1. 引言
“功能对等理论”是奈达于20世纪60年代形成的翻译理论，于80年代传入中国，其核心思想为“功能对等”。这种观点虽然有一定局限性，但奈达将翻译作为交流活动，提出“功能对等”、“等效论”以及“读者反应论”，这将翻译的重点从文本转向了读者，从信息的形式转向了读者的反应[1]。使得翻译界对直译还是意译的趋向进行了整合。虽然“功能对等”在文学翻译中难以绝对实现，但奈达的理论对该领域的翻译策略和目的提供了特定且合理的方向，再者，文学翻译本质上也属于二次创作的文学作品，文学属于一种艺术形式，虽有国别归属和文化差异等客观因素，但从整体人类历史进程的发展来说，多国的历史有相似性，人类的基本情感诉求是类似甚至一致的，随着全球化时代的进一步发展，文化之间的交流融合是一种趋势，翻译服务形式在变，但仍然需要，文学翻译在其中也扮演着重要的角色。而现如今的市场，文学翻译的服务比重在减少甚至边缘化，在发展中止步不前，这不仅与其本身的特点有关，也有诸多因素的共同作用。AI时代以大型生成式语言模型ChatGPT为主的产品层出不穷，对翻译行业造成了不少的冲击[2]，对于文学翻译是否会被取代也成为了许多人的争议，但是可以确认的是创造性精神是人与机器的根本区别，文学翻译无疑属于此列。ChatGPT这类产品本身具有强大的文本生成功能，笔者在文中将以功能对等理论为标准之一，通过实验验证学生通过与ChatGPT的互动，是否能够在一定程度上辅助练习该类翻译。为未来的文学翻译学习方式提供一些新的思路。
1.1. 功能对等理论
美国著名翻译理论家、语言学家尤金·奈达在美国结构主义语言学派的影响下，结合其圣经翻译领域的经验，对翻译理论和实践提出了独到的见解。20世纪70年代开始，奈达借用社会符号学和社会语言学的观点和方法修正和发展自己的翻译理论，创立了新的理论模式，即动态对等模式。奈达将对等分为两类，分别为形式对等和动态对等。奈达理论中的“对等”并不是指完全相同。形式对等关注的是信息本身，其中包括信息的形式和内容，强调在翻译中，译语中的信息应该尽可能地与原语中的各成分保持一致，要求译文贴近原文的结构。而在动态对等翻译中，译者关注的是原语信息和译语信息之间的一种动态关系，即译语接受者和译语信息之间的关系应该与原语读者和原语信息之间的关系基本相同，译文要达到完全自然的表达程度。也就是说，功能对等理论关注的是读者对文本的一种自然反应，而不是简单地关注文本。对此他也提出了四个翻译标准：1) 传达信息；2) 传达原作的精神与风格；3) 语言顺畅自然，符合译语规范和惯例；4) 读者反应类似[3]。而要达到这四个要求，会不可避免地遇上内容和形式的矛盾，因此这也是该理论的局限性，不可能实现绝对的功能对等，由于译语与原语的差异很大，两者矛盾无法解决的时候，奈达主张，形式让位于内容，因为这在某种意义上说，也就是强调再现原语信息而不强求保留其表达形式。奈达具体的翻译方法为三步，即分析，转换，重组，如图1。
Figure 1. Nida’s translation method
图1. 奈达翻译模式
同时，奈达还提出了评价翻译质量的三种标准：1) 能使读者正确理解原文；2) 易于理解；3) 形式恰当，吸引读者。之所以说功能对等理论能够从一定程度上应用到文学翻译中，正是因为该理论提出的“对等”是指译文能达到充分的对等，使译文听众或读者能理解和欣赏原文听众或读者对原文的理解和欣赏；以及译文达到高度的对等，使译语听众或读者在理解和欣赏译文时的反应与原文听众或读者对原文的理解和欣赏基本一致[4]。虽然在实际的翻译过程中，这种对等并不容易实现，但是这种对等在理论上给了我们在文学翻译上的一种方向，一个目标，文学翻译的本质是一种文学的二次创造，而不是简单的语言转换，因此针对的也是该语言文化环境的读者，与该理论所关注的对象从某种程度上是一致的。即使各国的文化以及语言习惯存在客观的差异，但在整个人类历史的发展进程上，不同国家的历史有相似性，比如几乎每个国家都有反侵略反压迫的斗争历史，许多人的情感诉求是一致的，这是国家地域差异难以磨灭的。同时，全球化时代下的文化必然是不同文化不断融合的产物，文学翻译在文化融合中扮演着重要的角色，这也是功能对等理论在文学翻译中应用的价值。
