行业洞察｜王华树 杨承淑：人工智能时代的口译技术发展：概念、影响与趋势
人工智能时代的口译技术发展：
概念、影响与趋势
摘要：人工智能时代的口译技术发展迅猛，给口译学习者、教学者和从业者带来了很多困惑，这些都需要我们对口译技术进行深入的学理探究。本研究梳理文献，将口译技术发展分为四个阶段，探索口译技术的本质内涵、分类和基本定位，结合口译实践发掘技术对口译模式、口译效率、口译能力和口译职业等方面的影响，预测口译技术未来发展趋势，旨在引导人们走出概念误区，正确认识口译技术的基本特征，建立完善的口译技术知识框架，同时为口译研究开拓新的疆土。
关键词：口译技术；机器口译；翻译技术；智能化
引言
人工智能（AI）时代技术发展迅速，给人类社会带来了深刻的变革，5G 网络、智慧城市、无人驾驶等不断刷新人们对 AI 的认识。为了抓住 AI 发展的战略机遇，越来越多的国家和组织制定国家层面的发展规划。2016 年美国发布了《为人工智能的未来做准备》，英国发布了《人工智能：未来决策制定的机遇与影响》的报告；2017 年中国发布了《新一代人工智能发展规划》，日本政府制定了《人工智能产业化路线图》；2018 年德国提出了《联邦政府人工智能战略要点》。
AI 几乎渗透到社会的方方面面，口译领域也不例外，AI 技术的发展带来了口译技术的空前革命，产业链的上下游应用场景正在不断创新。2018 年 4 月博鳌亚洲论坛上首次 使用 AI 同声传译，同年 7 月在 RISE 科技峰会（亚洲最大的科技峰会）上，该类技术再次大展拳脚。2019 年 7 月百度团队声明其研发的“度同传”（DuTongChuan）的汉译英准确率达到 85.71%，英译汉准确率达到 86.36%，可基本与经验丰富的人类同传译员媲美（Baidu Research，2019）。国内外翻译技术厂商均将机器翻译作为 AI 技术的入口，推出形式各异的翻译机和 App，新的应用需求迅速爆发，从普通大众到专业会议都在不断尝试这些新技术，有人热衷于用技术来替代传统职业，甚至喊出了“让同传下岗”的口号。这些给口译学习者、教学者和从业者带来了被替代的“威胁”，让他们对口译教育和职业前景忧心忡忡。人们对技术实质的认识不足，口译技术相关的研究少之又少，致使很多不懂技术的学者受到媒体虚假宣传的影响，产生技术替代论、技术恐惧论等，因此对口译技术的学理研究迫在眉睫。
本文结合口译技术发展历史与口译实践，拟回答下述问题：（1）口译技术是什么，如何分类？口译技术研究属于什么学科定位？（2）口译技术给口译实践带来了哪些影响？（3）口译技术未来的发展趋势如何？通过回答这些问题，本研究力求客观、科学地描写口译技术全貌，帮助人们对口译技术形成正确的认识。
01
口译技术的基本问题
相对翻译而言，口译技术可谓新事物。探讨口译技术的产生及发展过程、界定基本概念、厘清口译技术的定义、明确其基本定位，是口译技术研究首先要解决的问题。
（一）口译技术的历史演进
口译技术的历史与口译历史、口译职业发展和信息技术变革紧密关联，根据技术在整个口译历史中出现的时间与影响，口译技术发展大致可以分为四个阶段：孕育期、萌芽期、上升期和爆发期。
口译技术的孕育期（19世纪末至20世纪20年代）：尽管口译活动由来已久，但口译技术的出现依赖现代技术的发展。19世纪末到20世纪初放音、无线电、电话等设备的发明为会议口译中交替传译的运用奠定了基础。语音传输技术实现了交替传译在大规模会议中的使用，从第一次世界大战期间和巴黎和会起，交替传译得到了广泛使用。
