英汉智能机器翻译弊端解析——论英语“褒贬同词”现象

沈逸宁，庄 晴

(广东外语外贸大学，广东 广州 510420)

英汉智能机器翻译技术日渐精进，为大众提供了诸多便利。与此同时，机器翻译也不可避免地暴露出一些弊端，其中包括“褒贬误译”的问题。褒贬误译指翻译结果中的褒贬感情色彩与原文不符，传达出错误的文意。众所周知，为减少源语言与目的语之间的信息差异, 美国语言学家尤金·A·奈达从语言学的角度和翻译的本质出发，提出了著名的“动态对等”翻译理论，即“功能对等”理论。“翻译是用最恰当、自然和对等的语言从语义到文体再现源语的信息”，[1]翻译再现的信息既有表层词汇信息，也有深层的文化信息。他认为，翻译不仅是词汇意义上的对等，也是语义、风格和文体层面的对等。其“功能对等”理论包括词汇、句法、篇章和文体对等。在四个对等中，奈达认为“意义是最重要的，形式其次”。形式可能隐含源语言的文化意义并阻碍文化交流。在文学翻译中，依据奈达的理论，译者应以动态对等理论中的四个对等作为翻译的原则，准确地在目的语中再现源语言的文化内涵。[2]为达到再现源语文化内涵的目标，源语言和目的语所展现的情感色彩须基本相同。因智能机器无法理解英语中同一词语在不同语境下所具有的不同褒贬色彩，在英汉翻译中，机器翻译结果会传达出错误的褒贬倾向，导致原文文意难以被正确表达。

一、英汉智能机器翻译研究概述

随着英汉机器翻译软件的日益普及，翻译界学者关于机器翻译正确性的研究也愈发热烈。刘莉琼希望能从语义和逻辑关系的角度改进机器翻译，以确保译文整体的逻辑性和连贯性；[3]陈媛致力于为机器翻译系统补充建立“主谓宾”句式的语法规则，提高这一基本句式结构的机器翻译质量；[4]李侠则通过分析动词的三种语义模式，为机器翻译动词设计出一种以语义、句式和变量为基础的翻译方法。[5]纵观各学者对英汉机器翻译的研究成果，不难发现，鲜有学者针对英汉机器翻译中的词汇“褒贬误译”问题进行研究。

从问题严重性和出现频率来看，此问题亟待研究与解决。为探究“褒贬误译”现象，将列举当今英汉机器翻译中的多种褒贬误译现象并加以描述，探究“褒贬同词”现象对英汉翻译的影响，提出相应的解决方案，旨在为英汉翻译的未来发展方向提供不同的思考维度。

二、英汉机器翻译之褒贬误译

(一)英语中“褒贬同词”现象

英语中的褒贬词义被称为“感情色彩义”，指作者通过此词汇向读者传达的感觉或态度。通常把“感情色彩义”分为三种：褒义，指词语中含有赞许或好的意思；贬义，指词语中含有贬斥或坏的意思；中性，指词语中不含褒义或贬义意思。[6]

英语中的“褒贬同词”现象指同一个词语兼有褒贬两类以上感情色彩的不同词义的现象。[7]这种词语因语境的差别，在不同的文段中表达出不同的褒贬色彩。“褒贬同词”词汇并非中性词。“褒贬同词”是兼有不同感情色彩的词，中性词则是不含“褒、贬”感情色彩的词。虽然中性词也可适应不同语境，但其感情色彩含义不因语境不同而改变。“褒贬同词”现象可从以下单词中发现：filthy其贬义为肮脏的，褒义则为富有的；Haughty的贬义为傲慢的，褒义为高贵的；slick的贬义为狡猾的，褒义为聪明的；careless的贬义为粗心的，褒义为出于自然的；rampant的贬义为猖獗的，褒义却为繁茂的；同样，furious的贬义为狂怒的，褒义则为热烈兴奋的；inflexible的贬义为固执的，褒义为坚定不移的；stubborn的贬义为顽固的，褒义为顽强的；conservative的贬义为守旧的，褒义为有节制的。

因“褒贬同词”集两个以上的褒贬词意于一身，遇到这类词语的翻译时，为减少源语言和目的语之间的信息差异，需根据语境，挑选一个词意组成译文，英汉机器翻译之褒贬误译问题通常会在此过程发生，缺乏对褒贬词意的判断。

(二)英语中“褒贬同词”错译情况分析

英语“褒贬同词”现象中的词语会因语境的差别而在不同的文段中表达出不同的褒贬色彩，为实现英汉翻译“动态平衡”效果，使目的语和源语言所表达的文意大致相同，这类词语在英汉翻译中，应根据上下文大体感情色彩译为不同的汉语词汇。反之，若忽视语境，易导致“褒贬同词”类词语在英汉翻译中被错译或误译，形成错误的翻译结果。

1.关于ambition的翻译

Mao Zedong showed his great ambitions even when he was very young.

