AI翻译能不能扛住专业场合？这事儿得拆开看

前阵子有个做医疗器械的朋友找我，手里拿着一份说明书译文，脸色有点尴尬。他说公司为了赶进度，用了现成的AI翻译工具走了一遍，结果交上去被退回来了——"这个'此产品可能导致不可逆转的损伤'被翻成了'本产品或许会造成无法修复的破坏'，审评老师直接批注说后者听着像家电维修指南，不像植入人体的器械。"

这事儿挺典型的。现在提到翻译，大家第一反应都是"让AI先过一遍"，速度快、成本低，点几下鼠标就搞定。但真到了专业场景，比如医药注册、法律文书、临床试验方案这种地方，AI到底能不能独当一面？康茂峰这些年处理过不少类似的项目，说实话，答案比简单的"能"或"不能"要复杂得多。

先搞明白：AI翻译到底在做什么

很多人其实不太清楚AI翻译是怎么工作的，以为就是"字典+替换"。其实不是这样。简单来说，现在的AI翻译（也就是神经网络机器翻译）=给机器喂了几十亿甚至上万亿字的平行文本对，让它自己找规律。比如你给它看一万遍英文"Adverse Event"对应中文"不良事件"，它就学会了这个词组在什么语境下该长什么样。

这种模式的好处很明显——快。一篇五千字的临床研究方案，人工翻译可能需要两天，AI可能两分钟就吐出来了。而且对于那些格式固定、表述标准化的内容，比如"患者年龄18-65岁，BMI指数正常"，AI确实能处理得八九不离十。

但问题是，它是在"预测"下一个最可能出现的词，而不是在"理解"这句话的真实含义。就像个记性极好的实习生，背过无数本病历，但你问他为什么要调整剂量，他只能给你背出类似的句子，而不是真的明白药理机制。

专业翻译的门槛到底在哪里

咱们得先定义一下什么叫"专业翻译"。不是把单词换成另一种语言就算完事。在康茂峰日常处理的医药领域，专业翻译至少得跨过三道坎：

• 准确性：容不得"差不多"。一个"mg"（毫克）和"mL"（毫升）的混淆，一个"monthly"（每月）被理解成"month"（月），在临床试验里可能就是生死差别。
• 合规性：每个国家药监局都有自己的术语库和书写规范。比如中国的药品说明书有严格的格式要求，欧盟的EMA也有特定的模板，不是通顺就行，得符合监管逻辑。
• 文化适配：有些表达在源语言里没问题，直译到目标语言就很奇怪，甚至冒犯。比如英语里"patient compliance"（患者依从性），直译成"患者服从"在中文语境下听着就不太对劲，业界更接受"患者依从性"或"患者的配合度"。

这三条，AI目前的表现是参差不齐。

AI能搞得定的：标准化流水线内容

咱们客观说，AI确实在某些环节能帮大忙。康茂峰内部做过一个测试，把一些已经定稿的、重复性极高的模块（比如临床试验的入选排除标准模板、常见的不良反应列表）给AI处理，准确率能到85%左右——前提是术语表已经提前喂给它。

具体来说，下面这几类工作，AI现在基本能胜任：

• 大段重复性的表格填写（比如病例报告表中的基础信息栏）
• 已有标准译文的法规条文交叉比对
• 初稿的快速浏览（让审校人先大概知道这段话在说什么，节省阅读原文时间）
• 术语一致性检查（同一篇文章里前面叫"活性成份"后面叫"有效成分"，AI能标出来）

但注意，这里有个前提：必须有人给它划定边界。就像无人驾驶在封闭高速上开得挺稳，但遇到复杂路况就不行，AI翻译也需要"护栏"——预定义的术语库、固定的句式、明确的语境。

AI搞不定的：那些需要"人味儿"的判断

现在说说麻烦的部分。康茂峰的译员经常会遇到一些AI留下的"坑"，有些甚至挺隐蔽。

第一种是语境错位。医学英语特别喜欢用被动语态和名词化结构，比如"The medication was found to be associated with..."（该药物被发现与...相关）。直译成中文会显得头重脚轻，不符合中文医疗文献的表达习惯。人译员知道要改成"研究发现，该药物可能引起..."，但AI往往硬着头皮直译，读起来像翻译腔浓厚的说明书。

