来源：https://naipnews.naipo.com/zh-hans/38262/
许慈真／北美智权报 专栏作家
2026 年 1 月 16 日
114
https://www.facebook.com/plugins/like.php?href=https://naipnews.naipo.com/zh-hans/38262/&layout=button_count&show_faces=false&width=105&action=like&colorscheme=light&height=21
人工智能（artificial intelligence, AI）迅速发展不仅带来科技跃升的兴奋感，也带来工作可能流失的恐惧感。本文旨在讲述机器翻译（machine translation, MT）与生成式AI（generative artificial intelligence, Gen AI）如何影响文件翻译领域之实务发展，并于文末进一步分析AI在专利稿翻译上如何成为得力助手。
具极高度Gen AI适用性
2025年8月，微软研究团队针对各职业领域之「Gen AI适用性」（Applicability of Generative AI）发布报告（简称微软报告）[1]，研究结果显示，口笔译者高居职业排行榜之首，写作者则位居第五。
根据微软报告，Gen AI适用性得分系综合考虑各职业领域中之Copilot使用者是否成功（完成率）执行相关工作活动（频率>0.05%），以及是否涵盖大部分工作活动（范围≥中等）。以口笔译者为例，该领域活动有高达98%与Copilot的通常任务重迭，且完成率亦高达88%（如表1所示）。
简言之，写作、研究及沟通等知识型工作受AI影响程度较高（其活动范围多半涉及信息搜集、总结、草拟等AI擅长任务），需要体力劳动或直接人际互动的工作则较不受AI影响[2]。
惟研究团队强调[3]，该份报告旨在了解各职业领域如何应用AI以及何种活动最能受益于AI，但并未表明何种工作可能减少、甚至被AI取代。理由在于，其系以Bing Copilot对话与O*NET数据库（用于提供各职业领域之结构化活动列表）作为分析对象，不仅无法确知聊天机器人（chatbot）的实际运用场合，O*NET数据库亦无法反映各种职业在现实世界中所需之全部技能、背景脉络与细节差异（包括人际判断能力、领域专业知识、道德考虑等）。由于工作并非单纯等同多项任务之集合体，Gen AI适用性得分自然无法作为衡量AI能否执行特定工作之指标。
AI时代之翻译主流：人机协作
译后编辑崛起
MT概念最早可追溯至17世纪的笛卡儿（Descartes），具体研究肇始于战后之1950年代，然真正堪用且为翻译产业创造经济效益者，则是Google Translate于2016年改采之神经机器翻译（neural machine translation, NMT）技术，也因此催生译后编辑（machine translation post-editing, MTPE）此一混合型态翻译，用以补足MT产出与人类翻译（human translation, HT）间之落差。如今，MTPE更成为翻译领域之主流作业模式[4]：根据2025年GTS Translation问卷调查结果（GTS调查），仅12.08%受访者未曾参与MTPE。
实务上，MTPE大多整合至普遍采用之计算机辅助翻译（computer assisted translation, CAT）平台，与翻译记忆库（translation memory, TM）及术语数据库（term base, TB）协同作业，故可简单理解为：MTPE=MT+CAT+HT。此时之人类角色，更接近编审者而非传统译者。
服务标准层级化
以往HT标准并无明显分级，MTPE则可视成本需要提供不同服务标准，包括[5]：
- 简要译后编辑（light postediting, LPE） — 达到「事实准确」且「够好」（包括易懂及语法正确）即可，稍微生硬亦无妨。正因如此，译者有时须强迫自己忽略某些细微错误并控制修改幅度，才得以符合此项标准。
- 完整译后编辑（full postediting, FPE） — 亦即达到人类译者之翻译水平，包括专业术语、风格、一致性及语法等方面符合高标准。然而，译者为此付出的努力有时比自己从头翻译更多，且可能更难证明自身之工作价值与必要性[6]。
翻译效率、费率及质量
客户选择MTPE旨在压低成本，自然会反映在译者费率上。根据2022年调查[7]，MTPE每小时平均作业字数有机会翻倍，有助于提高作业效率，因此，即使费率降低仍可能提高收入。
