人工智能在应急语言服务中的应用与展望

许文胜　刘巧玲

［摘要］人工智能技术助推着语言服务行业的数字化、智能化转型，其高效率、低成本、协同性等特征在应急语言服务领域产生了突出的社会和经济效益并具有潜在的实际应用价值。本文分析了人工智能技术在应急语言服务产品、人才培养、实践活动中的应用现状，并展望了未来发展趋势。本研究有望为深化应急语言服务智能化转型的理论研究、推进应急语言服务智能化转型的实践探索提供有益参考。

［关键词］人工智能；应急语言服务；翻译；人才培养；数字化

［中图分类号］ H030［文献标识码］ A［文献编号］1002-2643（2024）01-0033-11

Application and Prospects of Artificial Intelligence inEmergency Language Services

XU Wensheng LIU Qiaoling

（School of Foreign Studies / Tongji Academy of Artificial Intelligence and Language Education， Tongji University， Shanghai 200092， China）

Abstract：With the distinctive features of high efficiency， low cost and cooperativity， artificial intelligence has produced fundamental social and economic benefits in the emergency language services while boasting huge potential practical and application value. The paper analyzes the application status of artificial intelligence in products of emergency language services （ELS）， talents training and practices， and it further provides insights into the future application of artificial intelligence in ELS. Hopefully， the paper can be inspirational for the in-depth theoretical study on and practical application of the combination between artificial intelligence and ELS.

Key words：artificial intelligence; emergency language services; translation; talents training; digitalization

1.引言

人工智能是计算机学科的一个分支，是研究机器智能和智能机器的一门尖端技术学科，也是涉及计算机科学、心理学、语言学、哲学、生物学、医学等多学科的综合交叉学科。作为引领未来的战略技术，人工智能在移动互联网、大数据、超级计算、传感器、脑科学等新的理论和技术以及社会经济发展强烈需求的共同推动下迅猛发展，呈现出深度学习、跨学科融合、群智开放、自主操控等特征，推动了社会各个领域的智能化（冯志伟，2018：47）。卡门森斯咨询公司（Common Sense Advisory，CSA）发布的《全球语言服务市场研究报告》显示，全球对人工智能驱动型语言服务的需求有增无减，语言携手人工智能成为必然。

新冠疫情以来，应急语言服务先后被写入国家政策文件，成为国家安全战略的重要组成部分。“应急语言服务是指针对重大自然灾害或公共危机事件的预防监测、快速处置和恢复重建提供救援语言产品、语言技术或参与语言救援行动，包括中外语言、少数民族语言、方言、残障人手语的急救翻译、救灾语言软件研发、灾情信息传播、抗灾语言资源管理、应急语言标准研制、急救语言培训、语言治疗与康复以及语言咨询与危机干预等”（王立非等，2020b：22）。蔡基刚（2020：15）指出，目前对应急语言服务的理解“似乎有点狭窄”，应该包括所有公共领域和各行各业突发事件中的语言救援活动。《国家语言文字事业“十三五”发展规划》明确指出应提升大型国际活动和灾害救援等语言应急和援助服务能力（教育部、国家语言文字工作委员会，2016）；王立非（2022）报告中也回顾了北京冬奥会应急语言服务基础设施、专业化队伍及标准化建设情况。可见，学界已经敏锐地意识到应急语言服务的概念外延有待拓展，除自然灾害、公共危机、突发事件外，重大活动也应被纳入其中。同时，在理解“应急语言服务”内涵时，需要避免概念混用情况，秉持多模态视角和前瞻性眼光。一方面，“语言服务”“应急语言服务”和“应急语言翻译服务”三者之间存在上下位关系，不应被混用；需要区别“应急语言服务”与“语言应急服务”，我们倾向于将后者视为对语言本身的应急服务，如对土著语言、民族语言等濒临语言的开发与保护等。另一方面，不应忽略语言符号与非语言符号之间的转换，甚至是真实世界的语言符号与虚拟世界的语言符号的相互转换。总之，作为一个学术概念，应急语言服务不断被诠释的过程也是其学理性被梳理及重要性被认可的过程。