口译技术的萌芽期（20世纪20年代至20世纪50年代）：这一时期交替传译得到长足的发展，同声传译初登历史舞台。交替传译在得到广泛使用的同时，也暴露出自身的缺陷，会议和信息传输的时间与口译的语种呈现等比例的耗时。为了缩短信息传递和会议的时间，20 世纪 20 年代，出现了同声传译的概念以及同声传译设备的雏形（Flerov，2013）。1925 年，爱德华·菲林（Edward Filene）与戈 登·芬 利（Gordon Finley）合作，利用电话组件制造了第一个简易的同传系统。之后 IBM 对其进行改造，命名为“Hushaphone”（也称Hush-A-Phone）。虽然这与目前使用的设备相去甚远，但在当时的会议中，却发挥了重要的作用。1945-1946 年，在纽伦堡等军事法庭审判中使用了多种语言的同声传译，极大地提高了国际审判的效率，开启了大规模使用同声传译的序幕。
口译技术的上升期（20世纪50年代至21世纪初）：1946 年后，口译需求逐渐增多，口译形式多样化和技术发展推动口译技术平稳向前。自纽伦堡审判之后，同声传译在国际组织、国际会议（联合国与欧盟）中广泛使用。1950年后，口译形式不断细化，远程口译、电话口译、媒体口译和社区口译等形式不断出现（Andres，2013），与之相配套的技术也应运而生。1973 年，澳大利亚开始使用电话口译设备为移民提供社区口译服务，截至 1990 年，美国与欧洲已经普及了电话口译（Mikkelson，2003）。20 世纪 80 年代，语音识别（ASR）和机器翻译（MT）日趋成熟，机器口译的雏形随之出现。上述技术发展为口译技术进入爆发期奠定了基础，但由于互联网、大数据等技术还没有大规模普及，这些技术一直在探索前行。
口译技术的爆发期（2010年至今）：2010 年之后，人工智能经过多个波折终于进入了突飞猛进的发展阶段，移动互联网、云技术、大数据、语音识别、术语技术、语料库技术等发展迅猛，口译技术呈现爆发式增长。专业的口译术语管理技术、先进的远程口译系统、全球化口译交付平台、AI 机器同传、口译语料库等呈现百花齐放的局面。在以云技术为代表的多种信息技术推动下，口译管理平台（Interpreting Management Systems，IMS）、口译交付平台（Interpreting Delivery Platforms，IDP）和自带设备的模式（Bring Your Own Device，BYOD），打破了设备对于译员的禁锢，带来了技术方面的飞跃，这些技术让译员们走出同传间，走向“虚拟同传间”，随时随地访问和调取口译相关资源。
（二）口译技术的基本概念
在口译技术的萌芽期和上升期，学者们已经注意到技术给口译带来的影响，但由于技术本身还不够成熟，相关定义与研究呈现出局部化、碎片化特征，缺乏系统性和宏观性思考。很多学者在使用口译技术相关概念时，仅提及却未定义说明，如计算机辅助口译（Computer-aided Interpreting 或Computer-assisted Interpreting，CAI）（钱多秀，2011；Costa et al.，2014a；Fantinuoli，2016）和技术辅助口译（Technology-Assisted Interpreting）（Costa et al.，2014b）等。到了口译技术爆发期，技术日趋成熟，口译技术研究凸显出一定的宏性，如王华树、张静（2015）、赵毅慧（2017）、Fantinuoli（2018）探讨了 CAI 的概 念；Hamidi & Pöchhacker（2007）、Orlando（2014）、Braun（2019）等讨论了同步交传技术（Simultaneous Consecutive，SimConsec）；Braun（2019）定义了远程口译（Distance Interpreting）技术，并定义描述了电话口译（OPI）技术、远程视频口译（VRI）技术和远程视频同传（RSI）技术。