引言

在强大算力、先进算法和海量数据的共同驱动下，人工智能技术加速创新，ChatGPT 在全球范围内现象级走红，引发了生成式人工智能（generative artificial intelligence，简称 GenAI）的发展浪潮，为人类的知识获取与生产开拓了一种全新方式，被视为人类发展历史上的又一“古登堡时刻”，对诸多行业领域产生深刻影响。作为一种跨语言的知识生产和传播活动，翻译实践亦受到GenAI技术浪潮的冲击，翻译工作模式迎来重大变革，翻译效率和质量得到较大提升。在数智时代背景下，翻译技术已然深刻融入翻译从业者的日常工作中，成为其“不可逃脱的命运”（王华树 2016：20）。翻译技术的创新不仅能够改变翻译的工作模式，还会对译者的能力素质提出新的要求。

虽然GenAI技术并非专门为翻译而研发，但凭借其出色的自然语言理解和生成能力，能够高效完成译文生成、译文润色、原文理解、知识查询等任务，正在重塑着翻译工作流程，为翻译技术发展带来了新的活力。当下人工智能技术迅猛发展，应用于诸多领域的文本翻译，远远超出了早期“粗浅”的辅助水平（宋炳辉 2024：10）。人工智能生成的译文不仅质量相当高，而且速度远快于人类翻译（胡开宝、高莉 2024：8）。这对翻译职业构成严峻挑战，翻译从业者面临前所未有的生存压力与职业危机。在GenAI时代，翻译工作模式经历了怎样的转型？译者的角色发生了哪些变化？其能力素质如何适应GenAI技术的赋能和挑战？翻译职业如何实现可持续发展？这些问题已成为翻译从业者、教育者和学习者亟需思考的重要议题。

智能翻译素养的现实基础

在现代翻译活动中，技术发挥着不可或缺的作用，工具应用不仅能够提升翻译工作的质量和效率，还为翻译行业的专业化和标准化提供了强大的支持和辅助。尤其是近年来人工智能技术突飞猛进，使得翻译技术工具和信息资源变得空前丰富，形成了翻译行业的新质生产力，为翻译领域的发展注入了强大动力。

2.1 翻译技术的发展历程   

机器翻译技术自 20 世纪中叶以来经历了曲折的发展过程，体现为从传统的规则驱动方法到数据驱动方法，再到神经网络驱动方法的技术路线。基于规则方法的机器翻译系统产出的译文质量差强人意，使机器翻译研究一度陷入停滞的低谷期。20 世纪 90 年代，随着计算机性能的提升和语料库技术的进展，以翻译记忆库和术语库功能为核心的计算机辅助翻译（CAT）技术开始蓬勃发展，出现了以 Trados 为代表的众多计算机辅助翻译软件。

同时，机器翻译技术也经历了从规则驱动向数据驱动的范式转变，进入统计机器翻译阶段。2006 年，谷歌上线 Google Translate 翻译功能，所使用的技术就是统计机器翻译。统计机器翻译带来了机器译文质量的改善。2016年9月，谷歌研究团队宣布开发神经机器翻译系统。同年11月，谷歌翻译宣布停用 2007 年 10 月以来使用的统计机器翻译技术，开始使用神经网络机器翻译技术。随后，神经网络机器翻译技术得到广泛应用，成为世界范围内主流机器翻译引擎的主要底层技术，使得机器翻译系统在准确性、流畅度和实用性等方面均取得了巨大进步。机器翻译服务逐渐融入各种 CAT 软件和平台，进一步提升了翻译工作的效率，成为译者的必备工具。尽管神经网络机器翻译在准确性和流畅度上具有显著提升，但仍然面临来自多方面、多领域的挑战（戴光荣、刘思圻 2023：84）。   

