多精確性和美感的翻譯仍不可少 ——  他們是面臨機會的一群人。面對“人工”和“智慧”的相互關係，“替代”是一種可能。“打不過就加入”也滋生了諸多可能，包括“輔助”和協作。從八分人工到兩分智慧，兩分人工八分智慧，和其間的其他比例的組合方式，都會出現。 

翻譯工種會出現內在的核變。如英偉達的黃仁勳所言，未來會使用人工智慧的會取代不會使用人工智慧的，這或許是替代論最為到位的解釋。我從很早做翻譯的時候，就開始使用機器輔助。我有幾本譯作，整個翻譯過程都是在Google Translate Toolkit上完成的。那時候機器翻譯的質量有限，我主要使用平臺，一句句對應，更好地集中注意力，排除外在干擾，避免錯漏，翻譯工作自身被改善的倒是很少。在計算機輔助翻譯的時候，機器可以幫助術語的統一和查詢的便利，而人工則是翻譯的主體。在機器輔助翻譯時代，機器和人工的投入可以說是二八開：機器提供20%的幫助，但是80%還是人在做。一些難的作品，機器僅提供術語、查詢等方面的輔助。 

人工智慧則顛覆了人工和智慧的合作方式，智慧和人工之間的分工，變成了五五開、甚至七三開、八二開了。人工的主要作用變成了對人工智慧翻譯的編輯和修理。人工的作用，還可體現在工作流程的變化上，比如先進行人工智慧粗掃一遍，然後人工加工，最後再讓機器整理譯作。整個過程更具有迴圈往復，螺旋式改進的特徵。機器和人工不再是協助和被協助的關係，而是一種團隊合作的關係。善於開展這種合作的人，能生產出更有質量的譯作。這種協作，對人工的要求更高一些。人工智慧的翻譯質量通常相當不錯。你若段位尚在其下，則無法識別問題，將其產出最佳化。語言水平高、更有創意的人，可以向人工智慧提供更好的“投餵”，生成更好的作品。這種情形下，人工和智慧會相得益彰，珠聯璧合，是所謂的“better together.” 

我有時候甚至覺得，人工智慧對於翻譯的需求來說，步伐還是慢了一些，沒有更為革命性地解放人工。目前，能夠貼近譯者需要的人工智慧化翻譯平臺，還是少了一些。大語言模型集思廣益，能夠實現更為廣義的學習，而對於翻譯者的個體化需求，追蹤得還不夠快。例如，你在翻譯一本著作，引述過多，前後的引文統一起來，還差強人意。塔多斯之類平臺，還有一點門檻和壁壘，並沒有像谷歌翻譯那樣可以無所不在。但願未來人工智慧翻譯工具還可以學習並適應個別作者的寫作風格，並有辦法對已有翻譯進行儲存，智慧地對同一個人未來的翻譯進行協調整合。目前，在具體詞彙上可以做到這一點，但是在句子和段落上，還難以一以貫之地調整措辭和風格。這種個性化翻譯，也可以表現在作者風格的匹配上，比如在文學翻譯上，難的是作者風格的整體對應。如《殺死一隻知更鳥》作者哈珀·李在作品中用的是阿拉巴馬州的方言。託尼·莫里森常用肯塔基的黑人方言。馬克吐溫和福克納則多使用密西西比方言。到目前為止，大部分譯作在這種方言風格的整體轉換上都是有欠缺的。人工智慧可以提供激動人心的可能性，比如譯作可以在對人工智慧的二次投餵中，產生出新的、統一的風格。 

而言之，在人工智慧摧枯拉朽的改變下，翻譯行業未來有多種可能。籠統地說：一部分人會淪為看客，而另一部分人會成為知識的掮客。一些人的飯碗被砸掉，一些新的飯碗會在意想不到的地方出現。目前我對人工智慧的潛力是歎服的，更多的時候，在人工智慧面前，或許“打不過就加入”也是不錯的選擇。當然，更好的辦法是駕馭它。技術從來就是好奴僕，而是一個壞主人。