应急语言服务现代化需要技术保障。美国网络安全和基础设施安全局（Cybersecurity and Infrastructure Security Agency，2022）发布的《2023—2025年战略规划》强调了现代技术于危机沟通之重要性；《美国国家应急沟通预案》（National Emergency Communications Plan，簡称NECP）也规定须使用现代的、安全的、韧性的技术提高应急响应能力和沟通能力。当前，机器翻译引擎（Lewis，2010）、众包翻译技术（Sutherlin，2013）、语音和文字信息的实时转换技术（Cadwell，2016）、翻译记忆技术（OBrien，2020）、语音识别与人机交互（李宇明等，2020）及综合语言技术（饶高琦，2020）已经在应急语言服务中发挥了重要作用。在智能化和数字化浪潮中，人工智能对语言服务的推动力持续加码，引起了学界热议，已围绕人工智能在语言服务企业中的应用现状（崔启亮，2021）、发展对策（王宗华，2021）、应用场景、现存问题与趋势（王华树、王鑫，2021）等展开研究。但总体而言，人工智能技术如何赋能应急语言服务的研究还相对匮乏。有鉴于此，本文将系统梳理人工智能技术在应急语言服务产品、人才培养及实践活动中的应用现状并展望未来发展路径，有望为应急语言服务供应商、人才培养单位和行动组织方提供参考。

2.人工智能在应急语言服务行业中的应用

我国越来越多的语言服务企业基于人工智能技术研发产品，这些产品被广泛应用于语言服务实践，提高了工作效率与语言服务质量，体现了人工智能技术赋能语言服务的特征（崔启亮，2021：29）。新冠疫情下，应急语言服务产品线出现井喷式增长，人工智能技术功不可没。陈鹏（2012：20）在进行语言产业研究过程中，依据产品形态将语言产品分为纯语言产品、综合语言产品、语言科技产品与公共语言产品。郑泽芝、徐铂（2020：44）沿此思路，将应急语言服务产品分为四类：纯语言类应急语言服务产品、综合类应急语言服务产品、技术类应急语言服务产品和公共类应急语言服务产品。伴随着电子商务、大数据及人工智能的发展，数据开始作为产品参与交易。数据产品是指作为产品的数据集，或者从数据集中衍生出来的信息服务（Pei， 2022：1），“具有交换价值和技术可行性”（李晓珊，2022：125）。数字产品是与数据产品相近的概念，“通常是指那些通过电子设备或渠道来使用或消费的无形商品，比如电子书、可下载的音乐、软件等”（黄丽华等，2022：4-5）。据此，本文结合实际产品品类和研究侧重点，将应急语言服务产品分为数据产品和数字产品。受篇幅所限，将基于以下标准选择部分代表性产品举隅说明：（1）产品具有创新性或较高的技术含量；（2）产品被实际应用于应急语言服务场景，产生了社会效益或具有潜在的实践和应用价值。

2.1 應急语言服务数据产品研发

2022年1月，国务院发布的《“十四五”数字经济发展规划》再次指出，数据对提高生产效率的乘数作用不断凸显，已成为最具时代特征的生产要素。数据产品比较接近于原材料，“具有可聚合性和可编辑性”（黄丽华等，2022：5）。从产品落地情况看，目前应急语言服务数据产品集中在数据库和提供数据服务的资源中心和平台两方面。