202 2年 11 月，美国 OpenAI 公司推出智能对话系统 ChatGPT，这一系统基于先进的大语言模型（Large Language Model，LLM）技术，能够进行自然语言的处理和生成。大语言模型是一种通过海量数据训练而成的深度学习模型，展现出强大的语言理解和生成能力。正因如此，ChatGPT 一经推出便迅速受到热捧，其卓越的自然语言理解和生成能力赢得了用户的广泛欢迎，上线仅两个月便实现了用户数量破亿，一举成为全球瞩目的现象级应用。ChatGPT的出现引发了全球范围内生成式人工智能的发展浪潮，涌现出大量的 GenAI 平台和工具。通过设计恰当的提示语，GenAI 系统可以辅助人类译者高效完成翻译过程中的各种任务。腾讯人工智能实验室的研究团队发现，不同的提示语对 ChatGPT 的翻译质量有显著影响，GPT-3.5 容易产生幻觉和误译，而 GPT-4 的翻译错误较少，表明ChatGPT在GPT-4 引擎支持下已经成为一个好的翻译工具（Jiao et al. 2024）。众多翻译软件和平台纷纷更新版本，通过更新已有功能、开发插件扩展和新增软件功能等方式实现GenAI功能的集成（周兴华 2024）。百度翻译则利用自身的 GenAI 技术优势，推出新一代AI大模型翻译平台，将传统的在线翻译升级为全新的智能翻译。

2.2 翻译工作模式的演进  

在信息通信技术发展的驱动下，翻译技术持续迭代更新，不断改变和重塑着翻译活动的实践形态和工作模式。根据翻译过程的自动化程度，Hutchins & Somers（1992：148）将翻译实践分为人工翻译、机助人译、人助机译和全自动高质量翻译四种类型。就目前而言，全自动高质量翻译还只是在词汇单一、句法固定的少数垂直领域得到了实现，主要在封闭环境中运行。在翻译技术发展的驱动下，翻译工作模式至今大体上经历了三个主要阶段：传统人工翻译、机器辅助翻译和人智协同翻译。

在传统人工翻译阶段，译者主要依赖个人语言能力、专业知识和翻译经验，不借助任何机器或自动化工具。译者使用纸质词典、语法书籍等传统工具辅助翻译问题的解决，但这些工具的效率相对较低。传统人工翻译表现出效率低、成本高的特征。随着以翻译记忆库、术语管理系统为典型代表的 CAT 技术的广泛应用，翻译工作模式进入机器辅助翻译阶段。CAT 工具能够识别并重复利用之前翻译过的内容，从而减少译者的重复工作，提升翻译生产力。随着翻译任务的复杂程度增加，翻译管理系统成为翻译行业的重要工具，通过提供全面的项目管理、团队协作、资源管理和质量控制功能，确保项目各阶段的顺利进行和交付，极大提升了翻译项目的效率和质量。随着机器翻译技术的发展，机器输出译文的质量逐渐提高，机器翻译功能通过 CAT 工具整合进入翻译流程，进一步提升了翻译过程的自动化程度。机器辅助翻译阶段的显著特征是工具多样、效率提升和译文一致性增强。

神经网络机器翻译技术的广泛应用，尤其是生成式人工智能技术的出现，促使翻译实践发生智能化转型，引领翻译工作模式发生重大革新，从 CAT 演进至 MTPE，再迈向 AIPE，进入人智协同阶段。在人智协同模式下，人与机器之间的合作迈入一个全新的阶段，实现深度融合和高效协同，以 ChatGPT 为代表的 GenAI 系统不仅能部分替代人类译者完成常规化的翻译任务，而且在语境理解、知识查询、文体适应等方面展现出超越人类的潜力。GenAI 技术赋能下人智协同的翻译过程在人机交互机制、语境理解深度、译者决策辅助和译文文体适应等方面表现出显著优势。在执行翻译任务时，译者可以通过提示语与GenAI 系统进行实时互动，对系统生成的译文提供即时修改反馈，系统则会根据这些反馈优化翻译模型，从而提高后续生成译文的准确性。GenAI 系统能够高效地处理常规化的翻译任务，显著减轻了译者的工作压力，使其更能专注于高复杂度的创造性翻译工作。相较传统的机器翻译方法，GenAI 系统在语境理解方面表现出更高的准确性，能够更好地理解上下文和语言细微差别，进而生成更加自然流畅的译文。GenAI 系统能够为译者提供多种译文版本，丰富译者的选择范围，译者可以根据具体需求和偏好进行灵活选择，从而提高翻译工作的效率。GenAI 系统能够根据译者的互动记录和偏好习惯，智能推荐更适切的翻译方案和优化建议。GenAI 系统还能够根据原文的文体风格进行迁移和适应，生成贴近原文风格的译文，提供个性化、定制化的智能翻译服务，满足不同客户的需求和期待。    

