郭子凱 陳 晨 劉曼玲

西安醫(yī)學院醫(yī)學語言與文化研究中心，陜西西安 710021

2016 年，Google 推出神經網絡機器翻譯，隨后相關技術不斷發(fā)展，使得機器翻譯的質量越來越高，人工翻譯遇到了前所未有的挑戰(zhàn)，甚至有人認為人工翻譯即將或已被取代。但是，即使有神經網絡技術的突破，機器翻譯也有局限性，出現(xiàn)了很多問題，翻譯質量還不能完全滿足實際的需要，需要配合譯后編輯才能更好地完成翻譯任務[1-7]。事實上，關于如何利用“機器翻譯+譯后編輯”模式處理科技文本和其他文本，不少學者已做了相關研究[8-14]，但醫(yī)學翻譯領域的研究較少[15-16]。在不多的研究結果中，指出錯誤的多，提出策略的少，尤其當涉及有一定深度的醫(yī)學學術文本時，相關研究更是鳳毛麟角。本文從斯普林格國際出版公司出版的《Neonatology》（即將由人民衛(wèi)生出版社出版中文版）中選取較有難度的文本，將之放入Google Translate 中進行翻譯，然后比照已經校對過的準出版文本，分析神經網絡技術支持下機器翻譯的優(yōu)勢和譯后編輯的必要性，并提出譯者主體性視角下的具體策略，以更好地發(fā)揮“機器翻譯+譯后編輯”這一模式。

1 文本的選取

本文選取的章節(jié)為“Chapter 17 Cerebral Plasticity and Functional Reorganization in Children with Congenital Brain Lesions”（先天性腦損傷兒童的大腦可塑性和功能重組）中的 “17.4.3 The Visual System”（視覺系統(tǒng)），正文共計1009 英文詞。筆者參與了該章節(jié)的校對、再譯和審定。在校對時，筆者發(fā)現(xiàn)原文對初譯者構成了極大的挑戰(zhàn)，以至于發(fā)生了大段的生譯、錯譯和棄譯；在校對時，筆者處理了為數(shù)不少的長難句，全文共計29 個長句，平均每句含34.79 個英文詞，最長句含56 個英文詞；在審定時，多位兒科專家和醫(yī)師因研究領域不符，多次出現(xiàn)不了解專業(yè)背景知識的情況。綜上，本文的研究對象有一定深度和難度，能在某種程度上代表醫(yī)學學術文本。

2 醫(yī)學學術文本機器翻譯的優(yōu)勢

隨著整體技術的進步，尤其是使用神經網絡的機器翻譯質量目前已經超越了基于短語、句法的統(tǒng)計機器翻譯[17]。那么機器翻譯（尤其是有神經網絡技術支撐的機器翻譯）給譯者帶來了怎樣的便利呢？通過比較此次醫(yī)學文本的Google Translate 譯文和即將出版的譯文，本文認為機器翻譯有以下優(yōu)勢。

第一，機器翻譯更加節(jié)約時間成本和人力成本。在時間成本方面，機器翻譯的優(yōu)勢毋庸置疑，無論原文長短與難度，機器翻譯的用時遠非人工翻譯所能比擬，也節(jié)約了大量人工輸入的時間。而在人力成本方面，機器翻譯也有較大優(yōu)勢，以此次醫(yī)學學術文本為例，初譯版本不盡人意，就對原文理解的準確性上來說遠不及Google Translate 所提供的譯文。事實上，機譯譯文雖然在譯文表達層面尚有較大的改進空間，但在對句型結構的理解準確性上令人稱道。在29 個長句中，只有1 句理解出現(xiàn)重大失誤。因此，如果采取“機器翻譯+譯后編輯”的模式，首次翻譯完全可以不考慮初譯者，同時也會減輕校對者和審定者的工作負擔。

第二，機器翻譯在預防漏譯方面有著天然的優(yōu)勢。無論水平多高、經驗多豐富，翻譯工作者都多多少少有漏譯發(fā)生，這是人工翻譯無法根除的。但如果采取“機器翻譯+譯后編輯”的模式，漏譯的弊端基本可以規(guī)避。以此次醫(yī)學學術文本的翻譯為例，哪怕經過初譯者、校對者和譯審的三層把關，譯文還是出現(xiàn)了“maybe”和“fully”這樣的詞漏譯。雖然這些漏譯無傷大雅，但離完美的譯文還是有些許差距。

第三，機器翻譯提供可能的解決方案。如前文所述，Google Translate 所提供的譯文在理解準確性方面有著良好的表現(xiàn)。因此，當面對長難句一籌莫展之時，不妨借助機器翻譯，以得到一些可能的解決方案。以此次醫(yī)學學術文本中的一句話為例：“As our knowledge,along the typical brain development,between the 22nd and 34th week of gestation,when periventricular parenchymal lesions mostly occur,afferents ascending from the thalamus make synaptic contact with the maturing neurons in the subplate region,which regulate the formation of the cortical plate.”面對這樣一句話，初譯者選擇了棄譯，而校對者也未能即時理解，通過翻閱各類字典，才確定afferent 為名詞屬性，意為“傳入神經纖維”，繼而才理解了這句話。而如果將之放入Google Translate 中，會發(fā)現(xiàn)“傳入神經”赫然在目，可以成為初譯者和校對者在理解時的靈感來源。另外，盡管機器翻譯在表達方面有著較大的進步空間，但其基礎是大數(shù)據(jù)，在術語和其他表達方面有著一定的準確率，為譯后編輯者提供了一個可供查證或參考的版本。

