译者主体性视角下医学学术文本“机器翻译+译后编辑”中的策略研究

郭子凯 陈 晨 刘曼玲

西安医学院医学语言与文化研究中心，陕西西安 710021

2016 年，Google 推出神经网络机器翻译，随后相关技术不断发展，使得机器翻译的质量越来越高，人工翻译遇到了前所未有的挑战，甚至有人认为人工翻译即将或已被取代。但是，即使有神经网络技术的突破，机器翻译也有局限性，出现了很多问题，翻译质量还不能完全满足实际的需要，需要配合译后编辑才能更好地完成翻译任务[1-7]。事实上，关于如何利用“机器翻译+译后编辑”模式处理科技文本和其他文本，不少学者已做了相关研究[8-14]，但医学翻译领域的研究较少[15-16]。在不多的研究结果中，指出错误的多，提出策略的少，尤其当涉及有一定深度的医学学术文本时，相关研究更是凤毛麟角。本文从斯普林格国际出版公司出版的《Neonatology》（即将由人民卫生出版社出版中文版）中选取较有难度的文本，将之放入Google Translate 中进行翻译，然后比照已经校对过的准出版文本，分析神经网络技术支持下机器翻译的优势和译后编辑的必要性，并提出译者主体性视角下的具体策略，以更好地发挥“机器翻译+译后编辑”这一模式。

1 文本的选取

本文选取的章节为“Chapter 17 Cerebral Plasticity and Functional Reorganization in Children with Congenital Brain Lesions”（先天性脑损伤儿童的大脑可塑性和功能重组）中的 “17.4.3 The Visual System”（视觉系统），正文共计1009 英文词。笔者参与了该章节的校对、再译和审定。在校对时，笔者发现原文对初译者构成了极大的挑战，以至于发生了大段的生译、错译和弃译；在校对时，笔者处理了为数不少的长难句，全文共计29 个长句，平均每句含34.79 个英文词，最长句含56 个英文词；在审定时，多位儿科专家和医师因研究领域不符，多次出现不了解专业背景知识的情况。综上，本文的研究对象有一定深度和难度，能在某种程度上代表医学学术文本。

2 医学学术文本机器翻译的优势

随着整体技术的进步，尤其是使用神经网络的机器翻译质量目前已经超越了基于短语、句法的统计机器翻译[17]。那么机器翻译（尤其是有神经网络技术支撑的机器翻译）给译者带来了怎样的便利呢？通过比较此次医学文本的Google Translate 译文和即将出版的译文，本文认为机器翻译有以下优势。

第一，机器翻译更加节约时间成本和人力成本。在时间成本方面，机器翻译的优势毋庸置疑，无论原文长短与难度，机器翻译的用时远非人工翻译所能比拟，也节约了大量人工输入的时间。而在人力成本方面，机器翻译也有较大优势，以此次医学学术文本为例，初译版本不尽人意，就对原文理解的准确性上来说远不及Google Translate 所提供的译文。事实上，机译译文虽然在译文表达层面尚有较大的改进空间，但在对句型结构的理解准确性上令人称道。在29 个长句中，只有1 句理解出现重大失误。因此，如果采取“机器翻译+译后编辑”的模式，首次翻译完全可以不考虑初译者，同时也会减轻校对者和审定者的工作负担。

第二，机器翻译在预防漏译方面有着天然的优势。无论水平多高、经验多丰富，翻译工作者都多多少少有漏译发生，这是人工翻译无法根除的。但如果采取“机器翻译+译后编辑”的模式，漏译的弊端基本可以规避。以此次医学学术文本的翻译为例，哪怕经过初译者、校对者和译审的三层把关，译文还是出现了“maybe”和“fully”这样的词漏译。虽然这些漏译无伤大雅，但离完美的译文还是有些许差距。