然而，实际效率未必如期提升，主要是受制于MT产出质量：根据GTS调查，仅12.08%受访者认为质量颇佳；高达66.18%认为质量尚可，但需要大量编辑（edit）；甚至有21.74%认为水平不佳，需要大篇幅修改（rework）。
同时，高达48.79%认为AI / MTPE对费率造成明显冲击，仅14.01%认为未受影响，且约有50%不愿意提供MTPE折扣，理由是MTPE未必比HT更为省时。面对普遍压低之MTPE费率，部分受访者尝试透过不同收费方式予以弥补，包括：根据MT译文质量或原文复杂程度调整收费、协商以时薪收费、分级收费等。
不讳言，在尽量压缩作业时间以增加收入之心态下，译者可能更倾向顺从MT译文的措辞与表述方式，MTPE质量能否达到HT标准，确实不无疑问。
人机协作存在障碍，也潜藏机会
MTPE实务样貌会因个案情形而有所不同，影响因素包括：翻译类型、专业领域（如后述之专利翻译）、MT译文质量、TM正确性、风格与术语一致化程度、多平台查证等。译者必须保持较高敏锐度与质疑视角，避免受制于「貌似流畅」的MT译文，而从中察觉错误或进一步查证。换言之，MTPE可能带来效率也可能带来负担，是否确实受惠，译者观点往往与翻译公司及客户相左。
然而，人类与MT / Gen AI各自的优劣势也正彰显了适应MTPE之转型必要性及发展前景。在GTS调查中隐约指出两大方向：
投入MTPE不擅处理之翻译领域
尽管38.65%受访者认为MTPE极可能主宰翻译产业，但仍有43.96%认为MTPE虽重要却不致于完全取代HT，尤其是创意性、高度专业（例如法律）等翻译领域。
强化MTPE应用能力或服务转型
在AI热潮带来的失业疑虑蔓延之下，37.20%受访者认为AI / MTPE正大幅缩减工作机会，且高达42.51%认为有相当影响。惟受访者亦认为可透过多种途径扭转情势，包括：专精于MTPE、质量保证及AI辅助工作流程；提供AI翻译工作流程咨询；培训客户掌握MTPE最佳实务等。
专利领域之MTPE实践
专利翻译属于高度专业领域，历来是MTPE发展重点之一[8]。依据客户需求，实务上发展出严谨程度不一之翻译类型[9]：
专利申请翻译（patent filing translation）
系作为具法律拘束力之正式文件，必须达到HT标准及严格准确度，避免因错误而影响核驳结果或引发诉讼，故必然是采用FPE。
信息性专利翻译（informative patent translation）
旨在协助研究、诉讼准备或技术参考，以利快速了解技术内容并避免侵权，侧重可读性，视情况亦得采用LPE。然而，欧洲专利制度正试图以高质量MT普及专利信息取用，未来或将大幅减少此类需求[10]。
专利领域应用MTPE所面临之阻碍与其他文件翻译雷同，惟基于极高之准确度要求，根据个案研究[11]及现有实务作法，至少得从下列面向着手，以提高专利MTPE质量与可靠性：
建立客制化专用NMT引擎
利用特定专业领域及语言对（language pairs）之大量语料库与术语库加以训练。在术语翻译之相等性（equivalence）上，可参考WIPO Pearl术语数据库[12]：其自专利文件撷取总计超过27万个、涵盖10种语言之科学、技术及法律术语，且全数经WIPO-PCT语言专家验证。其中约有90%可透过概念图搜寻（Concept Map Search）与AI算法生成之「概念云」（concept clouds）工具，检视不同概念间的关联性。
培训（内外部）MTPE团队
根据经验，MT产出常发生同一术语多种译法，相当不利于严守一致性之专利文件（尤其是权利请求项），因而MTPE培训须着重在：保持术语一致性、极度忠于原文（extremely literal）、留意冠词、单复数、时态、语句结构等细节差异，确保翻译后之技术说明逻辑正确。
委由专家审核准确性与法令遵循
无论是遴选具领域知识的译者参与HT或MTPE作业，最终皆须交由专利律师或技术专家确认专利文件妥适无误。
结语：专业与信赖缺一不可
发展MTPE之背后驱动力不仅是来自极高度AI / Gen AI适用性，也来自于客户成本考虑。在AI技术持续提升之际，译者心态上需要的是转型而非抵抗，成为前述个案研究结论所言之「增强型译者」（augmented translators） — 也因此，现今译者不仅需练就高敏感度、查证、理解及分析、客户沟通（尤其是作业流程、保密措施）等综合性技能，为能善用AI工具、驾驭MTPE，更需要仰赖扎实的专业知识与翻译技巧。毕竟，最终为工作成果负责任与维系信赖关系的依旧是「人」，而非机器。