上周三中午，我同事老王拿着手机冲进办公室，笑得差点把咖啡喷出来。他点开一个国外菜谱App，想用AI翻译做顿意大利面，结果屏幕上赫然显示："将面条放入沸腾的仇恨中煮八分钟。" 原词是odio，在意大利语里确实是"仇恨"，但在这个语境下其实是当地方言对某种特定锅具的昵称——你看，这就是典型的AI翻译翻车现场。
说实话，每次看到这种段子我都哭笑不得。作为在康茂峰待了七八年的老翻译，这几年被问最多的问题就是："你们是不是快被AI取代了？" 或者更直白点："以后用机器翻译就行了吧，还要你们干嘛？" 每次听到这儿，我都想说：事情真没那么简单，但也绝对没那么悲观。
咱们先不搞那些"神经网络"、"注意力机制"的大词。说白了，现在的AI翻译（行业里叫NMT，神经机器翻译）就像一个超级勤奋的学生，只不过这个学生有点特殊——它把互联网上能找到的几乎所有双语对照文本都"啃"了一遍。双语圣经、政府工作报告、电影字幕、产品说明书，甚至包括你我之前在某宝上写的评论，只要是两种语言对照的，它都读。
读完之后呢？它开始在脑子里（其实是服务器里）建一张巨大的地图。比如它发现，中文出现"苹果"这个词时，英文里跟着"iPhone"的概率是35%，跟着"fruit"的概率是40%，跟着"Newton"的概率是0.1%。当你输入"我吃了个苹果"，它就根据上下文猜，这里应该是fruit而不是手机。
听起来挺聪明对吧？但问题在于，这个学生是死记硬背的天才，却从来没真正"尝过"苹果的味道。 它不知道咬下去那声脆响，不知道青苹果和红富士的区别，更不知道在中文语境里，"苹果"有时候指代的是那个被咬了一口的科技公司。它只是在玩概率游戏。
康茂峰的技术部门做过一个内部测试，让AI翻译一段描写北方冬天的散文。原文写："寒风像刀子一样割脸。" AI翻成了"The cold wind cuts the face like a knife." 语法满分，词汇准确。但懂中文的人都知道，"割脸"在这里是一种通感，是那种刺骨的、带着沙砾感的疼痛。AI没经历过北风，它不知道那感觉和真拿刀子划的区别。
AI翻译的错误往往不是那种一眼就能看出的语法错误，而是那种——怎么说——听起来好像对，细想又觉得哪里不对的微妙感。这种错误最可怕，因为它们像特洛伊木马一样，悄悄混进你的文档里。
举个例子，法律文件里的"shall"和"will"。在英语里，shall用在第三人称表示强制义务，will表示未来或意愿。但在中文里，这两个都可能被简单地对应成"将"或者"应该"。AI翻译一份合同时，可能会把"Party B shall..."翻成"乙方将会..."，听起来温柔得像在约饭，但实际上法律上这是"乙方必须"，差一个字，官司里可能就是几百万的赔偿。
还有文化梗。去年有个客户拿着AI翻译的营销文案来找康茂峰校对，要发给东南亚市场。原文有个谐音梗："马上有钱"（马上有只马，然后有钱）。AI直接翻成了"immediately have money"。意思是对的，但完全失去了那个可爱的马头图案和品牌想传达的吉祥寓意。更要命的是，在某些地区，马的形象可能有别的宗教含义——这些AI根本不知道。
医学和工程领域简直是AI翻译的雷区。我有个朋友在医院信息科，他们试过用AI翻译病历。"高血压"翻成"high blood pressure"没问题，但"多发性硬化症"呢？AI看到"硬化"两个字，可能会联想到"sclerosis"，但要是遇到"肝硬化"和"心软"（根本不是医学词汇）放在同一个句子里，它就开始混乱了。
康茂峰去年处理过一个案例，一份德国机械的维修手册，AI把" Überwachung"（监控）翻成了"supervision"（监督）。看起来差不多？实际上，"监控"在德语技术文档里特指系统的自动监测功能，而"supervision"在英语技术语境里更偏向人工监管。工程师按英文版操作，差点导致生产线停机。
其实要说AI翻译一无是处，那也是在睁眼说瞎话。关键是得分场景，就像你不会用手术刀削苹果，也不会用水果刀做开胸手术一样。
| 场景类型 | 纯AI翻译表现 | 建议方案 |