人工智能具有便捷、高效、协同和融合等鲜明特征。表1显示，自然语言处理、机器学习、计算机视觉、语音识别、人机交互、知识图谱等多种人工智能技术的集合应用是应急语言服务产品研发与升级的重要保障。人工智能迅速发展不仅将深刻改变语言服务企业的服务模式和生态体系（王华树、李智，2020：86-95），也将推动语言服务行业智能化、数字 化转型。新冠疫情期间，人工智能与应急语言服务的结合成为语言服务企业强弱分化的分水岭。纵观CSA近三年发布的《全球百强语言服务供应商榜单》 ，TransPerfect、Lionbridge、LanguageLine Solutions等企业之所以能在疫情期间仍蝉联榜首，部分原因要归功于企业对多种人工智能技术的应用以及面向生命科学、临床医学等领域的业务布局调整。人工智能技术除助力企业深耕垂直领域外，也推动着应急语言服务主体的多元化以及流程的智能化。从上表可以看出，应急语言服务产品研发参与的主体呈现出多样性，校、企、民均在产品供应上有所作为，但相对而言，彼此的融合度不够，导致提供的产品或服务有雷同。同时，受设计理念、目标和推广力度等因素影响，部分产品的市场转化率和用户通达性有待提升。在人工智能技术的加持下，应急语言服务流程已呈现出智能化、自动化特征。以服务于上海疫情的TransOn平台（手机应用和同名微信小程序）为例，该产品在译员标签管理、服务供需匹配、服务流程、服务评价等多方面实现了自动化、可视化，提供24小时不间断即时翻译服务。未来，应急语言服务数据产品的开发可着力于以下几点：其一，加强多方协作，有效整合资源，避免人力物力浪费；其二，在应急语言服务产品面向的服务人群、提供的服务方式、服务场景、服务内容等方面强化企业品牌建设，塑造企业核心竞争力；其三，以产品为纽带，通过多种形式加强服务主客体之间的交互性，推进应急语言服务人性化、品质化建设。

2.2 应急语言服务数字产品研发

伴随着大数据、人工智能为代表的数字经济时代已加速到来，推进语言文字数字化建设成为社会语言文字生活新形态（陈丽湘，2022）。面向多元人群设计服务于全过程的特色产品，无疑是语言服务企业提升竞争优势的重要支点。参照应急处理流程（Pearson & Mitroff，1993；Stephens et al.，2005；Pauliina & Marita，2012），应急语言服务大致可分为预警、响应、恢复三阶段。目前具有代表性的应急语言服务数字产品如表2。

从上表可以看出，目前应急语言服务数字产品大致可分为云机器人、小程序/软件和电子产品三类。未来，应急语言服务产品开发有望通过以下方面找到突破。首先，基于人工智能技术围绕应急语言服务全过程拓展产品线，促进语言服务企业新业务需求放量。应急语言服务产品目前以响应阶段居多，预警阶段其次，恢复阶段最少。上表中列出的小程序“Italia Ti Ascolto（意大利，我在聆听）”是为数不多的服务于恢复阶段的产品，旨在为受到疫情重创、需求心理咨询的人士提供语言服务。早在2020年，相关专家就呼吁应设计移动小程序保障疫情中与疫情后人们的心理健康（Serlachius et al.，2020; Eckhoff & Furberg， 2020；Clay，2021），但目前未得到太多市场响应。其实，市面上已有许多基于人工智能技术的语言治疗与康复产品，如Positive Activity Jackpot、CALM、Breathe to Relax等等，它们有的内嵌GPS系统、有的基于认知行为治疗、有的设有虚拟助手，可以为应急语言服务全阶段的产品研发与升级提供借鉴和参考。其次，应基于人工智能技术打造无障碍沟通的应急语言服务产品，以协助企业拓展客户群、提高市场覆盖率。目前的应急语言服务产品在语对覆盖面、支持的文件类型、兼容性、界面友好度、响应速度、经济性等方面具有一定优势，但“无障碍沟通”功能还有望从拓展服务对象、服务内容、服务模式与服务场景四方面进行优化。其一，拓展服务对象：目前服务语言劣势群体（因语言资源条件所限暂时缺乏正常语言能力者，如外国移民、难民等）的产品居多，服务语言弱势群体（因生理条件所限永久缺乏正常语言能力者，如听、视障人群等）的产品较少。其二，拓展服务内容：现有的应急语言服务内容还不够多元，大多产品虽支持音频、视频、图片、文字之间的互相转换与翻译服务，但在手势、表情等符号转换上仍未有明显突破。其三，拓展服务场景：需基于用户需求调研，进一步开发有实用价值、有稳定客户群的“应用场景”，以维持“用户黏性”，延续应急语言服务产品的寿命。其四，拓展服务模式：伴随着应急语言服务商业化进程，“专人式”“自助式”“体验式”等服务模式有望打通，成为行业新的增长点。

