admin 2026-02-16
168
近期在写词汇书过程中的一些心得体会。不管AI以后发展如何,我觉得都难以完全展示语言的厚度和变化度。半文盲和文盲只能停止于表面意思的理解,只有懂得语言才可以读出字面下的含义。
第一,机器翻译很多时候不准。
我在写词汇书的时候,发现机器很难辨别多义词。
譬如说,书里有一句话:IchosethreemodulesinthefirstyearbecauseIalsohadapart-timejob.
机器翻译是“我在第一年选择了三个模型,因为我还有一份兼职工作。”
机器可能数据库里没有加入module这个词的一个含义“课程”,或者是即便有加入这个含义,但是机器无法决定到底是用“课程”这个含义,还是应该用“模型”这个含义。
这就是人的优势,机器的弱点:只有人可以遇到多义词做正确的选择,因为我们会按照逻辑、文化背景和知识等判断一个单词在一个语境下的正确含义。
第二,机器翻译很多时候不通顺。
我们经常发现,机器翻译出来的文章中文往往不够通顺。
软件的运行逻辑是搞定单词的翻译,然后将单词的翻译按照常见的句子结构关系组合起来。问题是一个单词在不同的语境下的翻译可能会有变化,而机器未必能够体现如此大的变化性。
譬如说entrant这个词,在教育的时候可能是“入学者”的意思,而在商业的时候可能是“新进入行业的公司”,而在工作领域是“新入行的人”,变化多端。
我们在机器里输入这么一句话“Someentrantsaretryingtobreakthecompany’smonopoly.”
机器的翻译是“一些进入者试图打破公司的垄断。”读起来是否特别别扭?
如果改成“一些新入行的企业试图打破这个公司的垄断。”是不是就好理解多了?
第三,机器翻译每个词都翻译对了,但看不大懂
机器翻译受到原文字的限制,做的最好就是将原文字翻译。
然而,有时候,原文字可能本身就缺乏足够信息让读者明白意思,这时候需要翻译者进行一定的补充。
譬如说“Someathletesreachtheoptimallevelofperformanceintheevening.”
机器会翻译成“有些运动员在晚上达到最佳水平。”
你看到这句话是不是脸都红了?
其实你是被误导了。
如果我这么写“有些运动员在晚上(比赛)达到最佳水平。”
只是加上两个字,你就明白了。
第四,机器很难做到接地气
很多翻译的原文字比较书面化,导致了直接翻译也会文绉绉的。这样不仅很难理解,而且也不利于学习(因为文绉绉的表达在生活中很少见,和生活联系不上自然就记不住)。
例句:Opticsisnotapopularuniversitysubject.
机器翻译:光学不是一门受欢迎的大学课程。
问题:“受欢迎的”不是一种接地气、大家生活中常说的一种表达。
建议翻译:光学不是很多人选(或者喜欢)的一门大学课程。
第五,机器翻译基于中英文句子结构是对等的。
我们都知道英文的句子相对比较规整,基本句子5种,从句3种,加上therebe句型,被动句和强调句,基本上就这些。
中文的句子却灵活很多。
机器翻译尝试尊重英文句子本来的结构,但是这样翻译出来的句子有些时候不够通顺。
例句:Parents’concernforchildren’sexamresultsoftenoverridesotherconcerns.
机器翻译:父母对孩子考试成绩的关心常常压倒了其他的关心。
问题:原句是主谓宾,但是两个关心有点重复。这个时候可以将大意翻译,不一定要尊重原句的句子结构。
我们中文使用被动句的情况比较少,这样在翻译英文的被动句需要更加灵活。
例句:Hewasoverwhelmedbyadeepsenseofdespair.
机器翻译:他被深深的绝望所压倒。
问题:中文在描述感受的时候,很少用被动句。
建议翻译:他感到深深的绝望。
第六,机器翻译一见到复杂的句子就会冒烟
机器翻译很难处理一些修饰成分很多、从句很多的句子。这时候可能机器搞不清楚修饰成分具体修饰什么,从句具体修饰什么。
例句:Thevice-chairmanofthecharitableorganisaitonpraisedthevoluntaryworkdonebystafffortheRedCross.
机器翻译:该慈善组织的副主席赞扬了工作人员为红十字会所做的志愿工作。
问题:工作人员应该是红十字会的。
建议翻译:该慈善组织的副主席赞扬了红十字会工作人员所做的志愿工作。
第七,机器不能识别错别字,只会将错就错
机器不具备自动纠错一个单词的能力,只会硬翻。只有人检查识别这个错误,才能做出修正。
例句:Shesignedforherlostyouth.
机器翻译:她为失去的青春签名。
问题:我打字的时候写成了sign,事实上是sigh。
建议翻译:她为失去的青春叹气。