可见，GenAI 技术的出现和应用，不仅引领了翻译行业的智能化转型，还显著提升了翻译效率和质量，展现了人与机器深度融合、高效协同的美好前景。此外，GenAI 技术也将有助于推动元宇宙概念在翻译实践和翻译教育中的进一步落地（王华树、刘世界 2022a；王少爽、朱玉 2023），引发数字社会背景下翻译实践和翻译教育模式的深刻变革。

3 智能翻译素养的学术理据

翻译的核心任务在于克服语言障碍，跨越文化隔阂，实现不同人类族群间的知识共享和思想交流。从古至今，翻译活动一直在不断地适应并满足着人类社会发展的沟通需求，其所承载的这一根本使命从未改变。然而，随着时代的进步和科技的发展，语言媒介和信息载体加快创新，翻译活动的具体实践形式持续演进与变革，译者的翻译能力也在不断调整适应和迭代升级。  

3.1 翻译能力研究回顾

翻译能力研究是翻译学的一个重要领域，旨在通过考察翻译实践的过程和要求，探索翻译能力的构成，促进翻译能力的培养和发展。在传统人工翻译阶段，翻译工作主要依赖人类译者的语言能力、文化素养、专业知识和翻译技巧，译者所能借助的外部工具主要为词典和语法类工具书。双语语言能力和语言转换能力是该阶段翻译能力模型的主要成分。譬如，Neubert（1992）提出的翻译能力三元结构包括语言能力、主题能力和转换能力；文军（2004）的翻译能力模型包括语言/文本能力、策略能力和自我评估能力；苗菊（2007）则认为翻译能力包括认知能力、语言能力和交际能力。在机器辅助翻译阶段，随着CAT工具的功能和种类的不断丰富，国内外学界所构建的翻译能力模型中相继均出现了工具能力或技术能力（PACTE 2005；Göpferich 2009；王树槐 2013；刘晓峰、马会娟 2020），王华树、王少爽（2016）和王少爽、覃江华（2018）针对译者的技术能力的概念内涵和构成要素做了专题探讨，乃至还有学者针对译后编辑能力（冯全功、刘明 2018；Nitzke et al. 2019；李梅 2021；杨艳霞、魏向清 2023）、信息搜索能力（王少爽 2017；王华树、张成智 2018）、数字素养（王华树、刘世界 2023）等具体技术能力展开了专题研究。

得益于神经网络机器翻译技术的应用，机器翻译系统所产出的译文质量得到较大幅度提升，机器翻译引擎被整合进入主流CAT工具或平台，译者对机器翻译的使用频率快速增长。在这一技术背景下，学界在译后编辑能力研究的基础上，提出机器翻译素养概念，并开展了系列研究。譬如，Bowker & Ciro（2019）首先阐述了机器翻译素养概念，并重点探讨了学术交流语境下的机器翻译素养表现；O’Brien & Ehrensberger-Dow（2020）将机器翻译素养置于数字素养的框架下进行考察，阐述了其对于翻译生产的重要性，并探讨了机器翻译使用的认知维度；王少爽（2021）认为，机器翻译素养指相关主体能够有意识地合理、有效使用机器翻译系统服务于翻译实践和翻译学习的心理和行为倾向，涉及知识、能力和伦理三个维度；Ehrensberger-Dow et al.（2023）论述了译者和翻译教师作为机器翻译素养咨询师的新角色；Killman（2024）通过SWOT分析为法律翻译领域的机器翻译素养提供了一个教学框架。 

3.2 智能翻译素养概念的提出

为了应对信息技术发展对人类生存带来的挑战和机遇，行业界和学术界提出了信息素养、数字素养、计算素养、技术素养、媒介素养、网络素养、ICT素养、算法素养、数据素养等概念，作为素养概念在数字社会中的延伸和拓展。这些概念不仅是学术命题，还成为了引领行业实践与社会发展的重要指南，其概念内涵和话语体系受到科技发展和实践变迁的影响。近年来，一场前所未有的人工智能技术发展浪潮将人工智能素养概念推向前台，使其成为备受关注的前景化话题。为了应对新时代人工智能的发展，人工智能素养成为每个人都必须学习并具备的一项新能力。人工智能素养指人们对人工智能技术的理解、应用和评估，以及对人工智能带来的伦理问题的认识和思考的综合能力（Ng et al. 2021）。蔡迎春等（2024）指出，人工智能素养的出现源于素养概念的进化和人工智能的催化，不仅是对技术的理解和应用，更是一种全面的、与时俱进的技能和知识体系。因此，人工智能素养可被视为信息素养、数字素养等在人工智能社会的延伸和升级，旨在培养学习者在智能化时代背景下有效理解、运用及创新人工智能技术的能力，这不仅是个人适应未来社会发展的迫切需求，也是推动行业转型升级、促进社会可持续发展的关键要素。