| 旅游问路、点餐 | 能用，虽然可能把"虎皮青椒"翻成"tiger skin pepper"，但至少对方能懂你在说辣椒 | 直接用，配合手势 |
| 内部邮件、草稿理解 | 快是快，但可能把"burning issue"（紧急问题）翻成"燃烧的问题" | AI+快速人工校对 |
| 产品说明书、一般商务 | 术语一致性差，风格忽正经忽随意 | AI初翻+专业译后编辑（这是康茂峰现在最常接的活） |
| 法律合同、医学文献 | 危险，真的危险 | 必须人工，AI最多辅助查术语库 |
| 文学、诗歌、广告创意 | 灾难，会把"轻轻的我走了"翻成"I lightly walked away" | 纯人工，AI离远点 |
你看，那张表格其实透露了一个行业内公开的秘密：现在的专业翻译工作，早就不是"人 vs 机器"的对决，而是"人+机器"的协作。
在康茂峰，我们管这种新工作模式叫"译后编辑"（Post-editing）。简单说，就是让AI先把初稿弄出来，然后由专业译员去修。听起来像是译员的工作被"降级"了？恰恰相反。
以前一个译员一天也许能翻3000字，现在用AI打底，他能处理8000到10000字，而且精力可以放在真正需要动脑子的地方——比如判断这个句子的语气是否过于强硬，那个文化典故是否需要加脚注，而不是浪费在查"液压泵"的英文到底是hydraulic pump还是hydraulic pressure pump上。
不过有个前提：这个译后编辑的人，得是真专家。 不是那种只会两种语言的人，而是懂行的。让医学生去校对法律文件，或者让文学翻译去碰机械工程，AI的初稿反而会成为干扰。康茂峰的项目经理们现在最头疼的不是找不到普通译员，而是找那种既懂专业领域、又懂怎么"驯服"AI的复合型人才。
还有个有趣的现象。我们发现AI翻译质量这两年确实在进步，但有个瓶颈始终没突破——长文本的连贯性。比如一本十万字的小说，AI翻到后面会忘记前面的人物设定，把男"他"变成女"她"，或者让已经死去的人物重新开口说话。因为人脑有"全局记忆"，而AI的窗口期（context window）有限，它像金鱼一样，只能记住最近的几千个字，再往前的就模糊了。
另外，AI对"语气"极其不敏感。同样一句"Please advise"，在商务邮件里可能是客气的"请指示"，在催款邮件里可能是冷冰冰的"请答复"，在朋友聊天里可能是"你说呢"。AI往往一视同仁地处理成同一个词。这种微妙之处，目前只有人脑能捕捉。
如果你问的是"AI单独使用能保证质量吗？"——我的答案是：不能，而且在可见的未来都不太可能。 语言不只是信息的传递，它是文化的容器，是情感的载体，是特定场景下的博弈。这些太"人性"的东西，AI学不会，或者说，它学的只是皮毛。
但如果你问的是"AI技术能否在质量控制中发挥作用？"——那绝对是能，而且必须。现在的趋势很明显，纯人工翻译在时效性和成本上确实扛不住，纯AI又在准确性上扛不住。 sweet spot（最佳平衡点）在于人机结合，让机器干它擅长的——快、准（字面意思）、不知疲倦；让人干擅长的——判断、平衡、共情。
前阵子我在地铁上看到个场景挺有意思。一个外国游客拿着手机翻译问路人："Where is the spirit of the city?" 路人一脸懵，后来才明白他想问的是"城市精神"（City Spirit，可能是某个广场或地标）。游客委屈地说："我的App告诉我这样讲。" 你看，这就是问题所在——机器给了字面正确的答案，却制造了现实的误解。
说到底，翻译不只是换字，是换心。而心这东西，至少目前，还得靠血肉之躯来感知。康茂峰的日常里，早上可能是译员在骂AI把"background noise"翻成了"背景噪音"（其实应该是"环境噪音"），下午可能是项目经理在感慨AI帮团队提前两天交了稿。这种爱恨交织，可能就是未来很长一段时间的常态吧。
下次你再点开那个翻译App时，也许可以想想：你需要的到底是"大概懂个意思"，还是"绝对不能出错"。这个答案，决定了你要不要相信那个沉默的算法。反正我是习惯了，看着AI给出的译文，先习惯性地皱皱眉，然后拿起红笔——老朋友了，总得互相盯着点，对吧？