百度翻译：毛泽东在他非常年轻的时候也表现出他的伟大野心。[8]

有道翻译：毛泽东很小的时候就显示出他的伟大抱负。[9]

谷歌翻译：毛泽东在很小的时候就表现出了雄心壮志。[10]

参考翻译：毛泽东在十分年轻时就展现出了伟大的抱负。显然，ambition一词百度翻译存在褒贬误译现象。

2.关于deserve的翻译

He always decides everything by himself and now nobody wants to cooperate with him.he totally deserve it .

百度翻译：他总是自己决定一切，现在没人愿意和他合作了。他完全活该。[11]

有道翻译：他总是独断专行，现在没有人愿意和他合作。这是他应得的。[12]

谷歌翻译：他总是自己决定所有事情，现在没人愿意与他合作。他完全应该得到它。[13]

参考翻译：他总是自己决定所有事情，现在没有人想和他合作了。他完全是活该的。毋容置疑，deserve一词有道翻译和谷歌翻译均存在褒贬误译现象。

3.关于careless的翻译

He has a careless childhood.

有道翻译：他有一个无忧无虑的童年。[15]

谷歌翻译：他有一个粗心的童年。[16]

参考翻译：他有一个无忧无虑的童年。由此可见，careless一词百度翻译和谷歌翻译存在褒贬误译现象。

4.关于demon的翻译

He skis like a demon.

百度翻译：他滑雪像魔鬼。[17]

有道翻译：他滑雪滑得像个妖怪。[18]

谷歌翻译：他像恶魔一样滑雪。[19]

急诊科护理期间运用风险管理：（1）可使护士与患者之间透明化，加强与患者之间的沟通，使护理模式转变为“理解配合型”模式，使患者与家属能充分理解各项操作，避免出现护患纠纷；（2）由风险管理小组定期开展讨论大会，制定风险处理方案，定期检查风险管理落实情况，提出改进方案，及时修改，加强风险管理效果；（3）实施的每个环节，重视双向交流，不仅包括护患间沟通，也应与其他科室的交流，耐心听取患者及家属的诉说及投诉，将部分合理反映置于风险管理中，将被动预防风险转为主动化解风险，进而提高护理管理质量及医疗质量，减少医疗纠纷的发生[3] 。

参考翻译：他滑雪技艺超群。显然，demon一词百度翻译、有道翻译和谷歌翻译均存在褒贬误译现象。

5.关于abet的翻译

Absence of abet from colleagues in your work.

百度翻译：工作中没有同事的教唆。[20]

有道翻译：工作中缺乏同事的教唆。[21]

谷歌翻译：工作中没有同事教colleagues。[22]

参考翻译：工作上缺乏同事的支持。显而易见，abet一词百度翻译、有道翻译和谷歌翻译均存在褒贬误译现象。

综上所述，无论是ambition，deserve, careless高频率英语词汇，还是demon，abet等低频率词汇，常用翻译软件都可能存在各种褒贬误译现象，不难发现，“褒贬误译”问题具有普遍性和严重性。

三、英汉机器翻译中“褒贬误译”的原因探析

出现“褒贬误译”问题的前提条件，是同一个英文单词所对应“褒”与“贬”两层含义。若汉语没有对应的“褒贬同词”词汇，机器翻译会面临选择翻译为褒义还是贬义的困境。 构成一个“褒贬同词”的词汇，要使同一个词汇在不同的上下文中具有不同的语境蕴含义。英语使用者更看重语言的工具性，习惯用形式制约作用，英语词汇频繁地被应用于不同语境中，产生不同的蕴含义，词少义多；而汉语使用者的认知表达更情感化，语言词汇也带有明显的情感印记。词汇的情感色彩鲜明，不会轻易跟随语境改变其含义，难以构成“一词多义”的情形。