1.2. ChatGPT的特点及其翻译功能
ChatGPT是Open AI所开发的大型语言模型，其本质是一个强大的语言数据库。第一，它具备强大的文本生成能力，越是具备科学性和逻辑性的语言文本，它的识别能力和翻译精确度越高[5]。这也是多数人人为文学翻译难以被机器取代的客观原因。但它强大的文本生成能力依然可以为文学翻译的文本构造，润色以及编辑等提供便利[6]。第二，它的通用性较强，通过使用者不同的要求能够快速识别相应文本类型，应用于不同类型的文本翻译，也能在一定程度上识别多数文学翻译文本，通过进一步的提示，能够更准确的识别，并生成相应翻译文本[7]。第三，ChatGPT的交互性极强，在其翻译功能方面，其本质上是一个问答型机器翻译，ChatGPT将机译引擎与网络检索与附加聊天的用户界面，对于现代的多数学生来说，通过互动的方式学习更有趣味性[8]，通过人机交互问答的形式，完成查阅、翻译、润色等译前、中、后各项翻译任务，因此从理论上讲，ChatGPT已经超越了大部分普通机器翻译，ChatGPT及其升级版本或是延伸人工智能产品很可能是翻译服务行业以后的首选方向[9]。同时，ChatGPT可以生成大量的语言材料，包括句子、段落和文章，学生可以通过阅读和理解这些材料来总结一门语言的语法规则和词汇。也可以通过自然语言生成技术生成高质量的批改和修改建议，帮助学生改善他们的翻译以及其他外语技能[10]。
1.3. 文学翻译的特点以及现状
文学翻译的学习是需要不断精进的，学习者需要不断地阅读相关文学著作或是投入翻译实践练习，在阅读著作的同时不断进行原语与译语文本的对照复盘，总结特点，文学翻译的过程也在培养学习者个人的鉴赏能力，文学素养[11]，文学翻译也是创造性最明显的翻译活动，不仅需要忠实原文内容，还需要尽可能还原文所塑造的艺术效果，比如我们在阅读一篇中文小说的同时，我们的自然感受和对文章内容的所思所悟都是艺术效果所产生的精神文化，在文学翻译的过程中，许多译者可能也希望能将这种艺术价值自然地传递给译语文化下的读者，希望他们对这篇文章的翻译文本也能类似的情感，这也是关乎文化的认同。这也是文学翻译对翻译学习者语言功底和创造的考验和难点[12]。然而，除了客观上的跨文化难度以外，翻译学习者在文学翻译的学习步骤都离不开对翻译名家的模仿，比如我们最为熟知的“张培基”先生等，然而许多名家翻译的内容虽然经典，但是部分可能已经不适合现今的市场要求，同时，在对翻译名家翻译模仿练习的过程中，为了塑造较为适合或是中意的风格，许多学习者可能会从许多名家中选择一位对象进行长期性的模仿，即使是选择博采众长，也难以逃离对一篇名家文本的反复模仿复盘，难以实现所谓的超越或是创新，因为名家的翻译文本永远只有一篇固定范文。许多学生在学习的过程中也反映了在文学翻译练习中的难度以及翻译名家作品的单一性等问题。“职业化条件下，单个译者自主承担翻译全程工作的情况越来越少，几个人、几十个人乃至上百人分工合作进行大型实用项目翻译的情况越来越多，翻译活动越来越凸显出信息化技术运用、工业化流程生产、标准化产品交付等特征，以创造性叛逆著称、追求原作风格传递和译者风格确立的文学翻译难以纳入现代翻译项目管理。不计时间成本深入研究之后精益求精地翻译文学作品的精英译者越来越难以靠翻译谋生，而以快速交付稿件、按客户满意度衡量翻译产品质量的职业译者越来越多。在当今文学翻译薪酬低、时间紧的时代，朱生豪、傅雷、杨宪益那样专职投身文学翻译、影响深远的翻译家已经再难寻觅了。”[13]
2. 研究方法