整体来看，学界对技术的关注不足，导致口译技术的概念依然模糊，亟需厘清。结合前人研究，我们认为口译技术是在口译实践、口译培训中使用到的综合技术，包括对口译过程（编码、输出、传递、输入、解码、贮存）进行辅助及处理的技术。口译员是使用口译技术的主体，首先要考虑“将译员的参与”作为界定概念的重要依据。无需口译员参与、直接产出口译结果的技术可谓机器口译（包括机器同传、AI 同传、自动口译等）。机器口译是通过自然语言处理、语音识别、语音合成等人工智能技术，实现人与计算机之间用自然语言有效沟通的技术。此类技术将语言学、计算机科学、数学等融于一体，虽然不需要口译员现场翻译，但是需要后台拥有大规模的语音库、语料库和先进的数据处理算法提供技术支撑。译员参与并使用的各类口译技术统称为计算机辅助口译技术。此类技术主要包括口译设备及配套软件、术语管理、口译平台、翻译记忆、语音文字识别、信息检索等技术。无论是何种口译技术，都可以视为口译技术系统中的组成要素。在口译活动之中，这些要素相互关联、相互作用，动态融合，发挥不同的功用，共同为完成口译活动而服务，由此形成一个动态的口译技术系统。
（三）口译技术的基本分类
在进行分类时，学者们通常关注口译技术研究中的某一个角度，并从该角度出发，对口译技术进行分类，如口译教学（钱多秀，2011）、口译员技术能力（王华树、张静，2015）、口译过程（赵毅慧，2017）、技术功能（Corpas Pastor，2017） 等，也有学者从较为宏观的角度分类技术，如基于过程 （process-oriented）与场景（setting-oriented）（Fantinuoli，2018）、基于不同的作用模式（Braun，2019）等。上述分类研究中，前者相对零散，涵盖了部分技术，后者范畴更广，但仍有遗漏。口译技术本身就具有学科交叉性和动态生成性，如若整齐划一，难免以偏概全。本文结合前人研究成果，尝试从 6 个不同角度，对口译技术进行分类研究，大致可以分为：（1）基于技术依托；（2）基于技术特征；（3）基于自动化程度；（4）基于口译过程；（5）基于对口译的作用模式；（6）基于作用对象等，如图1。
（▲图1 口译技术的分类）
基于不同的技术依托，口译技术可以分为硬件技术和软件技术，硬件技术如同传设备、电话口译设备等；软件技术尤其指电脑中运行的软件，如口译交付云平台、术语管理软件、信息检索软件等。
根据技术特征可分为工具型、交互型、资源型和集成型等技术支持。工具型是指技术为口译提供工具支持，如同声传译设备; 交互型是指在信息技术辅助下实现人机对话，从而完成口译活动，如语音识别、自动口译 App 等；资源型是指在口译过程中能够为译员提供信息支持和参考的技术，如大型会议真实口译语料库、垂直领域口译术语库等；集成型是指能够配合口译员完成口译活动的综合性平台，将多种技术集成在一个端口，译员可以自由访问，如译员工作综合平台 Interplex、InterpretBank 等。
根据自动化程度及功能，口译技术可以分为机器口译和计算机辅助口译技术。机器口译技术如百度、腾讯、搜狗机器同传系统。计算机辅助口译技术包括口译设备、信息检索、语音转写、术语识别等。
根据口译过程，本研究在 Fantinuoli（2018）的过程与场景的基础上进行了细化与合并，将场景融入过程，将过程分成译前、译中和译后三个阶段。（1）译前：主要进行口译学习与培训、口译相关资料的检索等，包括口译训练平台、搜索技术、术语技术等；（2）译中：口译现场需要用传译设备、音视频软件等；（3）译后：主要进行资料和语料整理更新和反思回顾，需要用到术语管理、翻译记忆、语音识别、语言资产管理等技术。
