让机器取代人工翻译——语义优选

胡红磊

（云南民族大学 云南昆明 650504）

让机器取代人工翻译
——语义优选

胡红磊

（云南民族大学 云南昆明 650504）

语义优选能促成人工翻译能力的跨越。原因是，个别术语隐藏有统摄篇章的信息；人脑通过分析这些术语，附以逻辑推断，可以加深对主旨的认识，以从全局层面纠正先前错误理解的术语，优化译文；而翻译语料库又能使上述认知成果得以保存，从而取代人工翻译。

术语； 翻译； 语义优选；语料库

人类语篇理解能力的关键就在于全局篇章认知，即实现从整体-部分认知到部分-整体认知跨越，具体落实为统计方法和语义优选方法。通过统计方法和语义优选方法，能大幅提高翻译产品的质量。统计方法的实质是模拟人脑从整体到部分的认知，确定术语、文体、句法的分布规律，采取对应的翻译策略。与此不同的是，语义优选方法则模拟了部分-整体认知，即以细节为突破口，通过逻辑分析，揭示原本不易发现的、隐藏在文章深层的主旨，使译者获得全局翻译策略，产出高质量译品,见图1。

图1 翻译认知示意图

图形解释：统计方法是整体-部分认知；语义优选方法是部分-整体认知，是人类认知跨越的关键。下文拟就这两种认知模式做出形象的阐述。

1 整体-部分认知的实质

在翻译过程中，人们碰到某个篇章，就要调用存储在大脑里的文体、词语、句式知识，进而发现每一文体、词语、句式的比较适切的译法，其实质是一种整体-部分认知方法。而机器翻译中资料能够呈现单词、句子、文体的分布规律，即通过分析三者的分布来给出对应的译文——这纠正了翻译过程中机械地翻译的方法。也就是说，计算机可以从分析文体、篇章特征（语域）着手，实现对人脑整体-部分认知过程的模拟,见图2。

图2 人脑从整体到部分认知翻译的过程

这说明篇章统摄了文体，进而统摄了句式和词语样式。

2 部分-整体认知的实质

在认知篇章时，人们能够实现从整体-部分到部分-整体认知模式的跨越，实现认知升级。这是通过查找术语和它的解释实现的。具体表现为：在翻译过程中，译者一旦发现了不理解某个术语，会导致对篇章的理解模糊不清，就会查清该术语，进而从篇章层面整合语义关系，进而整合全篇译文。而计算机也能做到这一点。引擎搜索词语的过程又和人类寻找术语解释、对应译入语的过程相似——二者都是一个从不可知到可知的过程。

从篇章认知层面上来说，语义优选涵盖了篇章、句子、术语，构成了人类的部分-整体认知过程,见图3。

图3 部分-整体认知过程

说明：术语查找使与篇章理解相关的语义优选成为可能；在这里篇章、句子、术语间契合的成果可以保存为翻译语料库。

3 分析

如果说统计的翻译方法还局限在整体-部分认知过程，那么，澄清部分影响篇章理解的术语就进入了部分-整体认知过程。部分-整体认识的原理是：术语对应过程刺激译者把视野延伸到对篇章的解读、认知，促成了认知策略的跨越。这种对篇章的全新认识与整体-部分认知方式不同，是一种篇章层面的认知战略重组。概括起来就是，术语查找使语义优选成为可能，是语义优选的先导；而语义优选又帮助我们澄清了术语、句子和篇章[2]。

在整体-部分认知过程中，统计翻译结果就是语言各要素的分布，该过程无法澄清对篇章理解具有重大意义的部分术语，因为它只有分布规律，没有逻辑结构，也就谈不上语义优选。部分-整体认知通过澄清这些术语，深化了认识，是因为它澄清了逻辑结构。在部分-整体认知过程中，澄清模糊不清的概念和篇章主旨是一种语义优选（包括对术语和一般词语的语义优选）。

归因起来，部分-整体认知过程弄清了术语内涵，发现了统摄篇章的语言知识、百科知识，使得意思显豁。概括起来就是，人类能够分析、整合、提取学科、语言、文化知识，找到认知策略转换事件的奇点，而机器辅助翻译又模拟了该过程。

上述现象的启示是，在粗浅地了解了篇章之后，应该找到易误点，也就是模糊不清之处，寻找从部分到整体认知的突破口。图3还说明，语言知识、语言能力、百科知识之间是互相渗透的关系。人类积累各类篇章、术语和学科知识，只是对整个学科浮光掠影的理解，并没有涉及到篇章内部的联系——这种联系正是翻译实践要解决的课题。该问题的解决办法就是语义优选。而建翻译语料库（除了泛泛搜集篇章、术语和学科知识外）能使语义优选的有逻辑性的成果得以保存。

4 结语

人脑能够计算从整体到部分到从部分到整体认知模式转换的认知阶段的奇点，并做出决策，而机器辅助翻译能模拟这一点。这种模拟的实质就是通过语义优选澄清不清楚之处。优选的成果需要翻译语料库保存。主动选择在线引擎，扩展语言知识、寻找语言的规约性、提高语言简洁性和表现力，建造翻译双语语料库，产出高质量译品。

[1]Bassnett, S.Translation studies.Routledge (3rd ed.)[M].London, New York： Routledge.2005：88, 93,176.

[2]Sun R, Zhang X.Top-Down Versus Bottom-Up Learning in Cognitive Skill Acquisition[J].Cognitive Systems Research, 2004, 5(1)：63-89.

[3]Wilks Y, Fass D.The preference semantics family[J].Computers & Mathematics with Applications, 1992,23(2-5)：205-221.

[4]白解红.语境与意义[J].外语与外语教学,2000(4)：135-136.

[5]蔡基刚.重视大学英语翻译教学 提高学生英语应用能力 [J].中国翻译 , 2003(1)：89.

[6]陈一民.歧义结构意义优选的理论分析[J].山西师大学报：社会科学版, 2005, 32(4)：109-112.

[7]李东明, 张丽娟, 赵伟,等.无指导学习语义优选[J].计算机应用与软件, 2012, 29(1)：155-158.

H059

A

2096-4110（2017）02（a）-0096-02

胡红磊（1981-）男，汉，河南郸城人，硕士，研究方向：翻译理论与实践 。