人工智能术语翻译技巧论文

摘要：本文从借助相关学科的既有概念术语、学科内部的自然创生等方面总结人工智能术语的命名来源，同时从技术理论与实践应用的结构关系角度归纳术语的三种外在表征形式，并依次从理论依据、技术特点、内在特征、研发目的及智能用途这五个方面总结人工智能术语的命名原则。基于此，结合人工智能领域的术语翻译实例，本文分析该类术语英汉翻译中所使用的增词法、意译法、音译法以及零译法的主要特点，并探讨各种翻译技巧在实践应用中的注意事项。

关键词：人工智能;术语;翻译技巧;

“人工智能”(Artificial Intelligence,AI)术语最早于1956年在达特茅斯研讨会中提出，其内涵被定义为机器模拟人的智能。经过60年的发展，人工智能发展经历了计算智能阶段、感知智能阶段，然后步入认知智能阶段，同时其内涵不断拓展，人工智能被重新定义为模拟、延伸和拓展人类智能([6] 徐晔.从“人工智能教育”走向“教育人工智能”的路径探究[J].中国电化教育，2018(12):81-87."

现如今，人工智能体系正逐步贯穿于社会生产生活各产业链结构，与此同时，其学科内术语的使用亦愈显重要并引起更多关注。结合其实际特点，本文着力探讨人工智能术语英汉翻译的主要技巧。

1 人工智能术语命名的来源、表征及原则

术语是专业领域概念在语言层面的表征，关涉专业知识的凝练、传播与积淀，因此必须规范和统一([4] 陶李春.从术语翻译研究说开去——李亚舒教授访谈录[J].中国科技术语，2019(21):30-33." >陶李春，2019)。随着人工智能学科日益发展形成体系，术语对该学科体系的介绍功能、传播功能及人本功能日益突显，对其创新性技术理论与实践应用的提炼浓缩作用日益增强。理论上，人工智能系统可划分为基础型、技术型和应用型三大类，因此其术语指称既包括基础型、技术型理论，又包括实践性的项目研发应用。

1.1 命名的来源

作为初始阶段时在“夹缝”中生存的边缘学科，人工智能是在不断吸收其他相关学科既成理论的基础上，逐步构建起自身理论体系并不断发展壮大成时代的前沿主流。因此，该学科术语的命名来源主要包含以下四个方面：

(1)依托、运用其他相关学科领域的既有概念。例如：Symbolicism(符号主义)是物理符号系统假说PSSH在人工智能领域的初试;Connectionism(联结主义)源自美国心理学家桑代克(Thorndike)的学习心理学理论;Knowledge Representation Language(KRL)中的Representation是认知哲学范畴的典型术语，该术语的意思是“知识表征(或表示)语言”。再如：Information Function为“信息函数”;Topological Graph为“拓扑图”。

(2)自解构、自定义本学科内的新创技术与研发应用。比如：Perceptron(感知机)原理是由Rosenblatt(罗森布拉特)自行定义提出的;Cybernetics(控制论学派)一词出自创始人维纳(Wiener)，而Cyborg(“赛博格”或“生化机器人”)则是Cybernetic与Organism两词的合成;ELIZA(伊莉莎)是对首个智能会话程序的命名。

(3)学科内术语命名的拓展、关联与呼应。相关人员从对Artificial Intelligence的模拟逐步研发扩展出一系列更为精细化的智能应用，于是产生了一系列新的术语，例如：Ambient Intelligence(环境智能)、Edge Intelligence(边缘智能)、Emotional Intelligence(情感智能)、Swarm Intelligence(群体智能)、Hybrid Intelligence(混合智能)、Universal Intelligence(宇宙智能)等。

理论技术之间的关联、互补也反映在对术语的命名之上，如：术语Noise Label(噪音标注)与Denoising Autoencoder(去噪自动编码器)之间的关联;Upsampling(上采样)与Subsampling(下采样)之间的呼应;Supervised Learning(监督学习)、Unsupervised Learning(无监督学习)及Semisupervised Learning(半监督学习)三者间的区别与联系;Multi-kernel Learning或MKL(多核学习)对Kernel Support Vector Machines或SVM(内核支持向量机)的延伸。