本实验的过程是要验证ChatGPT对翻译名家的文本具有识别能力以及生成的翻译文本具有一定的相似性，能够为译者和翻译学习者提供其他复盘的版本，提供多种参考对象，并且ChatGPT本身能够依据提问者的具体要求生成不同格式的文本，理论上能够快速总结一些翻译名家的翻译习惯特点，从词汇、语法、语篇层面上总结出风格，在一定程度上提高文学翻译学习效率，具体研究思路见图2。
Figure 2. Experimental methodology
图2. 研究流程
实验过程中，我们首先需要让ChatGPT识别张培基、杨宪益等我们所公认的翻译名家，通过提问他们的信息得到反馈，如果ChatGPT需要进一步了解他们的信息，我们需要重新提问，确保ChatGPT能准确了解主题。下一步，我们需要输入大量的翻译名家的翻译文本，绕过其从用词习惯、语法结构等方面总结翻译特点。到这一步，ChatGPT已初步了解了这些翻译大家及其翻译特点。其反馈如图3。
Figure 3. ChatGPT’s feedback after recognizing the related text
图3. ChatGPT识别文本后进行的反馈
当ChatGPT初步了解文本主题之后，我们需要证明两个基本功能是否实现：1) ChatGPT能够根据已有的主题，将名家已翻译过的文本但还未让ChatGPT识别过的文本，通过ChatGPT对该类文本进行翻译，通过计算BLEU值、1Checker软件，以及通过功能对等理论的翻译质量的标准进行检验。2) 输入学生自己翻译的汉英对照文本，让其根据张培基等名家的翻译特点标准进行润色和提高翻译修改建议，同样通过计算ChatGPT润色版本的BLEU值、1Checker以及功能对等理论的标准进行检验，帮助学生复盘和练习。通过这两步的实验结果，可以将ChatCPT应用于张培基等翻译大家未曾接触过的文本，生成可能的翻译文本，并且保证其有可读性和无语法错误。同时对于张培基已经翻译过的文本，ChatGPT也能生成不同可能性但符合张培基翻译思路以及风格的文本给翻译学习者提高不同的思考方式，多样化的总结和复盘，巩固基础。
3. 数据结果分析
在实验的过程中，首先确定的是，在没有让ChatGPT准确识别主题和已经基本识别了主题的情况下，翻译文本的差别是比较大大的，这也是需要在一开始确保ChatGPT准确识别主题的原因。(注：中文文本虽然选择了张培基先生已翻译过的文本，但是ChatGPT在识别“张培基文学翻译”这一主题的过程中，并未事先收录这段文字。其具体翻译结果见图4与图5。
Figure 4. The translation text by ChatGPT without preliminary recognizing the literary translation theme of “Zhang Peiji”
图4. 未识别“张培基”文学翻译主题的翻译文本
Figure 5. The translation text by ChatGPT after preliminary recognizing the theme of Zhang Peiji
图5. 初步识别张培基文学翻译主题的翻译文本
Of course I hate biting wind and icy snow But when they are compared with fog, I would rather have the former than the latter! Though biting wind and icy snow sometimes be a killer, yet they can also spur people on to greater efforts. O you fog! You plunge us into a state of depression and dejection, from which we struggle in vain to extricate ourselves as if we were bogged down in a mire (张培基先生的参考译文).
