作者简介： 张政，博士，北京师范大学教授、博士生导师；研究方向：机器翻译、典籍翻译、语料库翻译。
王贇（通讯作者），博士，太原学院外语系讲师；研究方向：翻译技术、典籍翻译、语料库翻译。

OpenAI于2022年11月发布ChatGPT聊天生成型预训练变换模型，将机器翻译的发展带入全新模式，但其生成的译文风格与原文之间的隔膜依然存在，这是自然语言处理领域不容回避的重要问题。本文以Virginia Woolf 短篇散文“How Should One Read a Book?”（应该如何读书？）汉译为研究对象，聚焦于正式性、文学性及古典性三种风格生成能力考察项，对比、分析、阐释人工译者与ChatGPT译文风格扦格的缘由，为大语言模型时代下翻译技术的发展提供思考。

关键词：ChatGPT；英汉翻译；译文风格；生成

Since the OpenAI released the ChatGPT (Generative Pre-trained Transformer) in November 2022, it has brought the machine translation into a new development mode. However, the gap between the generated translation style and the original text still exists, which is an important issue that cannot be avoided in natural language processing (NLP). Taking the Chinese translations of Virginia Woolf’s short essay “How Should One Read a Book?” as the research object, this paper focuses on the style generation elements: formality, literariness, and classicality. It compares, analyzes, and comments on the reasons for the disparity in styles between human translation and ChatGPT translation, in order to provide prospects for the development of translation technology in the era of large language models (LLMs).

Key words: ChatGPT; English-Chinese translation; translation style; generation

文本风格（text style）生成是自然语言处理（Natural Language Processing，NLP）领域的一项重要任务。目前学界多关注同一语言内部风格调整，但对机器翻译文本风格的研究甚少。现有机器翻译引擎在风格方面表现单一，缺少对于语境和文体风格的解码识别能力，不同系统背后的运算机制大同小异，输出的译文对文体风格的体现较弱，更不可能实现“自身的创造性”（王贇、张政，2022:111）。同时，机器翻译译文质量评价常以正确率为首要指标， 基于n-gram匹配计算方法的BLEU、METEOR、TER 等自动评价模型，多以计算内容匹配度为思路设计。无论从开发者还是研究者角度，机器翻译译文风格问题一直处于被忽视的境地。美国人工智能研究实验室OpenAI于2022年11月30日发布ChatGPT（Generative Pre-trained Transformer，聊天生成型预训练变换模型），“可帮助人们获取信息，进行沟通和交流，还可加入自然语言处理的管道式系统，或参与多模态的机器翻译”（冯志伟、张灯柯，2022：86）。ChatGPT能够模拟人类的语言行为并与用户进行自然交互，将机器翻译的发展带入全新模式。新版ChatGPT Plus接入语言模型GPT-4，具有更强大的功能和推理能力，对于文本风格的创造性变化也优于以往机器翻译引擎。本文关注ChatGPT译文风格生成能力的优势与不足，旨在为大语言模型时代下的翻译产业发展提供启发与思考。

译文风格生成能力是指机器翻译系统生成符合特定风格要求的翻译结果的能力。ChatGPT通过训练大规模的语言模型，学习大量不同语言对之间多种风格的翻译样本，可在对话中根据用户输入和上下文本，自动调整其生成翻译风格，以符合用户需求和偏好。风格生成技术最早运用于计算机视觉领域，把图像从原风格转换到另外一个风格, 同时保证图像内容没有变化，后扩展至文本处理，已有对文本古典性（Jhamtani et al., 2017）、正式度（Rao et al., 2018）、礼貌度（Niu et al., 2018）、诗歌体（Yang et al., 2018）等文本风格进行调整的研究。自然语言处理领域对文本风格生成能力的研究涉及多种应用场景，机器翻译技术革新与语言层面研究的协同发展与相互作用（单宇、刘玉，2022：7）。依据已有研究成果及翻译文本特征，本文选择正式性、文学性及古典性作为ChatGPT译文风格生成能力评价考察项。