(4)借助相关理论学派创始人的名字。Turing Machine(通用图灵机)的问世开启了人工智能领域使用创始人名字命名的先河。再如：Shannon Mutual Information(香农互信息)、Bayesian Network(贝叶斯网络)、Restricted Boltzmann Machine或RBM(受限玻尔兹曼机)、Graph Markov Neural Networks或GMNN(图马尔可夫神经网络)。

1.2 命名的表征形式

总体来说，人工智能类术语的外在表征形式包括：(1)技术理论或实践应用的单式结构;(2)多项技术理论相融合的复合式结构;(3)技术理论与实践应用相结合的混合式结构。其中，复合式与混合式结构术语常用英文缩略词直接表述。

常见的单式结构术语，如：Mesh(网格)、Cluster(集群)、Pruning(剪枝)、B e n c h m a r k s(测试)、F u s i o n(融合)、Splicing(嫁接)。

复合式结构术语，如：Neural-symbolism(神经符号主义)、Deep Reinforcement Learning或DRL(深度强化学习)、Visual Question Answering(视觉问答)。

混合式结构术语，如：针对Big Data技术而衍生的实践应用Data Set(数据集)、Data Driven(数据驱动)、Web Data(网络数据)以及CDO(首席数据官)。

1.3 命名的原则

人工智能类术语的命名原则包括：(1)基于理论依据;(2)基于技术特点;(3)基于内在特征;(4)基于研发目的;(5)基于智能用途。

依循内在理论框架构成的术语，如：Graph Convolutional Network或GCN，即“图卷积神经网络”;Evolutionary Algorithm或EA，即“进化算法”;Generative Adversarial Networks或GAN，即“生成式对抗网络”;Kernel Method，即“核方法”。

以技术特点命名的术语，例如：Augmented Reality(增强现实)，指的是将真实世界信息与虚拟世界信息“无缝”集成的技术;Human Enhancement(人类增强)，意为那些欲通过自然或人工的手段暂时或永久地克服人体局限的尝试;Virtual Reality(虚拟现实技术)，即对现实进行虚拟。

以内在显著特征命名的术语，如：Decision tree(决策树)、Maze Problem(迷宫问题)、Cloud Computing(云计算)、Spatial Pyramid Matching或SPM(空间金字塔匹配)、Capsule Networks(胶囊网络)。显然，此类术语的命名采用了转喻认知机制。

以研发目的为依据命名的术语，如：Machine Reading Comprehension或MRC(机器阅读理解)、Human Pose Estimation(人体姿态估计)、Nearest Neighbor Search(最近邻搜索)。

以实际智能化用途命名的术语，如：Detector(检测器)、Alignment(校正器)、Indentification(认证器)、Answer Verifier(答案验证器)、Domain Discriminator(域判别器)、Graphics Processing Unit或GPU(图形处理器)。

2 人工智能术语的翻译技巧

由此可知，人工智能类术语的“定译”应在确保科学、准确的基础上，突显术语的客观性与认知性并兼及同体系理论技术的相互关联呼应，兼顾该学科发展的外在动态性与开放性以及不断被融入其他学科理论基底的现实特征。

因此，对该类术语翻译技巧的甄选应在坚持“找译”与“创译”的原则基础上，平衡术语翻译对源语概念的强大解释力与对目的语本身的语言要求;平衡语际转换时对术语概念层面的识解与对认知层面的侧重;平衡意义对等与功能对等之间的逻辑取舍以及两种翻译方法并用时相互间的权重划分。