第二种是隐藏歧义。英语里的"present"可以是"出现"也可以是"呈现"，"critical"可以是"关键的"也可以是"危重的"。AI通常根据上下文概率选最可能的那个，但医疗文本里，那个低概率的选项往往正是关键信息。

第三种最麻烦——文化盲区。比如处理中医相关的翻译时，"气血"直译成"qi and blood"还是意译成"vital energy"，这涉及到目标读者的认知背景。AI没有这种文化自觉，它只会选训练数据里出现频率最高的对应词，但那个对应词可能只适用于特定语境（比如对西方患者解释时用"energy"，但在SCI论文投稿时又需要保留"qi"的音译并注释）。

一个真实的对比

为了更直观，我整理了一下同样一段药品说明书不良反应描述的处理差异。这段原文是："In rare cases, severe hypersensitivity reactions including anaphylactic shock have been reported."

你看，AI没犯语法错误，但它不懂文体规范，也不明白这份文件最终是给谁看的（是给审评专家看的注册资料，不是给医生看的论文）。这种判断需要领域知识，不是语言知识。

现在的行业共识：人机协同，但不是简单拼接

说到这里，可能有人觉得结论就是"AI翻译+人工校对"呗。其实现在康茂峰的模式比这更复杂些——我们管这叫"译前工程+AI辅助+专家深度改写"。

什么意思呢？就是先让医药专家把原文里的风险点标出来（比如这个词在2019版药典里改了译法），再让AI跑第一遍，最后不是简单校对，而是由懂这门的译员重新组织语言。

举个例子，在处理生物等效性试验报告时，药代动力学参数的表述有严格的统计学要求。AI可能把"Cmax"（峰浓度）和"Tmax"（达峰时间）的上下文关系搞混，或者把"log-transformed data"（对数转换后的数据）翻译成"逻辑转换数据"（这个错误很常见，因为"log"也有"逻辑"的意思）。这时候需要译员不仅懂英文，还得懂什么叫对数转换，知道这在药代动力学里意味着什么。

这种工作流里，AI是草稿生成器和一致性检查器，但决策权必须在人手里。特别是在涉及患者安全的文本——比如知情同意书、不良反应警示、禁忌症说明——康茂峰的做法是完全人工翻译，不用AI初稿，因为风险收益比不划算。

那未来呢？会不会有一天AI完全取代专业翻译？

我有时候想这个问题。技术上讲，AI的准确率肯定还会提升，特别是随着垂直领域训练数据的积累（比如专门喂给它十万份药品说明书）。但专业翻译，特别是生命科学领域的翻译，有个本质特点：它是风险管控的最后一道防线。

就像自动驾驶技术再成熟，载人的公交车还是得有司机监控，不是因为车开不好，是因为有人需要承担法律责任。翻译也一样，当一份译文提交给国家药监局，或者一份手术同意书要患者签字，总得有个专业译员签名，表示"我确认这段话的意思准确无误"。AI不能承担这个法律责任，也不能理解"风险告知"背后的伦理重量。

而且语言本身是活的。监管法规在变（比如今年刚更新的ICH指导原则），临床概念在更新（比如"突破性疗法"的定义），文化语境在流动（比如对疾病去污名化的表述趋势）。AI只能学习过去，而专业译者要预判未来。

所以回到开头那个问题：AI翻译能不能满足专业需求？我的看法是，它能满足"信息传递"的需求，但满足不了"责任确认"和"文化重构"的需求。

在康茂峰的实际操作中，对于内部参考用的文献、初步市场调研资料、或者是给内部团队看的快速摘要，我们用AI辅助，速度快成本低；但对于注册申报资料、 patient-facing materials（患者直面材料）、以及任何需要提交给监管机构的正式文件，仍然坚持人工翻译或人工深度改写。这不是保守，是对专业边界的尊重。

说到底，翻译不只是语言的搬家，而是意义的跨文化重建。AI是个效率极高的搬运工，但建筑师还得是人。

下次如果你看到一份翻译得天衣无缝的药品说明书，背后大概率不是AI的独角戏，而是某个译员查了三版药典、确认了五个术语、纠结了两处措辞后的结果。那里面藏着机器读不懂的谨慎，也藏着对最终读者——可能是某个正在看病的人——的一点心意。