风格（style）指作品的风貌与格调，与内容及艺术表现直接相关，也是作者精神面貌、才质修养、审美情趣等主观因素的体现（吴春龙、周昌乐，2008：41） 。英语style源自拉丁文stilus，指古代在蜡板上进行刻写的针状的书写工具（李晓愚，2020：62），15世纪中叶发展为对于道德、法律及其他方面的完美语言书写的对照。汉语“风格”一词始见于晋人葛洪《抱朴子·行品篇》“士有行己高简，风格峻峭”（2018：1220），指人的风度品格。南朝刘勰《文心雕龙·体性》（2012：330）中移指文章的风范格局。《现代汉语词典》中将“风格”定义为“气度、风格、品格”及“文艺作品、艺术品所表现出的主要的思想特点和艺术特点”（2012：126）。本文聚焦于ChatGPT译文风格生成能力，对比机器翻译和人工翻译之风格，挖掘显化语言内涵的风格规律与语义关联，对特定语言特征的风格表现进行描述和分析。

文本风格是一个所指广泛且涉及多领域的流动性概念，本文中指依照风格惯例（stylistic conventions）形成的显著文本特征及其归类。从语言维度，风格是人们言语交际的产物，是交际参与者在主客观因素下运用语言表达手段的诸特点综合表现出来的气氛和格调（张华莉，2019：160-161），如在语域分析视域下探究儿童文学翻译中的语音变异、词汇变异、句法变异和修辞手段等文体风格再现（董芳源，2021）。译文风格计算则通过对文本中的字符、词汇、短语、句子和段落等各类语言特征进行识别，从而根据语言的出现频率、分布规律等数值指标来把握文本风格特性（张逸勤等，2023：1），主要运用于文学作品风格对比（侯羽、胡开宝，2019）、子语域风格差异（赵朝永，2019），古文译本风格（李雪丰，2020）、对风格现象的数理统计与量化分析（祝克懿，2021）、译者风格分析（刘泽权、汤洁，2022）等，常与翻译语料库相结合分析语言现象。从社会维度，风格是读者和文本间由社会建构的契约，定义了读者对风格社会含义的预期（expectations），因而会产生内容相似但文体不同的文本，并在不同文化阶层流传（李友仁、汪蘅，2020：50）。使用生成式预训练模型的ChatGPT具有优异的交互性能，但其从大规模语言数据中获取的基本都是基于自然语言数据的参数，还没有与精神、物理、和外部社会历史等外部世界联系的参数（冯志伟等，2023：24）。可见，自然语言处理技术中的文本生成是对语言维度的转码，但对社会维度的风格识别和生成有待提升，目前仍有不可逾越的技术鸿沟。

语言正式性奠定特定语篇基调，正式与非正式这对概念之间并无截然分开的界线。原文用词风格、习语、代词变体和动词形态可能体现着语言正式程度，因所用语言、所在国家/地区、面对的社会团体或专业环境而异。译员通常需考虑语言风格差异，预设目标读者需求、项目背景及语言正式程度。语言风格差异既是语言自身发展的规律，也是社会发展变化带来的结果，反映了不同文化背景、不同阶层的人使用同一种语言的发展趋势，即精英文化与平民文化以及本土文化和外来文化彼此交融的价值取向（史维国、张博，2018）。机器翻译对千变万化的语境和飘忽不定的词义无能为力，需要译者对相关词义进行重新识解和建构（王志军，2022：6）。这些语言之外的社会属性正是影响风格形成的必备要素，也是ChatGPT机器运算规则力有不逮之处。

例1

原文：Yet few people ask from books what books can give us.