2.1 增词法

体验在塑造人类的概念系统中具有决定性作用，人类的语言和文化也必然打上自己经验结构的烙印，也正是这种体验性构成了不同语言之间互译性的认知基础。翻译的体验性一方面表现为原文文本是作者对现实世界的体验和认知，另一方面表现为译者对原文文本的认知、解读和理解([5] 文旭，余平，司卫国.翻译的范畴转换及其认知阐释[J].中国翻译，2019(3):33-43." 文旭等，2019)。不同于以往同类译法，人工智能领域中由于源语术语命名时的信息缺省或抽象化的指称所造成的模糊表达现象，译者在进行语际转换时需要在理解术语实际所指的基础上，增加具有解释性的表示本质或形式的一类词汇。

(1)增加表示本质的属性词，由此起到对源语术语的补充解释作用。例如：同为“语言”属性，Programming in Logic或Prolog为“逻辑编程语言”，List Processing或LISP为“表处理语言”，Formula Translation或Fortran是“公式翻译语言”。再如：Sliding Window为“滑动窗口技术”，Back-translation或BT与Forward-translation或FT分别为“反向翻译技术”与“正向翻译技术”。

(2)增加对外在形式的模拟，以此起到对源语抽象术语表述的具象映现作用。例如：P o o l i n g指的是“池化”，通过“化”一词起到对该抽象术语的具体指称作用;Bag-ofWords或Bo W即“词包模型”，运用“模型”一词具象化该术语所指;Inductive Transfer Learning是“归纳式迁移学习”，借助“式”一词解释该“学习”类型;Long Short-Term Memory或LSTM为“长短期记忆网络”，通过增加“网络”一词对该术语补充翻译;Total Variability Modeling或TVM指的是“全局差异空间建模”，依据“空间”一词从而具象性模拟该术语所指。

2.2 意译法

翻译是复杂的交际行为，这一交际活动的确需要我们去了解语言内部的结构性和规律性，但它所涉及的主要是在一定社会文化语境中发生的话语活动。语码的意义并非预先设定，而是在每一次的实际运用中取得不同的交际意义。语码的静态意义(即语码在系统中的意义)只是交流的中介，语码的语用意义(即发话者要传达的特定意图)则是译者应关注的重点([2] 韩江洪.国内翻译策略研究述评[J].外语与外语教学，2015(1):75-80." 韩江洪，2015)。人工智能体系中意译法的运用能够保证源语术语的原汁原味，亦能实现语际转换时的意义对等与功能对等。但与此同时，这也在无形中对译者提出了较高要求，即需要具备人工智能的相关理论基础，从而在语际转换时，能够运用意译法对目的语词汇进行合理筛选。译者不能只停留在对字面意义的解读，同时也要译出该领域内的专业理论常识。

(1)对“智能定义”的意译，如：Annotation本意为“注解”，这里指代“标注”;Latent Space借“Latent”的“隐藏”之意，指代“隐空间”;Tensor Processing Unit中“Tensor”为智能术语“张量”，“Unit”有“组件”的意思，由此意译为“张量处理器”。

(2)对“智能情境”的意译，如：Information Flow译为“信息流”;Spiking Neural Networks或SNN译为“脉冲神经网络”;Bit Flip指的是“位反转”;Anchor Box为“锚框”;Light Field即“光场”;Depth-wise(DW)Convolution是“深度卷积”。

(3)对“智能操作”的意译，如：Region Proposal译为“候选区域”;Bidirectional Multi Head Intra-Attention指的是“双向多头自注意力”;Blind Image指代“无参考图像”。

(4)对“智能用途”的意译，例如：Wave Net即“原始音频生成模型”;Parallel W a v e N e t为“快速高保真语音合成”;Tacotron是“端到端的语音合成”。但需要注意的是，此类术语的定译需要译者具备较强的专业理论常识。

2.3 音译法

音译法是科技语篇中常见的传统翻译方法，以其时效性为主要特点。但在人工智能领域中其使用的比重相对较小，并多以对某项技术研发或具体应用的术语音译为主，如：Watson(沃森)、Chinook(切努克)、Alpha Go(阿尔法围棋)。