3.人工智能在应急语言服务人才培养中的应用

3.1 应急语言服务人才培养模式

人才培养是应急语言服务体系建设中关键的一环。学界对此有过一些零星的探讨，如人才库建设（王立非等，2020a；沈索超、黄雅琳，2020）、人才培养体系建构（穆雷、刘馨媛，2020；李迎迎、潘曉彤，2021）、人才素质与评价标准梳理（滕延江，2021）、能力培训的内容与路径（滕延江、王立非，2023）等。总体而言，由于专业设置、师资队伍、课程方案等原因，学校对应急语言服务人才的培养尚未形成体系；由于经验不足、资源分散、监督缺乏等原因，应急行动组织方和实施方对应急语言服务人才的培训不够规范。美国Cyracom公司设有9-1-1呼叫中心，在应急译员培训方面有较成熟的经验，可资借鉴。培训计划整理如下（见图1）：

美国绝大多数翻译公司都采用合同员工（contractor 1099），对员工进行额外培训不符合法律规定，而Cyracom采用正式员工（employee W2），因此其译员培训方案既合法也较成体系，其中9-1-1呼叫中心主要为医疗急救、家暴等紧急情况提供口译服务。从上图可以看出，该公司应急译员培训内容较为丰富，除针对语言方面的培训外，也特别注重话术、优秀案例及各类应急知识的学习；培训方式较为灵活，以角色扮演、分组讨论和实操等方式为主，注重同伴互助和讲师监督指导，以调动学员的参与感和积极性，但该公司的人才培养模式与人工智能技术的融合度仍不够。

3.2 人工智能技术优化应急语言服务人才模式

当技术与教育的结合越来越紧密时，我们更应思考人工智能教育发展的目的是什么，以及如何使得技术更好地赋能教育行业，推动人才培养模式的改革（亿欧智库，2022：78）。由此，下文将基于该培训方案模板，取长补短，构建基于人工智能技术可复制、可落地的应急语言服务人才培养模式。

上图构建的应急语言服务人才培养模式，充分融合了OCR图像识别、知识图谱、智能决策、计算机视觉、自然语言处理、机器学习、人机交互等技术，可以从测、教、学、练、评五方面实现人才培养自动化和智能化。相比传统的人才培养模式，基于人工智能技术的应急语言服务人才培养应更加强调智能化教学前测、云端海量案例库、虚拟仿真场景、线上线下相结合的服务实践以及AI陪练。第一，教学前测是人工智能技术赋能应急语言服务人才培养最为基础和最为关键的一步。智能化教学前测可围绕学习者的双语能力、兴趣特长、知识结构、品行修养、信息技术应用能力等方面预置问卷调查、AI对话、模拟危机场景应对，以便AI精准描绘学习者个人的数字画像，为其定制个性化的学习方案。第二，应急语言服务人才培养需要云端海量案例库和虚拟仿真场景设置，以刺激学习者的视、听、触、动觉等感观系统，增强学习者的沉浸感。理想状态下，虚拟仿真场景应尽量覆盖应急语言服务全流程、涵盖全灾种，以便应急语言服务人才增强角色认知，提升综合服务能力。第三，除课堂学习外，应急语言服务人才培养必须重视社会实践。应鼓励学生通过线上、线下相结合的方式观摩、调研、参与和评价应急语言服务实践活动，以实践促进应急语言服务教学，以教学回馈应急语言服务实践。第四，AI陪练对应急语言服务人才培养尤为重要。应急语言服务的实践性强，AI智能陪练具有高度自动化等特征，可以被无限调动。通过人机虚拟对话实训，企业的产品使用率得以提高，培养单位训练成本得以降低，管理流程得以简化，学习者兴趣得以调动和提升。总之，应借力人工智能技术，形成以学生为中心、以需求为导向的应急语言服务人才培养模式，在学前测试、教学资源、教学方式、实操练习、评价考核等方面实现全面智能化。