译文1：然而，很少有人真正向书籍探求书籍能够给予我们的东西。

译文2：然而，很少有人从书籍中寻求书籍能给予我们的东西。

译文3：然而，人们对书籍往往求非所予。

译文4：然而，我们很少有人会问自己能从书中得什么样的知识。

译文1 和译文2分别为ChatGPT经由基础指令和升级指令生成的译文，通用译文和明确限定正式风格后生成的译文相差无几，译文1增译“真正”，原文并没有对应信息，可能算法将代词few所表达的否定强调转换为副词强调，以增强效果，但显冗长。Few表示几乎没有，侧重于否定，表示“某物的总数不尽人意，少于预期”，有表达遗憾的消极意味。译文3 和4是人工译文，可见正式和非正式文体的差异，前者庄敬典雅，简洁凝练，用词偏书面化，后者表述更平实自然，偏口语化。整体而言，人工译文的正式性差异较大，而ChatGPT通用和正式风格译文差异微小。

源语信息如涉及济、政治、文化、军事、教育、医学等内容, 具有广泛性和多样性的特点（孟建国、康志峰，2012：85），使用机器翻译引擎时，很难针对受众选择适合的目标语正式度。用语正式程度体现于不同语言的语法和词汇表达手段，在翻译过程需使用控制语言正式性的功能，允许用户在正式或非正式语气之间进行选择。ChatGPT 可通过Prompt Engineering （提示工程）明确文本生成的要求细节，在人机互动中调整译文用语正式度，但目前未见有效调控译文正式性强弱的系统性指标。

以机器翻译原理来看，机器翻译的规则性和文本的文学性本质上并无关联，是在大量语料中提炼双语对应的映射规则，每一次翻译都是机器在无数条翻译规则中寻找一条最为适配的规则，通过语料的拆分、重组而产出结果。ChatGPT对风格的把握较弱，即使是新版本的语言模型依然无法满足读者对不同艺术风格译文的需求（叶子南，2023：178）。ChatGPT可根据使用者反馈调整表述，但仍属依据规则进行转换生成，而非对原文风格的揣摩和靠近。机器翻译以语义匹配和语法正确为首要目标，现有算法较难实现对文体风格的差异化选择和呈现。

例 2

原文：Do not dictate to your author: try to become him. Be his fellow-worker and accomplice.

译文1：不要向作者发号施令：试着变成他。成为他的合作者和同谋。

译文2：不要对作者指手画脚：尝试去融入他的世界，成为他的同伴与助手。

译文3：不要对作者指指点点，而应尝试设身处地，做作者的同道和“同谋”。

译文4：我们不要勉强作者，而要换位思考，设想自己在与作者共同写作。

Accomplice意为“共犯”，常描述一个人与另一个人或一群人共同犯罪或不道德行为，其词源为拉丁文complex，本义为连接（an associate），并不含贬义。《现代汉语词典》将“同谋”解释为“参与谋划（做坏事）”及“参与谋划做坏事的人”（2012：443），具有明显贬义。原文作者Woolf可能想用这个表面贬义的词，幽默表达读者与作者合作的亲密程度。ChatGPT译文1为基础指令（仅要求翻译）生成，直接使用了“同谋”，译文2 为升级指令（要求翻译具有文学性），将“同谋”换为中性色彩的“助手”。相较而言，两种人工译文采用不同策略避免表达贬义。译文3 为“同谋”加引号，以标记化处理显示读者和作者之间关系的亲近，独具匠心。译文4跳出accomplice与“同谋”直接对应的束缚，将名词短语fellow-worker and accomplice译为动词短语“设想自己在与作者共同写作”，利于读者理解，免生困扰，不拘于文字，舍形而得意。

人工翻译能够较为妥当处理文字中隐含的褒贬色彩，ChatGPT语言模型很难主动识别并生成相应的文学性表述，需人工介入调整指令升级训练，才有可能生成较为理想的结果。文学性文本讲究语言的连贯性，以篇章为翻译单位，但机器本身不理解文本，而是利用算法对文字进行转换，无法通过全文分析来保持一致性和连续性，多基于句子进行分裂式处理。自然语言极为复杂，提高自然语言处理水平，让计算机真正理解自然语言，仍是极为困难的任务（冯志伟、丁晓梅，2021：19）。此外，机器翻译只能对输入的文本进行机械性的语言转换，无法做到呈现文学性特征的深度翻译。而人工译者通过运用增补前言、注释、脚注、评论、附录等方式进行“深度加工”，体现译者主体性和自我意识，以致“译者之声”随处可闻（李红霞、张政，2015：37）。即使ChatGPT人机互动能力较强，仍无法为厚翻译提供技术支持。文本的文学性风格不仅仅是特征问题，还承载了文本的人际和/ 或语篇意义，已远超出ChatGPT自然语言处理的范围。