与此同时，它还常与其他几个起解释作用的翻译方法结合使用，这其中，最常见的即音译与意译的结合。译名是科技翻译的基础，因此术语翻译应该尽可能地做到简洁明了、易懂易记。一般来说，音译和意译相结合产生的术语都能长期保留下来([1] 丁树德.论科技术语的概念定位与翻译原则[J].中国科技翻译，2000(5):36-38." 丁树德，2000)。比如：Stanford Cart为“斯坦福车”;Beta Distribution是“贝塔分布”;Monte Carlo Tree Search或MCTS即“蒙特卡洛树搜索”。

译者在使用音译法的同时有时要辅以增词法从而增强对目的语术语的解释力或说明程度，例如：Robust译为“鲁棒性”。

2.4 零翻译

零翻译是指双语文化体系已完全融合，无分彼此的现象。零翻译并非指不能译，而是指不需要译。由于彼此的文化已深度融合，原语的语言表达形式对高度开放的目的语文化来说，不译更为适宜([3] 刘卫东.文化层次翻译观[J].中国科技翻译，2001(11):47-50." 刘卫东，2001)。在这种情况下，译者对某些研发项目术语进行英译汉时采取零翻译方法，以保留并突显该术语命名的初衷、溯源或独特性。这与上文所述的意译形成鲜明对比。

例如：Alex Net(属于深度神经网络);Cityscape(表示数据集);Image Net(为可视化数据库);Transformer(属于机器翻译类型);Big GAN(隶属图像生成器);Dur IAN或Duration Informed Attention Network(用于多模态合成的一项新技术)。

与此同时，在零翻译的基础上，译者有时通过增词法的运用对术语的指称进行必要的补充与解释，如：YOLO即“YOLO算法”、Adam是“Adam优化器”、Dropout为“Dropout技术”、Bert(Bidirectional Encoder Representations from Transformers)为“Bert模型”。

有时译者也通过意译法进行补充说明，例如：Siamese Network译为“Siamese网络”，于是Siam FC(Fully-Convolutional Siamese Networks for Object Tracking)被译为“全卷积Siamese网络跟踪算法”。

3 人工智能术语的英汉翻译趋势

置身于人工智能的时代背景下，人工智能发展也将日益常识化、常规化与常态化，智能化程度随之不断提升并能够感知思维与情感。因此从数量上看，应用型术语将远超基础型、技术型的理论术语，即同一理论框架下将派生出多层多面的细微智能运用并呈现出人与智能的双赢格局。

由此可见，以人的感官体验为主导或直接运用转喻等认知机制命名的术语，其所占比重将继续增加。因此，体验性及转喻性将成为未来人工智能类科技术语的主要特征。例如：对Chatbot(聊天机器人)的应用正朝着Rapport(和谐)的模式推进。

同时，文化的融通与传播的迅捷促使原属于“非正统”翻译的零翻译方法的地位不断攀升，而且该方法与其他深具解释性的翻译技巧结合使用将成为人工智能类术语翻译的首选，并助力实现术语使用的全球化。

此外，音译法的使用频率将有所增加，并由此出现译名定名的不唯一现象，即音译的译名与其他译法的术语命名同时存在。

4 结语

智能化潮流正势如破竹。在此背景下，本文试图对人工智能领域的术语命名进行梳理，并由此总结阐述英汉术语翻译的主要技巧，以期为人工智能术语翻译及研究提供借鉴。

参考文献

[1] 丁树德.论科技术语的概念定位与翻译原则[J].中国科技翻译，2000(5):36-38.

[2] 韩江洪.国内翻译策略研究述评[J].外语与外语教学，2015(1):75-80.

[3] 刘卫东.文化层次翻译观[J].中国科技翻译，2001(11):47-50.

[4] 陶李春.从术语翻译研究说开去——李亚舒教授访谈录[J].中国科技术语，2019(21):30-33.

[5] 文旭，余平，司卫国.翻译的范畴转换及其认知阐释[J].中国翻译，2019(3):33-43.

[6] 徐晔.从“人工智能教育”走向“教育人工智能”的路径探究[J].中国电化教育，2018(12):81-87.