4.人工智能在应急语言服务实践中的应用

应急语言服务行动涉及组织方、服务承包商、服务者和服务对象等多方联动。2022年上海疫情暴发，由同济大学等16所高校牵头的“语言大白守‘沪行动”快速响应。该行动联合云同传平台“TransOn”，得到了上海教育国际交流协会和各国驻沪领事馆大力支持，并发挥辐射效应，带动北至黑龙江、南至海南、东至山东、西至四川共15个省市的参与。“语言大白”行动是以志愿者为主体，整合校、企、民各界资源，服务现实需求的成功范例。然而，在同济大学人工智能语言研究院与TransOn所属企业复盘前期工作时，也发现了一些问题。下文将以该行动为案例，探讨人工智能如何助力应急语言服务实践。

4.1 人工智能技术应渗透应急语言服务行动全过程

“语言大白”行动从志愿者招募、培训、术语库编制、需求方任务派单、志愿者“接单”到无接触式即时翻译服务提供等一系列工作，均在线上完成（许文胜、刘巧玲，2022），但对人工智能技术的使用率不算高，对过程的覆盖面也不够广。除了行动中使用的产品或部分服务智能化以外，行动前译员选拔、培训、管理和行动后的调查与复盘等工作未能切入人工智能技术。响应度和安全性是应急语言服务实践成效的考察点，人工智能技术对应急语言服务实践活动全过程的参与和改造，是应急语言服务全面智能化的标志。

4.2 人工智能技术应助力应急语言服务供给侧改革

“语言大白”行动采用的TransOn平台能对语言服务者和服务对象进行标签化管理，便于服务需求匹配。在商务会议等通用领域，系统会根据译员知识结构、接单经历、用户评价、专家评价等标签自动优先推送3—5名服务者供服务对象选择。在医疗健康等专门领域，采取用户即时呼叫，译员即时接单的方式提供语言服务。后续有望运用人工智能技术，对服务者与服务对象的知识、能力、经验、信用度等方面进行全景式扫描与动态化监督管理，实行更为精准的服务需求匹配，以实现高效率和高质量的应急语言服务供给。

4.3 人工智能技术应保障数据资产安全

考虑到用户隐私，目前TransOn并未对服务过程中的一手数据进行保存与利用。《新一代人工智能治理原则》《新一代人工智能伦理规范》等一系列政策文件规定，应将伦理道德融入人工智能全生命周期。滕延江、王立非（2022：109）也呼吁，应“有效管控语言信息数据的生产与传播，最大程度保护各方隐私、数据安全”。真实场景下产生的语言服务数据对于应急语言服务人才培养、行业语料库、术语库建设、后续应急语言服务开展以及产品功能升级等方面具有重要作用，因此，在充分尊重服务双方隐私权、知情权、同意权的基础上，采用人工智能技术合法收集和正当使用数据资源，是未来应急语言服务水平提升的重要保证。

5.结语

人工智能浪潮下，语言服务行业面临着阵痛与嬗变。本文回顾了人工智能技术在应急语言服务产品、人才培养、实践行动中的应用现状与未来发展路向。研究发现：（1）人工智能技术在应急语言服务产品中的运用日益普遍，未来产品研发应在服务主体多元化、流程智能化、服务对象、內容、场景和模式拓展方面“补短板”；（2）人工智能技术在应急语言服务人才培养中的运用不够充分，未来有望在测、教、学、练、评五方面有所作为，尤其应在智能化教学前测、云端海量案例库、虚拟仿真场景、线上线下相结合的服务实践以及AI陪练方面“破壁垒”；（3）人工智能技术虽已加持应急语言服务行动，但还应在全过程覆盖面、服务供给侧改革及数据资产价值利用方面“拆藩篱”。

如果说从“翻译”到“语言服务”，是服务意识和服务能力的重塑与升级，那么从“语言服务”到“应急语言服务”，则是社会意识的提升和社会责任的践行。牢铸国家安全观、守护民众安全感是应急语言服务供应商生生不息的动力源泉，也是应急语言服务者坚定不移的使命担当。打造智能化、专业化的应急语言服务，非一朝一夕之易事，只有中央政府与各级政府纵向联动，学校、企业、科研机构、志愿者组织横向联通，才能真正提升我国应急语言服务能力和水平。

参考文献

［1］ Cadwell， P. A place for translation technologies in disaster settings： The case of the 2011 Great East Japan Earthquake［A］. In M. OHagan & Q. Zhang （eds.）. Conflict and Communication： A Changing Asia in a Globalizing World-Language and Cultural Perspectives［C］. New York： Nova， 2016. 169-194.