古典语言与现代语言均具有实用价值，是联系过去和现在的纽带。古典语言风格更庄重，将同样的意义以更具古典质感的形式展现，如正式信函和声明倾向于古典性表达。古典语言对于历史、思想和价值观的传承至关重要，如古典汉语是中国许多重要文学、哲学和历史著作的语言，中古英语文学作品如《贝奥武夫》（Beowulf）、《坎特伯雷故事集》（The Canterbury Tales）中讲述故事的语言特征，可作为人类丰富文化遗产的重要例证。以英汉翻译为例，可根据需要译成文言、近代汉语和现代汉语，古典性从高到低。晚唐五代以前的古代汉语（文言）、晚唐五代至“五四”（或清初）的近代汉语（古白话）、“五四”至今的现代汉语（现代白话），三者既有差别，又互有联系，是同一语言在演变发展过程中的不同表现形态，彼此也存在着相互吸纳和渗透（史维国、张博，2018）。译文如采用古汉语文体，是以简练文字蕴含深妙的用典和互文，不仅仅是以古代词汇或骈文结构体现古典性，并非单纯的形式转换。

例 3

原文：If we could banish all such preconceptions when we read, that would be an admirable beginning.

译文1：如果我们在阅读时能够消除所有这些先入为主的观念，那将是一个令人称赞的开始。

译文2：能除此念，始为上启。

译文3：读书时如果没有这些偏见，这才是正确的读书方法。

译文4：倘若摈弃故习，实为善始。

译文1为基础性指令翻译，将admirable beginning译为“令人称赞的开始”。译文2是要求ChatGPT采用古典汉语翻译生成的结果，将admirable 译为“上”，beginning译为“启”，分词释义似乎合理，但合为“上启”表示“好的开始”，歪曲了原义。经考证，“上启”常表为上奏、禀告，与原文admirable beginning 无关。“上启”表上奏、禀告之意，可参阅南朝梁萧统《全梁文·请停吴兴等三郡丁役疏》“臣意见庸湰不识事宜，苟有愚心，愿得上启”（严可均，1999：208），及《清平山堂话本·简贴和尚》“某皇恐再拜，上启小娘子妆前”（洪楩，2014：7）。翻译中的词句并非都像机器翻译中的一一对应，存在着转移对应性（康志峰，2015：116），不可直接将汉语单字译文叠加成词，以免偏离本意。人工译文3为现代文，比译文1 精炼。人工译文4译为“善始”，该词深植于中华传统文化，可溯源至《战国策·昌国君乐毅》中“善作者不必善成，善始者不必善终”（刘向，2006：408）、《贞观政要·论君道》中“有善始者实繁，能克终者盖寡”（吴兢，2022：17）及《庄子·大宗师》“善妖善老，善始善终”（孙通海，2007：122）。而古代汉语和现代汉语意义多有变化，ChatGPT依单字转换古典词汇再拼接的处理方法，易对译文读者造成误导。