根据对口译的不同作用模式，口译技术可分为三类：（1）传递口译服务的中介口译技术（technology-mediated interpreting），这种技术主要包括远程口译技术、电话口译技术等；（2）强化或支持译员准备、传译及工作流程的口译辅助技术（technology-supported interpreting），如智能笔、计算机辅助口译技术等；（3）替代人工译员直接生成口译结果的口译生成技术（technology-generated interpreting），也就是机器口译（MI）（Braun，2019）。
根据作用对象可分为口译员、客户和服务商使用的技术，功能各异。口译员使用的技术主要包括辅助口译实践、提升口译效率和质量的技术；客户使用的技术主要是自动口译技术、语言资产平台和口译管理平台等；服务商使用的技术主要是口译管理技术、口译资源平台和口译交付平台等。
（四）口译技术的基本定位
口译技术不是孤立的研究体系，而是口译实践需求与技术的综合体，兼备口译和翻译行为特征，并融合技术运用于一体，因此在定位口译技术时，需要从内部（翻译研究）和外部（技术）两方面进行探讨。
在翻译研究中，口译技术是翻译技术概念中的子概念，可以说部分口译技术是从笔译技术中衍生出来的，如口译术语管理技术和信息检索技术等，其核心思想是一致的。在霍姆斯（J.S Holmes）构建的翻译学研究蓝图中，翻译技术位于应用型（Applied）翻译研究中翻译辅助（Translation Aids）的子集（参见 Munday，2016:19-20）。因此口译技术是翻译技术的子概念，属于翻译辅助研究的重要内容。在外部定位中，口译技术本身具有技术内涵与特征，如工具性、衍生性、实践性等，随着信息技术作为应用工具，不断参与口译活动，口译技术逐渐成为信息技术下的子集，并与网络技术、人工智能、大数据、云技术等存在交叉，可以说口译技术是口译实践需求与多种信息技术的定制化产品。
虽然口译技术具有技术的先进性和研究的重要性，但是学界和译员对技术应用与研究不甚重视，使得目前口译技术研究非常有限（Fantinuoli，2018;Braun，2018）。在 Web of Science、Google Scholar 和 CNKI 核心期刊中检索，涉及口译技术的文献（期刊与书籍）数量约为 75 篇（截至 2019 年 1 月 22 日），可见此类研究在翻译研究中处于边缘地位，但也是新的增长点。
02
口译技术对口译的影响
技术通常以相对独立的变量和逻辑潜移默化地制约或规范着社会的发展，口译技术也不例外。信息技术改变了口译员译前准备的工作方式，使用专业工具快速查阅专业资料，利用远程设备辅助口译，更高效地应对复杂多变的口译活动（Riccardi，2000；Andres & Falk，2009；Kalina，2009；Tripepi Winteringham，2010；Fantinuoli，2011/2016；Costa et al.，2014a/2018；Will，2015）。口译技术已经快速渗透到口译的方方面面，对口译活动产生了重要的影响。根据影响的显著性，本节集中论述了口译技术给口译服务和口译员带来的影响。
（一）口译服务模式
技术的数字化和自动化发展，正在创造新的工作模式（Neufeindet al.，2018:1）。机器口译开辟了全新的口译模式和更多的口译场景，覆盖了传统口译服务不能覆盖的领域，让本来享受不到口译服务的人群获得了口译服务。在口译技术驱动之下，出现了“同交传”或“交同传”的混合模式，口译实现从传统的单一人工口译模式，走向人机耦合、人机互译模式。利用交互式机器翻译技术，讲话者的声音被识别后以文字形式同步显示在屏幕上，译员从“听译”为主变成“听译”与“视译”的融合（任文，2018）。口译的接受模式从单纯的耳机频道模式，到语音文字同步再到多语言音视频多屏呈现的多模态形式。智能翻译笔、便携翻译机、智能口译 App 等多模态的口译服务模式促使口 译用户群体、消费市场、消费模式发生巨大的变化。