在以神经网络、机器学习等为代表的人工智能技术的赋能下，翻译成为一种泛在的跨语言生产方式（李瑞林 2022：47），翻译过程在人机交互机制、语境理解、辅助决策和文体适应等方面表现出显著优势。在当下的新技术语境下，高对应性文本的语际转换生成方案已取得令人瞩目的空前进展，业已或即将形成规模庞大的服务产业（宋炳辉 2024：12）。翻译行业呈现出机器学习、跨域融合、技术集成等新特征（蓝红军 2023：47），人工智能在翻译领域中实现了全面渗透，译者必须掌握各种人工智能技术工具方能胜任当下的翻译工作。在这一时代背景下，翻译能力模型必须做出调整，以反映技术进步对翻译职业实践和能力要求的影响，特别是人工智能和机器翻译技术的发展（Prieto Ramos 2024：149）。针对人工智能技术在翻译实践中的应用，我们提出智能翻译素养概念，并将其定义为：面向翻译实践中的复杂需求，译者对人工智能技术进行深度理解、有效应用和审慎评估，并能够负责任地使用从而促进自身可持续发展所需的综合能力。智能翻译素养是人工智能素养在翻译场景下的具体表现，是对机器翻译素养的进一步拓展和深化，也是译者的翻译能力在智能时代的升级方向和全新进化。 

4 智能翻译素养的概念框架

人工智能渗透进社会生活的各个行业领域，催生不同群体对人工智能的使用需求。由于应用场景的多样性和实际需求的个性化，各类群体的人工智能素养呈现差异性。Ng et al.（2021）通过考察众多人工智能素养的定义和框架，将人工智能素养的内容归纳为知晓并理解AI、运用AI、评价和创造 AI，以及 AI 伦理四个主要方面。就人工智能在翻译活动中的应用而言，机器“将译者的部分能力赋予了非译者，‘人’的翻译能力被物化到了技术设备之上。伴随着译者能力的物化，译者角色必然发生变化”（蓝红军 2023：55）。人工智能环境下，译者需要承担文本编辑者、机译评价者、技术支持者、信息搜索者、资源管理者、人机协商者等多重角色。在已有研究的基础上，结合对人工智能时代翻译实践的考察，我们尝试从思维、知识、能力和伦理四个维度构建出智能翻译素养的概念框架，如图 1 所示。 

4.1 思维维度

思维维度在智能翻译时代显得尤为重要，是智能翻译素养的关键支撑，不仅能够帮助译者应对复杂的翻译任务，还可以促进译者与智能系统之间的高效协作，主要涉及逻辑思维、创新思维、技术思维、批判性思维、跨文化思维和跨学科思维。逻辑思维要求译者在进行翻译任务时，能够清晰地分析问题，充分理解原文表达的逻辑结构，并使用目标语将其准确表达出来。创新思维是推动译者提升个人能力、应对复杂任务需求，以及增强职业竞争力的重要力量，能够促进新技术和新方法的应用，激发译者的创造力，推动翻译行业的持续创新与发展。技术思维可以引导译者根据翻译任务需求，高效运用各种技术工具，优化工作流程和翻译决策。批判性思维体现为译者对翻译过程和结果的独立思考、审慎评估和质疑精神，帮助译者保持对原文理解、机器翻译结果、翻译工具选择、翻译质量标准以及伦理问题的高度敏感性和责任感。跨文化思维可以帮助译者在翻译过程中超越单纯的语言转换，深入文化语境层面，避免文化误读和冲突，促进文化交流与理解，增强译文的可接受性。具备跨学科思维的译者能够打破单一知识结构，涉猎并掌握多学科知识，养成全面且深入的认知体系，构建解决复杂翻译问题的方法论。  