若在翻译中根据语境恰当使用文言词语和句式，可使文章的语言生动简炼，庄重典雅，别具风味和增添色彩，产生多样化的修辞效果，但需谨慎避免滥用文言词语，不可盲目信任ChatGPT语言生成能力。古汉语风格译文需形神兼备，对于机器翻译目前的技术水平仍存在巨大挑战。同一种语言体系内，古代和现代语言在文字、词法和句法等方面差异较大，对现代语言处理的研究成果无法直接应用于古代语言，目前对古代汉语分词和标注等基础技术系统尚未成熟，从古代汉语到英语的机器翻译也受限。已有研究利用预训练语言模型对多语种典籍文本进行风格计算与对比分析（张逸勤等，2023：1），但在译文古典性风格方面的研究尚未展开。在自然语言处理技术中，古典和现代语言风格的识别仍是难点，也是ChatGPT翻译风格生成受限的一大原因。

近年来，基于深度学习的生成模型在风格研究领域卓有成效，其中GPT预训练生成模型可尝试用于开发自定义机器翻译模型，以生成所需语言风格的译文，“人机共生”的翻译模式逐步成型，但人工智能和语言哲学之间的区隔不容忽视。人工智能的内在基础是逻辑化的符号语言，追求形式化的实现，而语言哲学要求自然化的体现，形成明显的矛盾关系（吴戈，2019：77）。ChatGPT 在译文风格生成能力方面已显现出初步优势，但其功能缺陷同其他机器翻译工具别无二致，因缺少对于语境和文体风格的解码识别能力，译文对文体风格的体现较弱，容易生成“批量化的机制产品”。如通过针对性训练语言模型，使其具有精准调控译文正式性强弱、处理文字褒贬色彩，或再现用典和互文等能力，有望实现正式性、文学性及古典性风格表现力的提升。充分认识ChatGPT 译文风格生成能力优势与不足，有助于发挥其工具价值，提升译员翻译效率，为语言资产的积累管理提供支持，随着算法、算力提升将发挥更大潜能。同时，人工译文中体现出的风格差异化特征，可用作人工智能翻译训练的学习材料，也可为译文风格生成能力评价提供参照，形成技术研发层与应用层的良性循环。ChatGPT将推动“人机共生”逐渐成为翻译语言服务的主流模式，也将为大语言模型时代人类共有知识体系的共建和互融做出贡献。

[1]  Jhamtani, H., Gangal, V., Hovy, E., et al. Shakespearizing Modern Language Using Copy-Enriched Sequence-to-Sequence Models[J]. arXiv preprint arXiv:1707.01161, 2017.

[2]  Niu, T. & Bansal, M. Polite Dialogue Generation without Parallel Data[J]. Transactions of the Association for Computational Linguistics, 2018(6):273–389. 

[3]  Rao, S. & Tetreault, J. Corpus, Benchmarks and Metrics for Formality Style Transfer[J]. arXiv preprint arXiv:1803.06535, 2018. 

[4]  Yang, C., Sun, M., Yi, X. & Li, W. Stylistic Chinese Poetry Generation via Unsupervised Style Disentanglement[J]. In Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, Brussels, Belgium, 2018: 3960–3969. 

[5]  单宇,刘玉. 新时代机器翻译研究：热点透视与图景展望[J].翻译研究与教学,2022(1):7-16.

[6]  丁国旗,侯艳. 文脉在胸 译笔有神——TEM8(2005)英译汉翻译评析[J].中国翻译,2006(1):75-78.

[7]  董芳源. 儿童文学翻译中的文体风格再现——以《汤姆·索耶历险记》译本为例[J].翻译研究与教学, 2021(2):69-75. 

[8]  冯志伟,丁晓梅. 计算语言学中的语言模型[J].外语电化教学,2021(6):17-24+3. 

[9]  冯志伟,张灯柯. 机器翻译与人工翻译相辅相成[J]. 外国语（上海外国语大学学报），2022(6)77-87.

[10]  冯志伟,张灯柯,饶高琦. 从图灵测试到ChatGPT——人机对话的里程碑及启示[J]. 语言战略研究,2023(2):20-24.  

[11]  葛洪著, 金毅校注. 抱朴子内外篇校注（全三册）[M].上海：上海古籍出版社, 2018.

[12]  辜正坤. 致切斯菲尔德伯爵书[J].中国翻译,2000a(3):71-73.