利用远程视频口译（VRI）系统，译员可超越时空限制提供交传或同传，实现“不在场”犹如“在现场”的效果。远程口译技术 Boostlingo、Cadence、Voicebox、Kudo、Headvox 和ZipDX 等倡导组建全球口译技术联盟，加强口译技术创新和应用。LanguageLine 的远程口译系统（InSight VideoInterpreting）深受欧美很多医院、医疗协会及政府机构的青睐。无论是 iPhone 还是 Android 终端，是城市还是偏远乡镇，只要网络良好，均可借助该系统获得专业的口译服务，包括经过专业机构认证的手语翻译服务。VRI 模式可以改善口译资源的利用率，减少口译员的出差时间和费用（Braun &Taylor，2012；Braun，2013）。
（二）口译服务效率
“工欲善其事，必先利其器”，这在 AI 时代尤为明显。先进的口译技术可在很大程度上保障口译信息的有效接收和传输，对译员有效发挥主观能动性具有积极的作用，极大地提升了口译的产出效率。Tripepi Winteringham（2010）认为计算机辅助口译为口译员提供强有力的解决方案，提升口译服务的质量和产出。口译员通常要在紧急的时间中面对自己不熟悉，甚至是完全陌生的任务，这时候利用传统方法查阅纸质字典或参考材料通常很难解决问题。利用各种搜索技术和工具（如口译术语库、翻译记忆库、双语平行语料库、会议口译语料库等），可快速获取有效信息，直接提升口译效率。Fantinuoli（2006）、Gorjanc（2009）的研究显示语料库驱动的译前准备可以帮助口译员提高他们在专题工作中的表现。Xu（2015）通过基于语料库和自动术语提取技术的实验说明技术可提高口译员的效率。Biagini（2016）认为口译员利用专门的 InterpretBank 工具，可以提高口译文本中术语翻译的准确性和完整性。机器翻译系统通常可以提供海量的、不断增长的、垂直领域的专业资料库，能够帮助译员快速处理口译原文中庞杂的信息（如多语言混杂），甚至直接为客户提供高速低廉的翻译解决方案。比如，客户在译前为口译员提供一份参考的 PPT，口译员可以将文稿导入在线翻译系统（如云译通、芝麻译库、译马网等），就能很快地获得一份译文，译员用这种方法可快速了解要翻译领域的主要情况。机器口译系统也可以快速提供专业术语的翻译，降低口译员记忆负荷，辅助快速判断，提升口译反应速度。用户提供的资料（如语音资料），口译中出现的错误输入、停顿、口译反应过 程等经过技术处理，都可以成为宝贵的语言资产，供口译机器系统学习，进而提高口译机器系统的准确性;有条件的译员，也可以和机器口译提供商合作，获取相关的资料，供后续关联性的口译活动参考，从而提高口译的效率。
（三）口译员能力发展
多数研究口译能力的学者认为口译能力包含语言能力、口译技能以及百科知识（Gile，1995/2009；刘和平，2005；仲伟合，2007）。赛莱斯科维奇和勒德雷尔（1992：26）认为，口译能力需要三个支柱：双语能力、主题知识和口译技巧。王斌华（2012）认为口译能力是译员完成口译工作所需要的内在知识和技能体系。遗憾的是，过去的定义基本上在强调口译员的智力要素，忽略了非智力要素（刘建珠，2013：41），如信息技术要素。穆雷等（2017）归纳了四类翻译人才（口译、笔译、项目经理、质量管理者）的资质和能力要求：职业素养、技术能力、团队合作能力、任务处理能力、专业能力和服务能力。Massey（2018）指出，口、笔译员未来面临的挑战主要来自技术、工作场景多样性、能力范围扩增，以及角色多元性（转引自任文，2018）。王华树等（2018）提出口译技术能力是口译员必备能力。杨承淑、齐龙驹（2018:21）整合 PACTE（2005）与 EMT（2009）对翻译能力的描述，并结合社会发展需求，认为译员必须具备技术能力，包括资讯搜索、工具运用、术语词库、物联网应用、界面整合以及人机操作整合等一般技能到综合进阶的能力。