4.2 知识维度

知识维度为译者在智能时代开展翻译任务提供了基础支持，涵盖语言文化、专业领域、翻译理论、译文审定、翻译技术、国际传播和信息素养等七个方面的知识。译者掌握源语和目标语的语法、词汇和语用规则，可以确保充分理解原文内容，精准生成译文；通晓两种语言的文化背景，可以避免文化误解和误译。译者需具备相关专业领域知识，以便准确理解和传译专业内容。虽然 GenAI 系统通过训练可以学习专业知识，但在面对新概念和复杂情况时，仍需译者具备专业知识才能做出准确判断。翻译理论揭示了翻译的本质属性、内在规律和基本原则，为翻译实践提供重要参考，指引译者充分结合机器翻译与人工翻译的优势，优化实际翻译过程，并有效解决翻译难题。译文审定知识涉及审校和定稿两个方面，具体包括审定要求、审定规范、审定工具、审定流程等。翻译技术知识涉及机器翻译、翻译记忆、术语管理、质量控制等技术的工作原理和应用方法，还包括云计算、神经网络、机器学习、自然语言处理、大语言模型等AI技术的工作原理和应用方法。国际传播知识涵盖传播学理论、跨文化沟通、目标受众分析、全球媒体环境、国际关系与政治、国际法律与伦理等相关知识。信息素养知识涉及信息意识、信息需求、信息获取、信息评价、信息使用、信息管理和知识创新等方面的知识。

4.3 能力维度

能力维度是智能翻译素养的实践表现，体现为译者的实际操作技能和问题解决行为，包括译前编辑、译后编辑、机译评价、译文审定、技术支持、信息搜索、资源管理和人机协商等八项能力。根据操作对象的不同，这八项能力可归为两大类：侧重文本加工的能力和侧重工具操作的能力。译前编辑、译后编辑、机译评价和译文审定属于侧重文本加工的能力。译前编辑能力指译者在译前阶段对原文进行预处理的能力，包括文本清理、格式调整、术语统一、措辞优化等，旨在使原文的措辞方式更加适合 MT 或 GenAI 系统，从而提升系统输出的译文质量。译后编辑能力指译者对MT或 GenAI 系统输出的译文进行审查和修改的能力，涉及词汇、语法、语义、语用、逻辑、风格、标点符号、格式排版等方面，以确保译文的准确性、流畅性和专业性，达到预期要求。机译评价能力指译者能够准确评估机器系统输出译文的质量，掌握MT译文和 GenAI 译文的优缺点，还要能够评价各类MT系统和GenAI 系统的翻译表现，以及 GenAI 系统中不同模式的翻译提示语对译文生成效果的影响。译文审定能力指译者能够对译文进行审校和定稿。前者侧重译者发现和修正译文的各种问题，最大限度保证译文质量；后者则指译者对译文进行最后的全面检查和确认，确保译文符合预期标准，达到交付要求。

技术支持、信息搜索、资源管理和人机协商则属于侧重工具操作的能力。技术支持能力指译者熟谙各种技术工具的特点和功能，支持翻译任务的高效完成，包括文本编辑、格式转换、信息搜索、机器翻译、翻译记忆、术语提取、质量控制、内容管理、智能对话等工具，使用编程或 GenAI 平台开发翻译任务专用软件或智能体，甚至还可以运用 RAG、LangChain、DSPy 等技术开发基于 GenAI 的辅助翻译系统。信息搜索能力指译者能够准确识别翻译过程中的信息需求，高效地获取所需信息，并运用批判性思维，对信息进行合理评价与使用。鉴于大语言模型固有的幻觉问题，GenAI 系统可能会产生虚假或错误信息，凸显了信息评价与甄别的重要性。

