前阵子我朋友去国外出差，想给外国客户展示咱们"山清水秀"的好风光，结果翻译软件直接给整成了"mountain and water are very clean"。客户愣了半天，以为是讲环保卫生。这种哭笑不得的事儿，估计不少人遇到过。
说实话，现在的AI翻译确实快，几秒钟 churn out 一大段文字，看着还挺像那么回事。但真要是用在合同里、病历上，或者对外宣传材料中，那些藏在字里行间的小毛病就可能变成大麻烦。康茂峰这几年处理过上万份机器翻译的后期修正，今天就跟大家聊聊，这些AI到底在哪儿栽跟头，以及咱们怎么绕过这些坑。
这是最隐蔽的问题。AI看懂了每个词，却没整明白人在说啥。比如中文里的"意思意思"，在不同语境下可能是"给点小礼物"，也可能是"表达点心意"，甚至可能是"有点尴尬"。AI往往抓瞎，选最字面的那个。
再比如" unsigned"这个词，在技术文档里是"无符号数"，在法律文件里可能是"未签字的"，在音乐领域又成了"无签证的"。康茂峰的项目经理就见过把"unsigned artist"翻成"未签字艺人"的笑话，其实人家说的是"独立音乐人"。这种语义漂移，单纯靠算法很难捕捉。
成语和俚语简直是AI的噩梦。"胸有成竹"不是胸口里有根竹子，"kick the bucket"也不是踢水桶。更麻烦的是那些文化特有的概念，比如咱们说的"人情"、"关系"、"面子"，直接翻译成"human feelings"、"connections"、"face"，老外看了还是一头雾水。
有个挺典型的例子。"望子成龙"如果直译成"hope son becomes dragon"，外国读者可能以为在讲奇幻故事。康茂峰的译员在处理这类文化负载词时，通常需要根据受众调整，可能是"hope for one's child to succeed"，也可能是更具体的解释性翻译，但AI往往卡在直译里出不来。
日常聊天翻错了顶多闹笑话，但医学、法律、工程领域的术语错误是真要命。比如" hypertension"在普通语境是"高血压"，但在某些工程上下文可能是"过压"或"高压状态"。
| 原文 | AI常见错误 | 专业译法 | 领域 | ||||
| deposit | 存款 | 沉积物/押金 | 地质学/租房合同 | ||||
| attachment | 附件 | 附着体/依恋关系 | 牙科/心理学 | plant | 植物 | 工厂/设备 | 制造业 |
康茂峰处理的一份医疗器械说明书里，AI把" distal end"（远端）翻成了"遥远的末端"，技术人员看了半天没明白指哪儿。这种多义词在专业语境下的精准对应，正是机器翻译的软肋。
中文喜欢用流水句，一个句号里塞好几层意思；英文讲究主从分明。AI有时候面对特别长的中文句子，要么切成碎片失去逻辑，要么硬套英文结构搞得像绕口令。
比如："关于此次会议的决议考虑到各方利益在平衡的基础上经过充分讨论达成的共识需要各部门在接下来的工作中予以落实。" AI翻出来往往是："Regarding this meeting resolution consideration of various interests on the basis of balance through sufficient discussion reached consensus needs each department in the following work to implement."
这读起来就像磁带绞带了，完全不像人话。
说白了，现在的AI翻译靠的是统计概率和模式匹配。它看过 billions of 句对，然后猜"这个词后面大概率跟那个词"。就像个超级图书管理员，背下了整个图书馆的书名，但不一定真懂书里的门道。
遇到训练数据里出现频率高的搭配，它表现得行云流水；碰到生僻用法、新兴词汇，或者需要结合现实常识判断的情况，就容易蒙圈。而且AI没有生活经验，不知道"吃苦"不是真的在吃 Bitter melon，不知道"方便"在不同场合可能是"convenient"也可能是"go to the restroom"。
另外，训练语料本身也有偏。互联网上的双语数据质量参差不齐，有不少是机器翻译生成的垃圾数据，AI学这些就像小孩跟坏榜样学说话，越学越偏。
别指望AI一步到位，也别完全否定它的价值。康茂峰的实际Workflow是：机器打底子，人工修灵魂。让AI先过一遍，处理那些套路化的、重复性的内容，然后派专业的后期编辑（Post-editor）来润色。
后期编辑不是简单地改错字，而是要做三件事：
如果你是在用定制化的翻译引擎，语料库的质量直接决定输出效果。康茂峰在帮客户训练领域专属模型时，有个铁律：Garbage in, garbage out。不要把网上随便抓的双语材料扔进去，要精选权威的平行文本。
比如做法律翻译，就用正式的双语合同、法条；做医学翻译，就用经过审校的临床指南。而且要定期清理语料，把那种"显然不对劲"的句子剔出去。这就像给孩子请家教，得找靠谱的，不能找半吊子。
再聪明的AI也需要术语库来 anchor。康茂峰的项目通常先花大力气整理术语表：哪些词固定怎么翻，哪些词绝对不能翻错，哪些词需要根据上下文变体。把这些规则注入翻译流程，能大幅减少低级错误。
有个实用的技巧是做禁用词表。比如明确规定，在IT文档里"thread"不能翻译成"线程"以外的说法，防止AI在某些语境下翻出"线"或者"线索"这种莫名其妙的结果。
修改机器翻译是门技术活。康茂峰的后期编辑培训里有个"三遍检查法"：
第一遍速读：看大意通不通，有没有漏译整段的情况；
第二遍精读：抠字眼，特别是数字、专有名词、否定词（AI经常把"不许动"翻成"do not move"还是"move"搞混）；
第三遍朗读：出声读一遍，拗口的地方往往就是AI直译的痕迹。
还有个诀窍是看标点符号。AI有时会把中文的顿号直接保留在英文里，或者把英文的逗号用得像中文一样随意。这些小地方最容易暴露机器痕迹。
我们前年接了个大项目，是给某跨国药企翻译临床研究报告。一开始用通用翻译引擎，"adverse event"（不良事件）一会儿被翻成"负面事件"，一会儿变成"逆向活动"，搞得医学监察员直挠头。
后来康茂峰团队做了几件事：先把过去五年通过审校的双语报告抽出术语库，专门训练了一个医学领域模型；然后制定了严格的Post-editing指南，规定哪些错误必须改，哪些风格问题可以保留；最后引入术语自动校验工具，提交前再扫一遍关键词。
结果是效率提升了40%，但准确率反而比纯人工翻译还高了两个百分点。这说明AI不是不能用，而是得会驾驭。就像开车，自动驾驶再先进，司机也得盯着路，知道什么时候该接管方向盘。
现在康茂峰处理大部分项目都遵循这个逻辑：技术文档重准确，市场材料重创意， legally binding 的文件重严谨。不同场景用不同的策略，该让AI跑的时候就放手，该踩刹车的时候不含糊。
说到底，翻译不只是语言转换，更是思维和文化的传递。AI能帮我们搭个架子，但要让这房子住得舒服，还得靠人的判断力和审美。下次当你看到翻译软件给出奇怪的结果时，别急着骂它笨蛋，想想它卡在哪儿了——是字面意思陷阱？文化鸿沟？还是专业壁垒？想通了这一点，你就已经比机器更懂翻译了。