口译是一项高强度的劳动，技术手段可以极大地降低口译的劳动强度，提升口译员服务能力。无论人工口译、机助口译，还是自动口译，在现代口译活动中，这些口译技术都发挥着使能、助能、赋能的多重作用，在译前、译中、译后多个环节为口译员提供不同形式、不同程度的帮助，如快速地获取专业领域知识，抓取语义摘要信息、提取专业术语知识、厘清原文逻辑关系、管理口译语言资产等。熟练使用各种工具的口译员，其综合服务能力通常要高于不会使用工具的译员。具备良好的信息思维，熟练使用口译技术和工具解决口译问题的能力成为现代口译员必备的基本素养，传统的口译能力模型需要重新定义，传统的口译课程体系也亟需改革。
（四）口译员职业发展
机器口译是否会替代人工口译？这样的话题正在引发口译界的热议。以往口译职业的研究对口译技术关注不足，未能关注口译技术对口译职业造成的影响。层出不穷的翻译机拓展了口译服务形式，对陪同口译、旅游导览等口译市场造成很大的冲击。神经网络机器口译质量的快速提升，对能力一般的口译员构成了职业发展的威胁。由于口译服务需求的多样化，不会口译的普通大众以及非专业人士借助智能口译技术和设备也可以提供某些形式的口译服务（如陪同、导游等），抢占口译工作机会和市场份额。在某些特定场合，智能口译机可以直接充当口译员的角色，其应用场景越来越复杂，“口译员”的角色正在发生变化，“口译”的群体正在逐步扩大，口译员的职业生涯逐渐受到影响。AI机器口译快速低廉的服务，对会议口译、会展口译、发布会口译等市场价格造成一定的影响，正悄悄地影响口译员的职业生存状况。杨承淑（2000：208）对口译的价值和价格进行论述，已经明确指出，“除非口译员具备绝对的竞争力，否则就有失业的危机”。如今，机器口译技术开辟了新的场景，给客户提供了更加多样化的选择，并且服务了更多用户，造福人类社会。未来，掌握口译技术的译员将会有更强的职业竞争能力，赢得更多的客户和市场。
口译技术给口译造成的影响不限于上述几个方面，还包括对口译过程、口译质量、口译市场、口译员身份、口译员健康、口译伦理、口译管理、口译培训等诸多方面造成的正面和负面的影响，限于篇幅，本文不再赘述。在新的时代，AI 技术助力口译的模式已经发展成为互动融合与加速转化的趋势，影响将会越来越深远。期盼口译学界居安思危，客观理性看待技术发展，关注技术带来的挑战，抓住技术发展创造的机遇，进而促进口译教育的与时俱进。
03
口译技术的发展趋势
过去，译员凭借自身硬功夫以单打独斗的方式获得口译市场的竞争优势；未来，这种服务方式将会逐渐被人机结合的服务模式取代。借助 AI 技术发展的东风，口译技术呈现出定制化、智能化、泛在化、平台化等发展趋势。
（一）定制化
在人工智能时代，通用的口译软件已经很难满足多种口译活动需求，个性化、精细化、信息化需求将会得到越来越多用户的认可和青睐。机器翻译需要优质的人工翻译语料来训练提高质量。通过专门语料训练，系统可根据特定领域、特定场景的客户需求，提供翻译模板扩展和定制，结合大数据资源支持，融合领域自适应技术，提供定制化的数据获取与加工方案的设计，为客户提供标准化、结构化的可用数据，可满足客户多领域、多场景翻译需求。通过多模态数据训练（文本、图像、音频、视频、网页等），口译服务供应商或口译员可以拥有自己的口译系统。例如，口译员可以利用 InterpretBank、Intragloss、语帆术语宝（Termbox）等术语提取技术帮助译员更快地找出专业术语，快速创建有针对性的术语资源库，帮助译员更有的放矢地对会议资料进行预处理。