针对技术赋能时代译者对翻译资源的使用方式，王少爽（2024）将翻译实践分为继承型翻译、改善型翻译和生成型翻译三种类型，分别对应译者对翻译资源的复用、优化和创新行为，并将翻译过程视为译者通过运用翻译工具和调配翻译资源，解决翻译问题，进而生成目标文本的过程。因此，资源管理能力指译者有效管理和利用翻译资源（包括术语库、翻译记忆库、平行文本、风格指南等）的能力，以提高翻译效率和质量。人机协商能力指人类用户在与 GenAI 系统交流时所需具备的一种特殊技能，当下主要包括理解AI、设定目标、发布指令、分析反馈和调整策略等要素（文秋芳、梁茂成 2024），要求译者能够针对翻译任务中的需求，设定具体目标，设计并发布提示语，引导 GenAI 系统生成所需内容，做出反馈并调整对话策略，更新提示语，优化内容生成。需要指出的是，人机协商能力是一种动态发展的能力，需要根据 AI 工具的更新和迭代而持续演进。例如，2024 年 10 月，ChatGPT 上线 Canvas 功能，为用户提供了全新的交互体验，同时也对译者的人机协商能力提出了新的要求。前述四项侧重文本加工的能力，即译前编辑、译后编辑、机译评价和译文审定，均可以通过设计恰当的提示语，借助GenAI系统来协商和辅助相关任务的完成。

4.4 伦理维度

智能翻译素养的伦理维度要求译者负责任地使用 AI 技术，涉及法律法规、意识形态、数据安全、知识产权、算法偏见、技术依赖、职业道德和社会责任等八个方面的考量。具体而言，译者须严格遵守国家和地方的相关法律法规，确保 AI 使用不侵犯他人权益，知晓并遵守翻译行业标准和规范，确保翻译产品符合法律和行业要求。译者在使用AI完成翻译任务的过程中应秉持中立态度，尊重源语言的文化背景和价值观，确保翻译内容的客观性和准确性，避免将个人或特定群体的意识形态偏见带入译文中。AI 时代的翻译数据安全主要涉及数据泄露和隐私风险两个层面（王华树、刘世界 2022b：14）。译者有责任确保翻译材料得到妥善保护，采用加密技术和其他安全措施，防止翻译过程中的数据泄露或非法调用，关注客户的隐私保护和数据安全。译者须尊重知识产权，包括原文作者的版权和翻译成果版权，尤其要审慎对待 AI 生成内容的知识产权问题，避免侵犯他人的合法权益。译者应认识到大语言模型的算法可能存在偏见，并采取恰当措施进行识别、评判和修正，以确保翻译的公正和中立。译者应充分评估 AI 系统生成的译文，识别并修正潜在的偏见或错误。译者应避免过度依赖 AI 技术，保持主动权和独立思考，防止长期使用 AI 技术导致语言能力和翻译技能退化。译者应遵循诚实和透明原则，如实说明翻译过程中 AI 技术的使用情况，避免夸大或隐瞒AI的能力和局限，维护职业操守和客户信任，确保AI技术的使用符合行业规范。译者还应承担社会责任，关注 AI 对语言质量、文化多样性和信息传播的影响，通过高质量的翻译工作促进国际文化交流，为人类社会发展做出贡献。 

5 结语

GenAI 技术正在引领翻译工作模式发生重要革新，翻译在某种意义上俨然成为了跨语言、跨文化的理解、处理和生成语言的一种特殊“算法”（宋炳辉  2024：11）。基于算力的AI翻译能力异常强大，但并非万能（飞白 2024：1）。值得关注的是，在这种新技术语境下，翻译工作模式在人机交互、语境理解、辅助决策和文体适应等方面表现出明显进步，译者需要承担技术支持、机译评价、文本编辑、信息搜索、资源管理和人机协商等新角色，从繁琐的常规化翻译任务中解脱出来，将更多时间和精力投入到创造性更高的翻译任务上。人工智能翻译表现出愈发显著的速度和效率优势，人类译者则更需注重深度理解和创意表达以提升翻译品质。这就要求译者必须对其翻译能力进行智能化升级，以适应新时代技术发展的挑战与机遇。作为译者翻译能力的进化样态，智能翻译素养源于 GenAI 技术赋能翻译活动而产生的变革和催化，并不仅仅指译者在翻译任务中对AI技术的熟练运用，更是一种面向未来技术发展的思维方式，以便能够更好地应对技术发展和翻译需求的变化，保持自身在翻译领域的职业竞争力，为职业生涯奠定坚实基础，进而为翻译行业的发展做出贡献。高校翻译院系则需积极探索翻译专业学生智能翻译素养的发展路径，助推 GenAI 时代翻译人才培养模式的改革与创新，实现翻译教育的智能化转型和可持续发展。  

本文转自：《外语教学》2025 年第 1 期，第 59-65 页，作者：王少爽、骆潇洋。