［2］Clay， R. A. Mental health apps are gaining traction［J/OL］. Monitor on Psychology， 2021， 52（1）. https：//www.apa.org/monitor/2021/01/trends-mental-health-apps.［2022-10-03］

［3］Cybersecurity and Infrastructure Security Agency. CISA Strategic Plan 2023-2025［EB/OL］. 2022. https：//www.cisa.gov/sites/default/files/publications/StrategicPlan_20220912-V2_508c.pdf.［2022-10-04］

［4］Eckhoff， R. & R. Furberg. Using Mobile Apps to Reduce Stress and Promote Psychological Resilience During COVID-19［EB/OL］. 2020. https：//www.rti.org/insights/using-mobile-apps-reduce-stress-and-promote-psychological-resilience-during-covid-19.［2022-10-05］

［5］Lewis， W. Haitian creole： How to build and ship an MT engine from scratch in 4 days， 17 hours， & 30 minutes［A/OL］. In F. Yvon & V. Hansen （eds.）. Proceedings of the14th Annual Conference of the European Association for Machine Translation ［C/OL］. Saint-Raphaёl： European Association for Machine Translation， 2010. https：//aclanthology.org/2010.eamt-1.37.pdf.［2023-09-10］

［6］OBrien， S. Translation technology and disaster management［A］. In OHagan M （ed.）. The Routledge Handbook of Translation and Technology［C］. New York： Routledge， 2020. 304-318.

［7］Pauliina， P. & V. Marita. Quality indicators for crisis communication to support emergency management by public authorities［J］. Journal of Contingencies and Crisis Management， 2012， 20（1）： 39-51.

［8］Pearson， C. & I. Mitroff. From crisis prone to crisis prepared： A framework for crisis management［J］. Academy of Management Perspectives， 1993， 7（1）： 48-59.

［9］Pei， J. A survey on data pricing： from economics to data science［J］. IEEE Transactions on Knowledge and Data Engineering， 2022， 34（10）： 4586-4608.

［10］ Serlachius， A. et al. Coping Skills Mobile App to Support the Emotional Well-Being of Young People During the COVID-19 Pandemic： Protocol for a Mixed Methods Study［J/OL］. JMIR Res Protoc， 2020， 9（10）. https：//www.ncbi.nlm.nih.gov/pmc/articles/PMC7546866/.［2022-10-03］

［11］Stephens， K. K.， P. C. Malone & C. M. Bailey. Communicating with stakeholders during a crisis：Evaluating message strategies［J］. Journal of Business Communication， 2005， 42（4）： 390-419.

［12］Sutherlin， G. A voice in the crowd： Broader implications for crowdsourcing translation during crisis［J］. Journal of Information Science， 2013， 39（3）： 397-409.

［13］蔡基刚. 应急语言服务与应急语言教学探索［J］. 北京第二外国语学院学报， 2020， （3）：13-21.

［14］陈丽湘. 数字化引领语言文字生活新形态［N/OL］.光明日报， 2022-04-06. http：//theory.people.com.cn/n1/2022/0406/c40531-32392096.html.［2022-10-01］

［15］陈鹏. 语言产业的基本概念及要素分析［J］. 语言文字应用， 2012， （3）：16-24.

［16］崔启亮. 人工智能在语言服务企业的应用研究［J］. 外国语文， 2021， （1）： 26-32+73.

［17］冯志伟. 机器翻译与人工智能的平行发展［J］. 外国语， 2018， （6）： 35-48.