3 醫(yī)學學術文本譯后編輯的必要性

機器翻譯雖然在處理醫(yī)學學術文本等科技文本時有著一些顯著的優(yōu)勢，但也存在著各種錯誤[18]。在神經網絡翻譯出現(xiàn)之前，崔啟亮等[19]總結了科技文本英漢機器翻譯常見的11 種錯誤類型：過譯、欠譯、術語翻譯錯誤、形式錯誤、格式錯誤、多譯漏譯、冗余、詞性判斷錯誤、從句翻譯錯誤、短語順序錯誤和受英語句子的束縛。在神經網絡翻譯出現(xiàn)之后，唐斌等[15]對7 款常用在線機器翻譯軟件的醫(yī)學文本譯文進行了定量和定性評析，譯文出現(xiàn)的主要問題包括醫(yī)學術語翻譯、錯譯和漏譯。雖然上述兩項研究均提到了漏譯，但與本文的結果并不一致，且筆者認為第二處文獻提及的漏譯存在爭議。本文選取的醫(yī)學學術文本含一定深度的醫(yī)學知識，行文中也有為數(shù)不少的長難句，本文在比較機譯譯文和準出版譯文后，發(fā)現(xiàn)了與前人或異或同的錯誤，現(xiàn)舉例分析如下，以佐證譯后編輯的必要性。

3.1 機譯譯文缺乏拆分

原文：In accordance to previous studies,Tinelli and colleagues measured sensitivity to several visual tasks in a group of children with congenital unilateral brain lesions involving optic radiations compared to children with similar lesions,acquired in childhood.

Google Translate 譯文：根據(jù)之前的研究，Tinelli及其同事測量了一組患有先天性單側腦部病變（包括視輻射）的兒童與在兒童時期獲得的類似病變的兒童對幾種視覺任務的敏感性。

審定譯文：與既往研究一致，在一組發(fā)生先天性單側腦損傷（累及視輻射）的兒童中，Tinelli 等人測量了他們對某些視覺任務的敏感性，并將之與童年期發(fā)生類似損傷的兒童進行了比較。

主句部分的機譯譯文竟達58 字，可讀性實難恭維，亟需斷句。經校對審定后，主句部分譯文被分為3 個小分句，每個小分句的字數(shù)分別為28、19 和21，譯文總數(shù)略有增加，可讀性顯著提高。在對原句理解的準確性方面，Google Translate 基本無失誤；在術語等基本表達層面，機譯譯文也無重大失誤。綜上，機譯譯文可保證基本的理解和表達，如果輔以“拆分”的譯后編輯，可實現(xiàn)準確通順的譯文。

3.2 機譯譯文缺乏語序調整及信息統(tǒng)籌

原文：One possibility for explaining ipsilateral activity in the spared V1 is that some of the retinal ipsilateral projections to lateral geniculate nucleus and superior colliculus,observed during early development in young animals and possibly also in human infants (Arroyo and Feller 2016),did not degenerate given the massive lesions to one hemisphere at birth.

Google Translate 譯文：解釋幸免的V1 中同側活動的一種可能性是，在幼小動物的早期發(fā)育過程中觀察到的一些視網膜同側投射到外側膝狀體和上丘，也可能在人類嬰兒中觀察到（Arroyo 和Feller 2016），沒有退化，出生時對一個半球的大面積損傷。

審定譯文：有關未累及V1 中的同側活動，一種可能的解釋是：在動物幼崽（嬰兒也有可能）的早期發(fā)育階段，視網膜同側投向外側膝狀體核和上丘的部分投射并未退化（Arroyo and Feller 2016），盡管出生時一側半球遭受巨大損傷。

機譯譯文雖然在“在動物幼崽”等處做了相應的語序調整，但就整句而言，調整仍然不到位，另外，機譯譯文的最后一個分句比較突兀。上述問題也反映了機器翻譯與人工翻譯的差距，在表層語序調整和深層信息統(tǒng)籌方面尤其明顯。經校對審定后，譯文更加符合漢語的表達習慣，整合了“動物幼崽”和“嬰兒”等類似信息，并挖掘、凸顯了“given”前后的邏輯關系。在對原句理解的準確性方面，Google Translate 在最后一個分句處并未理解透徹；在術語等基本表達層面，機譯譯文也無重大失誤。綜上，機譯譯文可保證基本的理解和表達，如果輔以“語序調整及信息統(tǒng)籌”的譯后編輯，可實現(xiàn)準確通順的譯文。

3.3 術語翻譯脫離語境或欠規(guī)范

原 文1：However,available data support a more effective mechanism of reorganization of visual function after early brain damage that may consist either in a reconnection with the targeted structures or in an enhanced use of compensating circuitries.