（二）智能化
人工智能在过去 5-10 年快速发展，语音语义识别、图像识别、AR/VR15、区块链等技术已经开始并且加速与翻译产业结合。多专家系统技术、机器学习、硬软件一体化和并行分布处理技术推动语音识别和机器翻译快速发展。增强型的自动化机器学习将会更加智能，强大的算法可以从庞杂的口译数据中发现模式并演化为更高级的智能系统，具备类似于人一样的观察、理解、判断和生成各种情感特征的能力，机器口译系统可以像口译员一样进行自然地交流。AI 口译技术融合情感计算，在掌握用户情感状态的基础上，可根据情感信息的识别结果，对用户的情感变化做出最适宜的反应。例如，Google Assistant 融合了深度学习、机器学习、认知计算等技术，在与真实场景交互过程中，发音自然，语速流畅，就连停顿、“嗯”等表示思考的小细节都纳入其计算范畴。在口译过程中，该技术可以实现更加精确的语音和语义识别，从而产出更加精确的翻译结果。智能口译系统将会得到快速发展，翻译引擎经过深度优化，集成翻译记忆技术和术语技术，融合统计及神经网络等多种解码算法，智能化程度将会越来越高，应用场景将会更加广泛，覆盖交传和同传等多种需求。
（三）泛在化
物联网、互联网+、泛在网络等技术催生了“超媒体”、“全媒体”、“泛媒体”、“BYOD”的出现，“泛在翻译”也应时而生。移动互联网结合移动口译设备，将泛在的客户需求和泛在服务结合起来，使得任何人可以在任何地方和任何时刻获取所需的口译服务。例如，找翻译（FindYee），基于 LBS （Location-based Service）实时定位系统，能够精准的搜索到垂直领域专业翻译人才及资源，帮助有翻译需求的用户快速实时寻找到专业译员，也帮助译员获得翻译工作机会，实现用户与口译人员的无缝对接。再如，利用 BEasy 系统，用户拨打 BEasy App 中的语音或视频通话，在线专业的口译人员便能提供即时的口译服务。泛在系统可以快速定位手机用户的当前地理位置，然后搜索匹配在用户当前位置范围内可以提供口译服务的译员。众包口译、社会化口译等新模式将会让全球各地口译员和技术资源得到有效适配和聚合优化，促进口译资源的共享和利用，提高行业效率。移动口译服务、精准口译营销、LBS 口译设备服务、线上线下人机耦合等服务实时呈现和监控口译供求信息，及时有效地对接译员与客户。
5G 网络的出现为万物互联提供了更为强大的基础。5G 超高无线速度理论上传输峰值速率可达 10Gbps+，可提供超高清流媒体业务（云 VR/AR、云视频、云会议、云直播等）以及特定场景的无线高速宽带接入，为远程口译和云VR/AR口译提供强大的支持。5G 网络构建的高效快速的网络，结合泛在网络技术，能更好地帮助人们应对口译服务对稀缺资源和远程环境需求的挑战，必将给口译产业带来一场升级革命，推动全球口译事业迈入即时、共享、开放的泛在新时代。
（四）平台化
在新的数字化经济时代，不论是互联网巨头，新兴翻译技术平台企业，还是传统转型的翻译企业，都在打造创新型翻译技术平台，整合稀有语言服务资源，进行大数据知识挖掘，激发客户和用户积极参与，实现平台化协同化服务。当前，用户基数庞大、技术积累丰富、资金实力雄厚的国际化企业（如谷歌、微软、百度、腾讯、搜狗、新译、云译等）通过提供开放机器翻译接口，打造多元化多功能产品，重塑商业服务模式，逐步构建完善的资源集聚的生态平台，口译技术供应链竞争逐步演进为平台化的生态体系竞争。