［18］黄丽华， 窦一凡， 郭梦珂， 汤奇峰， 李根. 数据流通市场中数据产品的特性及其交易模式［J］. 大数据， 2022， （3）： 3-14.

［19］教育部， 国家语言文字工作委员会. 国家语言文字事业“十三五”发展规划［EB/OL］. 2016. http：//www.moe.gov.cn/srcsite/A18/s3127/s7072/201609/t20160913_281022.html.［2022-10-02］

［20］李曉珊. 数据产品的界定和法律保护［J］. 法学论坛， 2022， （3）： 122-131.

［21］李迎迎， 潘晓彤. 应急语言服务人才培养体系建构探究［J］.天津外国语大学学报， 2021， （4）： 10-19+157.

［22］李宇明， 赵世举， 赫琳. “战疫语言服务团”的实践与思考［J］. 语言战略研究， 2020， （3）： 23-30.

［23］穆雷， 刘馨媛. 重视并建设国家应急语言服务人才培养体系［J］. 天津外国语大学学报， 2020， （3）： 24-31+156-157.

［24］饶高琦. 战疫语言服务中的语言技术［J］. 云南师范大学学报（对外汉语教学与研究版）， 2020， （4）： 26-32.

［25］沈索超， 黄雅琳. 我国应急语言服务人才数据库建设刍议［J］. 浙江师范大学学报（社会科学版）， 2020， （4）： 19-25.

［26］滕延江. 应急语言服务者胜任力与应急语言人才评价［J］.天津外国语大学学报， 2021， （4）： 20-31+157-158.

［27］滕延江， 王立非. 突发公共事件中应急语言服务的伦理考量［J］. 江汉学术， 2022， （3）： 104-110.

［28］滕延江， 王立非. 应急语言服务团能力提升培训：现状、内容与路径［J］ .山东外语教学，2023，（1）：19-29.

［29］王华树， 李智. 人工智能时代的翻译技术研究：内涵、分类与趋势［J］. 外国语言与文化， 2020， （1）： 86-95.

［30］王华树， 王鑫. 人工智能时代的翻译技术研究：应用场景、现存问题与趋势展望［J］. 外国语文， 2021， （1）： 9-17.

［31］王立非. 北京冬奥会语言服务大数据报告［R］. 北京： 对外经济贸易大学出版社， 2022.

［32］王立非等. 全球抗疫中应急语言服务响应与人才准备的多维思考［J］. 当代外语研究， 2020a， （4）： 46-54.

［33］王立非等. 应急语言服务的概念、研究现状与机制体制建设［J］. 北京第二外国语学院学报， 2020b， （1）： 21-30.

［34］王宗华. 人工智能时代语言服务业发展对策研究［J］. 齐齐哈尔大学学报（哲学社会科学版）， 2021， （6）： 131-134.

［35］许文胜， 刘巧玲. 构建上海应急语言服务体系的几点方法论［EB/OL］. 中国网， 2022. http：//life.china.com.cn/gg/zixun/detail2_2022_06/28/3477239.html.［2022-10-02］

［36］亿欧智库. 2021全球人工智能教育落地应用研究报告［J］. 机器人产业， 2022， （1）： 78-96.

［37］郑泽芝， 徐铂. 应急语言服务的基本概念及要素分析［J］. 北京联合大学学报（人文社会科学版）， 2020， （3）： 43-49. （责任编辑：葛云锋）

收稿日期： 2023-10-12；修改稿，2023-12-02；本刊修订，2024-01-15

基金项目：本文为国家社科基金一般项目“中国共产党百年翻译史研究”（项目编号：23BYY11）和上海市哲学社会科学一般项目“面向突发公共事件的应急语言服务研究”（项目编号：2022BYY009）的阶段性成果。

作者简介：许文胜，博士，教授，博士生导师。研究方向：翻译学、现代技术与外语教育。电子邮箱：xws@tongji.edu.cn。

刘巧玲，博士研究生。研究方向：翻译学、应急语言服务。电子邮箱：522872513@qq.com。

引用信息：许文胜，刘巧玲.人工智能在应急语言服务中的应用与展望［J］.山东外语教学，2024，（1）：33-43.