第三，机器翻译提供可能的解决方案。如前文所述，Google Translate 所提供的译文在理解准确性方面有着良好的表现。因此，当面对长难句一筹莫展之时，不妨借助机器翻译，以得到一些可能的解决方案。以此次医学学术文本中的一句话为例：“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.”面对这样一句话，初译者选择了弃译，而校对者也未能即时理解，通过翻阅各类字典，才确定afferent 为名词属性，意为“传入神经纤维”，继而才理解了这句话。而如果将之放入Google Translate 中，会发现“传入神经”赫然在目，可以成为初译者和校对者在理解时的灵感来源。另外，尽管机器翻译在表达方面有着较大的进步空间，但其基础是大数据，在术语和其他表达方面有着一定的准确率，为译后编辑者提供了一个可供查证或参考的版本。

3 医学学术文本译后编辑的必要性

机器翻译虽然在处理医学学术文本等科技文本时有着一些显著的优势，但也存在着各种错误[18]。在神经网络翻译出现之前，崔启亮等[19]总结了科技文本英汉机器翻译常见的11 种错误类型：过译、欠译、术语翻译错误、形式错误、格式错误、多译漏译、冗余、词性判断错误、从句翻译错误、短语顺序错误和受英语句子的束缚。在神经网络翻译出现之后，唐斌等[15]对7 款常用在线机器翻译软件的医学文本译文进行了定量和定性评析，译文出现的主要问题包括医学术语翻译、错译和漏译。虽然上述两项研究均提到了漏译，但与本文的结果并不一致，且笔者认为第二处文献提及的漏译存在争议。本文选取的医学学术文本含一定深度的医学知识，行文中也有为数不少的长难句，本文在比较机译译文和准出版译文后，发现了与前人或异或同的错误，现举例分析如下，以佐证译后编辑的必要性。

3.1 机译译文缺乏拆分

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 译文：根据之前的研究，Tinelli及其同事测量了一组患有先天性单侧脑部病变（包括视辐射）的儿童与在儿童时期获得的类似病变的儿童对几种视觉任务的敏感性。

审定译文：与既往研究一致，在一组发生先天性单侧脑损伤（累及视辐射）的儿童中，Tinelli 等人测量了他们对某些视觉任务的敏感性，并将之与童年期发生类似损伤的儿童进行了比较。

主句部分的机译译文竟达58 字，可读性实难恭维，亟需断句。经校对审定后，主句部分译文被分为3 个小分句，每个小分句的字数分别为28、19 和21，译文总数略有增加，可读性显著提高。在对原句理解的准确性方面，Google Translate 基本无失误；在术语等基本表达层面，机译译文也无重大失误。综上，机译译文可保证基本的理解和表达，如果辅以“拆分”的译后编辑，可实现准确通顺的译文。

3.2 机译译文缺乏语序调整及信息统筹

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 译文：解释幸免的V1 中同侧活动的一种可能性是，在幼小动物的早期发育过程中观察到的一些视网膜同侧投射到外侧膝状体和上丘，也可能在人类婴儿中观察到（Arroyo 和Feller 2016），没有退化，出生时对一个半球的大面积损伤。

审定译文：有关未累及V1 中的同侧活动，一种可能的解释是：在动物幼崽（婴儿也有可能）的早期发育阶段，视网膜同侧投向外侧膝状体核和上丘的部分投射并未退化（Arroyo and Feller 2016），尽管出生时一侧半球遭受巨大损伤。

机译译文虽然在“在动物幼崽”等处做了相应的语序调整，但就整句而言，调整仍然不到位，另外，机译译文的最后一个分句比较突兀。上述问题也反映了机器翻译与人工翻译的差距，在表层语序调整和深层信息统筹方面尤其明显。经校对审定后，译文更加符合汉语的表达习惯，整合了“动物幼崽”和“婴儿”等类似信息，并挖掘、凸显了“given”前后的逻辑关系。在对原句理解的准确性方面，Google Translate 在最后一个分句处并未理解透彻；在术语等基本表达层面，机译译文也无重大失误。综上，机译译文可保证基本的理解和表达，如果辅以“语序调整及信息统筹”的译后编辑，可实现准确通顺的译文。

3.3 术语翻译脱离语境或欠规范

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 译文1：然而，可用数据支持早期脑损伤后视觉功能重组的更有效机制，这可能包括与目标结构的重新连接或补偿电路的增强使用。