在大型口译活动中，集人员管理、资源管理、知识管理等一体化的综合性协作平台，才能满足日益增强的口译协同管理需求。在未来复杂场景中，单独的口译软件将会向平台化转型（如 thebigword、Plunet、Primaxis 等口译管理系统），多数口译服务平台将客户、译员和服务通过平台绑定在一起，提供综合性的口译服务。例如，Boostlingo，通过平台网站及 App 应用，客户可以在全球范围内预约现场口译服务，也可以随时随地获得电话、视频等远程口译服务；翻译公司可借助平台管理译员、提供电话、视频等远程口译和现场口译服务；口译人员可在平台上承接项目、完成工作、管理任务并追踪收益；口译管理人员可以实现全球化调配口译资源，有助于口译生态的良性发展。
在技术变革时代，口译技术不断创新，口译工具种类层出不穷，口译 App 数量不断攀升，应用场景更加广阔，初步形成了链接客户、服务商和译员的生态系统，这为推动口译资源整合、模式创新、效率提升、生产变革等提供了重要支撑。在新时代，无论是口译员还是口译培训人员，都不可避免地要进行系统性的学习，了解口译技术创新模式，掌握口译技术发展趋势，提升“语言 + 技术”的综合口译服务能力。
04
结语
AI 技术迎来爆发式发展，引发了一系列的颠覆性创新，超越了传统口译服务的时空限制，打开了一个全新且广阔的应用市场，极大地拓展了行业语言服务能力，改变了传统翻译行业的时空格局，未来将会促进跨行业的智能化和生态化融合。科技是第一生产力，口译技术对口译实践和口译教育至关重要，是否重视口译技术直接影响口译人才培养的综合素质。《教育信息化2.0行动计划》强调要加强广大师生的信息化应用水平和信息素养（教育部，2018），但是，当前能够有效开设口译技术课程的高校或者真正将人机互动融入教学过程的高校少之又少，提升广大口译师生的口译技术素养已经成为十分紧迫的问题。
面对新技术、新市场、新业态、新模式、新机遇，无论是口译教育还是口译研究，都需要重新定位，做好转型的准备，顺应技术的潮流，加强口译技术教学和研究。本文探讨口译技术的概念和定位，阐释口译技术对翻译活动乃至社会发展的影响，梳理口译技术的发展趋势，旨在帮助和引导口译从业者走出技术概念误区，消解唯技术论、技术无用论、技术恐惧论等片面观点，正确认识口译技术的本质内涵，建立完整的口译技术教育知识框架，为口译研究开拓新的疆土。
作者介绍：
王华树
翻译学博士，副教授，北京外国语大学高级翻译学院硕士研究生导师，兼任世界翻译教育联盟翻译技术研究会会长，中国翻译协会本地化服务委员会副秘书长，中国英汉语比较研究会外语教育技术专业委员会副秘书长，《中国科技术语》编委等。多年来致力于推动翻译技术产学研的生态融合，在《中国翻译》《外国语》《外语电化教学》《上海翻译》等期刊发表论文六十余篇，主持国家级、省部级及校级科研项目十多项，出版《人工智能时代翻译技术研究》《计算机辅助翻译概论》《应用程序本地化》《翻译与本地化项目管理》等十多部著作。研究领域：翻译技术、外语教育技术、语言服务管理。
杨承淑
日本国立东北大学文学研究科硕士，北京外国语大学语言学（翻译方向）博士。学术专长：口译研究、译者研究、国际医疗口笔译研究。现任辅仁大学跨文化研究所教授兼所长（2013.08-），曾任辅大翻译学研究所教授兼所长（1994-2000,2006-2010）。自1988年迄今从事中日会议口译约达1000场，五年内论文约30篇。2014年9月于辅仁大学创设国际医疗翻译学程，并于2015年推展为硕士学位。2015年10月31日创立国际医疗翻译协会（imtia.org.tw），并担任该会副理事长（2015-2017）。
文献来源：《中国翻译》2019年11月第40卷第6期
（已获得作者授权，引用请以期刊版为准）
- END -
转载来源：《中国翻译》
转载编辑：王琳
审核：陈杲 贺文惠
（点击上图了解口译研究热点话题、口译教育创新路径↑↑↑）