另一方面，英语中的“褒贬同词”，汉语中则为“褒贬分明”。虽然英语和汉语的词汇都有感情色彩义，也都分为褒义词与贬义词。然而，有些英语中的褒贬词汇几乎可以直接与汉语词汇对等，表达相近的词意、相同的感情色彩。在《汉语褒贬义词语用法词典》的英语词汇中，典型的“褒贬同词”词汇大约占总词数的20%多；而在汉语词汇中，“褒贬同词”词汇仅占总词数的0.8%。[ 23]

通过对比，英语词汇更倾向于“褒贬同词”，同一词汇会根据适用对象不同和语境不同而区分出不同的感情色彩义。汉语词汇则更加褒贬分明，出现“褒贬同词”的概率较小。在英汉翻译中，同一个英语词汇会因为具有不同的感情色彩义而被翻译为不同的汉语词汇。若未能注意理解英语词汇中的感情色彩义或错误理解了其感情色彩义，则易翻译成错误的汉语结果。[24]

尤为重要的是，智能机器翻译缺乏识别词语中感情色彩义的能力。现有机器翻译软件大多融合了两种主流的翻译方法，基于统计和基于实例。基于统计的翻译方法根据其庞大语料库的统计，计算出每一个单词所对应的“正确概率最高”的翻译结果并拼接到译文里。以谷歌翻译为例，这类统计模型往往只考虑词与词、短语和短语之间最常见的线性对应关系，鲜少考虑句子结构和上下文语境。其翻译出的词义或许是“最常见的”，却不是“最合适的”。基于实例的翻译方法则考虑句子整体性，其语料库中记载了海量的基本句式和他们的标准翻译结果，若使用者输入了语料库中的句子或者相似的句子，软件可通过搜索或模仿翻译，呈现出较高质量的整句翻译结果。此类翻译方法基于过去语料库中的资料，对全新的文本却没有合适的处理办法，难以体会新文本中的深意。

无论是基于统计还是基于实例，机器翻译都缺乏判断词义褒贬的成熟机制。针对全新的文本，机器翻译会将“褒贬同词”的词汇当做单独的英语词汇来翻译，忽视上下文语境，无法准确判断出“褒贬同词”英语词汇中的感情色彩，产生错误翻译结果。

四、解决机器翻译中“褒贬误译”问题的建议

在对智能机器翻译中“褒贬误译”问题及成因的分析中发现，褒贬误译是机器翻译的一大弊端。机器没有感情，不懂简单词汇下隐藏的复杂深奥的情感引申含义，也无法给出最贴合原文的译文。在短期内机器翻译技术难以突破的前提下，应如何应对“褒贬误译”的难题呢？

(一)人工核查确保语义、情感色彩和文化信息对应

在英汉智能机器翻译尚未完善，采用自动匹配词语库逐词逐句翻译的情况下，不可过于依赖机器翻译，应结合人工对文本的理解，力求达到最佳的英汉翻译“动态平衡”效果。文本当中的情感色彩义只能由译者体会并表达，这是译者在人工智能时代应钻研的领域。为最大化地利用翻译机器，译者可在机器翻译后，对翻译文本进行人工核查，确保译文在语义、情感色彩和文化信息的对应。

(二)注重词汇所包含的情感色彩

在进行人工英汉翻译时，应认真判断处于特定语句中的词汇所包含的情感色彩义。此判断大致需要注意作者的写作风格与表达意图。例如：

1.“By Jove，she has taste! ” exclaimed Henry Lynn.[25](Jane Eyre)

(背景信息：指由男主人公罗切斯特化装的算命的老太婆不给男子算命，只给年轻姑娘算命)

有道翻译：“天哪，她真有眼光!亨利·林恩喊道。

参考翻译中的用词，如“挑肥拣瘦”和“嚷”等，高度重现了原文中偏口语化、贴近生活以及带讽刺意味的写作风格。

2.He was a man of integrity, but unfortunately had a certain reputation.

有道翻译：他是个正直的人，但不幸有某种名声。

参考翻译：他是位诚实正直的人，但不幸传有某种坏名声。

原文作者想表达的意思是“与实际不符的坏名声”，按照中文语言习惯，应像参考翻译一样将“名声”的负面性质直接译出。

五、结语

机器翻译中的“褒贬误译”问题暴露了智能机器对人的语言缺乏深层理解，生搬硬套和拼凑词汇的弊端，是机器和人类情感互不相容的矛盾缩影。通过采用“机器翻译，人工核查”方案，反映了“将部分工作交给机器，留下情感领域待人类处理和深度钻研”的处理思路，它可用于除翻译领域外的各种智能机器工作。利用机器优势，发扬人类长处，是人类面对技术进步应采取的正确态度。[27]