[13]  辜正坤. 闪光[J].中国翻译,2000b(6):64-69.

[14]  汉语大字典编纂处. 现代汉语词典（全新版）[M]. 成都：四川辞书出版社, 2012.

[15]  洪楩著. 清平山堂话本[M]. 长沙：岳麓书社, 2014.

[16]  侯羽,胡开宝. 基于语料库的葛浩文夫妇合译风格分析——以刘震云小说英译本为例[J]. 燕山大学学报（哲学社会科学版）,2019(1):32-41.

[17]  康志峰. 修辞构式:汉英翻译中的转移对应[J].西安外国语大学学报,2015(4):116-119.

[18]  李红霞,张政. “Thick Translation”研究20年:回顾与展望[J].上海翻译,2015(2):34-39.

[19]  李晓愚. 文化、媒介与风格:论潘诺夫斯基的风格研究方法[J]. 江海学刊,2020,(6):61-69.

[20]  李雪丰. 山水游记散文翻译风格对比研究——基于《永州八记》三个译本平行语料库的统计分析[J].翻译研究与教学,2020(2):129-136.

[21]  李友仁,汪蘅. 虚构与历史：明清文学中的对立与风格梯度[J].数字人文,2020(2):49-74.

[22]  刘向编,缪文远校注. 战国策[M]. 北京：中华书局, 2006.

[23]  刘勰著,王志彬译著.中华经典名著全本全注全译丛书:文心雕龙[M]. 北京：中华书局, 2012.

[24]  刘泽权,汤洁. 王际真与麦克休《红楼梦》英语节译本风格对比——基于语料库的考察[J].红楼梦学刊, 2022(2):255-277.

[25]  孟建国,康志峰. 网络环境下口译焦虑模态研究——以听焦虑为例[J].新疆师范大学学报（哲学社会科学版）,2012(3):81-86.

[26]  史维国,张博. 现代汉语中的古代元素——文言与白话的有机融合[N].中国社会科学报, 2018.

[27]  孙通海译注. 庄子[M]. 北京：中华书局,2007.

[28]  王贇,张政. 数字化时代机器翻译的风险审视及控制研究[J]. 中国翻译，2022(2):109-115.

[29]  王志军. 机器翻译搭配能力不足及译者意义重构的认知过程研究[J].翻译研究与教学,2022(2):6-10.

[30]  吴春龙,周昌乐. 基于频繁关键字共现的诗词风格分类模型研究[J].厦门大学学报（自然科学版）,2008(1):41-44.

[31]  吴戈. 机器翻译：语义还是数据?——人工智能视域下的语义问题与哲学反思[J]. 河南社会科学, 2019(4)：75-80.

[32]  吴兢著. 贞观政要[M]. 北京：中华书局,2022.

[33]  严可均著, 冯瑞生校. 全梁文（上下）[M]. 北京：商务印书馆, 1999.

[34]  杨自俭. 对翻译本质属性的认识——《自由派翻译传统研究》序[J].上海翻译,2008(1):1-5.

[35]  叶子南. 在ChatGPT时代，人译独领风骚[J]. 中国翻译, 2023(3):173-178.

[36]  张华莉. 语用视角下的现代汉语研究[M]. 长春：东北师范大学出版社, 2019.

[37]  张逸勤,邓三鸿,胡昊天等. 预训练模型视角下的跨语言典籍风格计算研究[J/OL].数据分析与知识发现: 1-19 [2023-09-27].

[38]  赵朝永. 基于语料库的《红楼梦》英文全译本语域变异多维分析[J].翻译研究与教学,2019(1):83-94.

[39]  郑殿成. 第五届韩素音翻译奖参考译文——怎样读书?[J].中国翻译, 1993 (6) :55.

[40]  祝克懿. 语言风格研究的理论渊源与功能衍化路径[J].当代修辞学,2021(1):59-71.

如您喜欢我们的内容，欢迎您点赞、在看、转发，更多问题可后台留言小编哦

    后台留言，小编会尽快回复