问题：刘老师，在这个信息时代，科技发展是相当迅速的，比如科大讯飞的语音识别。据说不出两年，可能咱们的笔译就会被取代，接下来就是口译。您说在这种背景下，我们翻译的未来会是怎样的发展方向呢？
　　最近有幸跟清华大学机器自动翻译专家刘洋博士长聊，一是因为2017年在一次研讨会上见到，当时都听会，没能详谈；二是因为我们有一个姊妹项目：2022北京冬奥会术语平台开发和机器自动翻译。此次见面我期待他给我与机器发展相关的答案，他希望我跟他详细讲述人工翻译过程。
　　从年过半百的翻译者群体出发，考虑机器翻译是否替代人似乎是杞人忧天。但出于好奇，我跟很多人一样，面对AI发展和铺天盖地的广告宣传，还是有些焦虑的，毕竟还有那么多学生选择了这个职业！
　　今天主要讲机器自动翻译专家感兴趣的内容，因为我们可以从这个侧面思考机器是否很快能代替人。以下内容源于我们的对话，但有调整和补充。
　　刘洋：机器翻译发展很快，但很多问题还没有解决。我们最关心的是译员翻译的过程，换句话说，译员到底是怎样工作的。
　　刘和平： 译员翻译分为三个主要过程：译前、译中和译后。
　　译前准备：这对译员而言是非常重要的阶段，从心理学、神经学和思维角度讲，“突触”受到刺激后会打开各种“回路”，将大脑中储存的与“翻译主题”相关的知识统统汇总到一个地方，如“气候变暖”，听到或看到这四个字，大脑活动开始，译员会发现自己知道多少，还需要准备补充哪些知识。于是，译员开始“查找”，查找的绝对不是简单的双语词汇，而是与会议或翻译相关的信息。首先要回答的是五个“W”：who, what, when, why,where；随后则是逻辑性知识补漏，气候变暖的成因、危害、治理条件和途径，各国及与会者的态度和立场、他们曾公开过的相关信息、会议预期结果等等；接下来需要做双语术语库（这里讲的不是字典意义的双语词汇），而是百科全书类的信息资源整合后双语概念和表达方法等。这是译员自主学习和逻辑思维的过程。动手准备前，深入了解客户需求、主题、交际目的、听众/读者期待等均包括在内。也可以称这个阶段为“定位”，让大脑的思维活跃度达到最高，集中到相关主题上。
　　刘洋：目前的机器翻译主要建立在数学公式基础上，译前准备对机器翻译应该有很好的参考作用，机器还不会这样学习。机器主要解决语言层面或语义层面的问题，这还是远远不够的，现在也在努力借鉴神经学、认知等学科的成果，但人工译员的翻译程序需要让机器学习，只有这样才能解决机器自动翻译存在的问题。我们的任务是将人工翻译过程用数学公式写出来。（......）
　　译中：在翻译的过程中（口译/笔译），译员除工作外，还有一个学习的过程，因为即使做了非常充分的准备，也无法完全“预测”讲话内容，需要译员边听边译边寻找“对应”，做必要的认知及知识补充，以保证翻译的顺利进行。笔译也一样，通读全文是基础，查找难点并找到解决方案是第一步，边做边学习边积累，同时在必要时补充自己的术语库。
　　笔译还会有审校（有时多名）或转译，即法语-中文-英文-法文，法-中译者的译稿交给中-英译者，然后再交给英-法译者，客户希望看到经过转译后的两个文本的一致性，如出现差异，便进行不同层次的沟通，确认后会调整原文或让第一译者重新考虑译文的修正。复译也是一种检查的方法，即由不同译者按照一定顺序翻译同一文本，以发现差异并采取补救措施。当然，转译或复译会导致原文的修改，我本人有过这样的经历，三天内一个原文文本先后被修正了四次，框架不会动，表达方法变化比较大。这就要求译者对每一个译文版本做好标记，否则最终上交的译文会与客户的期待不吻合，影响合同的履行。
　　译后： 总结、归纳和提升阶段，即对翻译中出现的各类知识、表达方法等进行补充性总结和整理，以备后用。
　　这样一个过程下来，译员一直在学习和提升，久而久之，便有望成为某领域专家或资深专家。例如，一位语言专业的毕业生到国家船舶工业公司工作，经过多年的学习和积累，最终代表国家常驻联合国的某机构；另一位译员在金融领域工作，后来成为金融领域专家，美国次贷危机后是她给来华培训的外国部长讲中国的金融政策和对策。这样的例子数不胜数。
　　有篇论文共大家参考：“ 对口译职业化+ 专业化趋势的思考：挑战与对策”（刘和平，《中国翻译》2017年第4期）。文章作者做了一个简单的机器翻译测试，并在此基础上对现阶段机器翻译的三大特征作出了描述：记忆储存量大、程序化和标准化、专业性极强。
　　面对机器翻译的这些特点，我们需要做的是：拥抱技术，让技术成为我们工作不可或缺的工具，如生活中洗衣机、洗碗机、扫地机（还不成熟啊！）、医院、旅游景点等地方的自动应答机器人，等等，海量数据的记忆存储和程序的开发设计可以让机器提供大概率的知识或方案，但面对语言变化、文化内涵、丰富情感、突发事件、各类符号等，机器还无法提供满意的答案，这也是人应继续完成的工作。与技术（狼）为伍，相伴相随，不断提升自己（人类的优势），共同迎接挑战，这是唯一的选择！
　　我想再次重复的是：从目前技术水平看，凡记忆量大、程序化和专业化程度高的机器将有明显优势。工厂里大规模程序化操作机器手是很好的实例，但人类的逻辑学习和分析能力、认知能力和丰富的情感暂时还很难被机器掌握。机器会在不同程度上给人类以帮助，但不是替代。“狼来了！” 应做好应对准备，而不是惧怕，机器是人制造的，制造机器人的初衷恐怕不想把自己毁灭。让机器为人类服务，让机器更大程度上帮助我们实现标准化并提升质量，这是出路。