Google Translate 譯文1：然而，可用數(shù)據(jù)支持早期腦損傷后視覺功能重組的更有效機制，這可能包括與目標結構的重新連接或補償電路的增強使用。

審定譯文1：然而，現(xiàn)有數(shù)據(jù)支持一項有關早期腦損傷后視覺功能重組的更有效機制，這可能是與目標結構的重新連接或對代償回路的加強使用。

此處的機譯譯文整體幾乎達到了人工翻譯的水平，只在“circuitries”一詞處出現(xiàn)了失誤。在表達時，機譯譯文沒有考慮到醫(yī)學學術語境，錯譯成了“電路”，如果在譯后編輯時輔以對語境的斟酌，術語翻譯的準確性觸手可及。

原 文2：When focal periventricular brain damage occurs,geniculostriate fibers are expected to bypass the damaged tissue,reaching the visual cortex,with a full sparing of visual fields.

Google Translate 2：當發(fā)生局灶性腦室周圍腦損傷時，膝紋狀體纖維有望繞過受損組織，到達視覺皮層，完全保留視野。

審定譯文2：當局灶性腦室周腦損傷發(fā)生時，膝狀體-紋狀體纖維可能將繞過受損組織到達視皮質，視野完全不受累。

醫(yī)學學術文本的翻譯標準除了準確和通順，還應考慮規(guī)范性。在本句中，將“spared”譯為“不受累”顯然優(yōu)于譯為“保留”，因此，如果在譯后編輯輔以對表達規(guī)范的考量，術語翻譯的規(guī)范性唾手可得。

4 譯者主體性視角下醫(yī)學學術文本“機器翻譯+譯后編輯”的策略研究

在人工智能、大數(shù)據(jù)、云計算的有力推動下，面向語言服務行業(yè)的翻譯技術和翻譯工具得到迅速發(fā)展和廣泛應用，技術驅動成為語言服務行業(yè)的顯著形態(tài)[20]。在這樣的背景下，藍紅軍[21]指出，在譯者主體性遭遇困境的同時，信息技術和翻譯主體緊密融合，翻譯主體獲得了新的發(fā)展平臺，前所未有地彰顯了翻譯主體性。同樣，在借助機器翻譯兼具一定知識深度和一定語言難度的醫(yī)學學術文本時，譯者應克服受約因素，發(fā)揮能動性[22-24]，即學會利用機器翻譯的優(yōu)勢，識別機器翻譯的常見錯誤，并對之進行譯后編輯。

首先，譯者要理性認識到：機器翻譯雖不足以完全替代人工翻譯，卻也能極大地輔助人工翻譯。在神經網絡翻譯出現(xiàn)后，機器翻譯的質量確實得到了較大的提高，通過上文對醫(yī)學學術文本翻譯的舉例分析，可以清晰地看到，機器翻譯在對原文的理解準確性和基本表達方面有很多可取之處，水平至少超過翻譯初學者。而且，考慮到機器翻譯是即時、不漏譯地完成任務，其更應該成為翻譯醫(yī)學學術文本和其他文本的有力助手。綜上，在翻譯醫(yī)學學術等文本時，譯者應肯定機器翻譯的價值，主動借助機器翻譯。

此外，譯者要能識別機器翻譯的常見錯誤，探索譯后編輯的方法?？v覽有關機器翻譯的常見錯誤，不難發(fā)現(xiàn)，這些錯誤大多能被常見翻譯技巧解決。系統(tǒng)學習過翻譯課程的譯者都會了解有關詞或句的翻譯技巧，即詞義的選擇、詞的增減、詞性轉換、句子的分與合、從句的翻譯和語序調整等[25]。以本文指出的機譯醫(yī)學學術文本中出現(xiàn)的錯誤為例，拆分對應分句法、調整語序、選擇術語翻譯對應詞義均為常見的翻譯技巧，因此，對機譯譯文的譯后編輯從本質上講并不特殊。另外，有關術語翻譯的問題，譯者可以將機器翻譯和機器輔助翻譯結合起來。以本文所舉錯誤為例，譯者可先借助基于大數(shù)據(jù)的機器翻譯得到一個基礎版本，再將術語譯文放入《全醫(yī)藥學大詞典》等專門的例句庫中加以驗證或更正，即可保證最終譯文的準確性。綜上，為完善譯文，譯者應在機器翻譯的基礎上，回歸翻譯技巧以編輯已有譯文，還可借助機器輔助翻譯或語料庫資源完善術語或其他詞句的表達[26]。

5 結語

通過選取具有一定代表性的醫(yī)學學術文本，本文比較了其人工譯文和基于神經網絡技術的Google Translate 譯文，發(fā)現(xiàn)了機器翻譯的巨大優(yōu)勢和譯后編輯的必要性，并在譯者主體性視角下提出了具體策略，以更好地支撐醫(yī)學學術等文本的 “機器翻譯+譯后編輯”模式。本文雖然也提出了譯者應如何開展“機器翻譯+譯后編輯”模式，但選取的樣本有限，存在一定的局限性。下一步將選擇更多領域更大的樣本，進而對基于神經網絡技術的機器翻譯展開更深入的研究。