审定译文1：然而，现有数据支持一项有关早期脑损伤后视觉功能重组的更有效机制，这可能是与目标结构的重新连接或对代偿回路的加强使用。

此处的机译译文整体几乎达到了人工翻译的水平，只在“circuitries”一词处出现了失误。在表达时，机译译文没有考虑到医学学术语境，错译成了“电路”，如果在译后编辑时辅以对语境的斟酌，术语翻译的准确性触手可及。

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：当发生局灶性脑室周围脑损伤时，膝纹状体纤维有望绕过受损组织，到达视觉皮层，完全保留视野。

审定译文2：当局灶性脑室周脑损伤发生时，膝状体-纹状体纤维可能将绕过受损组织到达视皮质，视野完全不受累。

医学学术文本的翻译标准除了准确和通顺，还应考虑规范性。在本句中，将“spared”译为“不受累”显然优于译为“保留”，因此，如果在译后编辑辅以对表达规范的考量，术语翻译的规范性唾手可得。

4 译者主体性视角下医学学术文本“机器翻译+译后编辑”的策略研究

在人工智能、大数据、云计算的有力推动下，面向语言服务行业的翻译技术和翻译工具得到迅速发展和广泛应用，技术驱动成为语言服务行业的显著形态[20]。在这样的背景下，蓝红军[21]指出，在译者主体性遭遇困境的同时，信息技术和翻译主体紧密融合，翻译主体获得了新的发展平台，前所未有地彰显了翻译主体性。同样，在借助机器翻译兼具一定知识深度和一定语言难度的医学学术文本时，译者应克服受约因素，发挥能动性[22-24]，即学会利用机器翻译的优势，识别机器翻译的常见错误，并对之进行译后编辑。

首先，译者要理性认识到：机器翻译虽不足以完全替代人工翻译，却也能极大地辅助人工翻译。在神经网络翻译出现后，机器翻译的质量确实得到了较大的提高，通过上文对医学学术文本翻译的举例分析，可以清晰地看到，机器翻译在对原文的理解准确性和基本表达方面有很多可取之处，水平至少超过翻译初学者。而且，考虑到机器翻译是即时、不漏译地完成任务，其更应该成为翻译医学学术文本和其他文本的有力助手。综上，在翻译医学学术等文本时，译者应肯定机器翻译的价值，主动借助机器翻译。

此外，译者要能识别机器翻译的常见错误，探索译后编辑的方法。纵览有关机器翻译的常见错误，不难发现，这些错误大多能被常见翻译技巧解决。系统学习过翻译课程的译者都会了解有关词或句的翻译技巧，即词义的选择、词的增减、词性转换、句子的分与合、从句的翻译和语序调整等[25]。以本文指出的机译医学学术文本中出现的错误为例，拆分对应分句法、调整语序、选择术语翻译对应词义均为常见的翻译技巧，因此，对机译译文的译后编辑从本质上讲并不特殊。另外，有关术语翻译的问题，译者可以将机器翻译和机器辅助翻译结合起来。以本文所举错误为例，译者可先借助基于大数据的机器翻译得到一个基础版本，再将术语译文放入《全医药学大词典》等专门的例句库中加以验证或更正，即可保证最终译文的准确性。综上，为完善译文，译者应在机器翻译的基础上，回归翻译技巧以编辑已有译文，还可借助机器辅助翻译或语料库资源完善术语或其他词句的表达[26]。

5 结语

通过选取具有一定代表性的医学学术文本，本文比较了其人工译文和基于神经网络技术的Google Translate 译文，发现了机器翻译的巨大优势和译后编辑的必要性，并在译者主体性视角下提出了具体策略，以更好地支撑医学学术等文本的 “机器翻译+译后编辑”模式。本文虽然也提出了译者应如何开展“机器翻译+译后编辑”模式，但选取的样本有限，存在一定的局限性。下一步将选择更多领域更大的样本，进而对基于神经网络技术的机器翻译展开更深入的研究。