Figure 6. The comparison between the first generated text by ChatGPT and Zhang Peiji’s translated text
图6. 识别主题后，ChatGPT生成的第一次翻译文本对比
Figure 7. The comparison between the third polished text by ChatGPT and Zhang Peiji’s translated text
图7. ChatGPT生成的第三次润色文本对比
Figure 8. Trend of BLEU score after polishing
图8. 润色后BLEU值变化趋势
通过图4和图5两个结果的对比，我们发现在初步识别张培基先生的文章风格后，尤其是后半段，ChatGPT在用词方面已经开始像张培基先生的译文开始贴近了。而具体的贴进度，我们还需要进行计算。并且在原文的基础上要求其多次的润色，计算其BLEU值的变化。并且用1Checker软件统计每次润色后的语法错误，以及用词等，在用“功能对等理论”的翻译质量标准检验。BLEU值对比结果见图6和图7，润色后的BLEU值变化趋势见图8，1Checker的结果如图9所示。
Figure 9. Analysis and summary of recognized errors in three texts generated by ChatGPT through 1Checker software
图9. 1Checker软件对ChatGPT三次生成文本识别错误分析总结
Figure 10. The interaction process between students and ChatGPT
图10. 学生与ChatGPT互动过程
通过第一次实验结果确认，在充分识别翻译名家的翻译文本主题之后，ChatGPT会从用词、句法结构等层面提高与参考译文的贴进度，每个句子中张培基先生曾经使用过的词汇比例在增加，经过三次以上润色之后，BLEU值会稳定在60%以上，并且通过1Checker软件对文本的识别后，均没有拼写、语法等错误，并且在用词水平方面也是随着润色的过程中提高高级词汇的比例，但是并不是简单地全部运用高级词汇，而是各类词汇基本都有运用。这也符合张培基先生的一些用词标准，根据ChatGPT所反馈的张培基先生的用词特点，张培基先生个人的用词习惯有向高级词汇方向趋近，但是也有一些较为常见的词汇。第二步，在确定ChatGPT能在识别一个特定翻译名家的翻译特点主题下，根据特点总结生成贴近该名家翻译风格的文本。我们还需要检验ChatGPT对学生翻译文本练习的反馈效果。学生与ChatGPT译文互动部分流程见图10，学生翻译的文本与ChatGPT生成的三次润色译文及参考译文如图11所示，学生译文以及润色后译文的BlEU值见图12，1checker对学生译文以及三次润色的译文的检验结果分别见图13和图14，ChatGPT还能根据提示对译文进行总结，见图15。
Figure 11. Three user’s polished translation texts generated by ChatGPT after recognizing Zhang Peiji’s translation style
图11. ChatGPT依据“张培基”翻译风格对学生翻译文本三次润色文本
Figure 12. The changing trend of BLEU value after three rounds of refinement by ChatGPT
图12. ChatGPT三次润色后的BLEU值变化
Figure 13. Recognition results for the user’s initial translation text through 1Checker
图13. 1Checker软件对学生译文的初步识别结果
第二次实验的结果与第一次基本一致，针对学生的译文，通过总结翻译名家“张培基”先生的特点后，ChatGPT会根据具体要求对学生或译者的译文进行润色，在润色的过程中，BLEU值的变化基本是随着润色次数的增加而提高，并且最后也是稳定在60%以上。润色后，也会默认修正学生翻译过程中出现的拼写错误和其他错误，增加高级词汇的运用比例，提高译文的准确度和质量。最后，我们将ChatGPT识别张培基先生的翻译风格后所生成的翻译文本通过“功能对等理论”的标准进行检验。我们发现ChatGPT在生成的每一次译文都是尽可能贴近原文的行文结构和内容，这也是多数机器翻译识别的特点，但是ChatGPT可以通过互动的方式，根据识别的主题和译者的具体要求，在忠实原文内容的情况下也可以改变行文结构，这在互动的过程中也考验了译者的翻译修养和文化素养，提供多种思考和复盘方式。值得肯定的是，在充分识别主题的前提下，ChatGPT每一次的翻译文本都符合英语的语法结构以及基本完整忠实地还原了原文的信息，符合英语也就是译入语的规范，传达了原文的基本信息，在译者风格和文体上由于其对文本类型有基本的识别能力，在这样的前提下，除非译者或学生提出修改文体或是文风这种具体要求，ChatGPT基本不会修改翻译文本的基本风格，并且还需要尽可能地还原翻译名家的语言习惯和贴近用词概率，从某种意义上来说，它在尽可能地还原或重组文学翻译名家的作品，同时也有根据自身庞大词库进行二次创作，但这一切都是以译者或学生的提问标准为前提，因此虽然不能准确地说传达原文的精神或是艺术风格，但是不会与原文过度背离。而关乎读者翻译类似这一标准，这个对于多数的译员在现实的工作中也难以评判和界定，在机器翻译中更是难以评估，但是可以确定的是，在ChatGPT是可以在一定语境中识别修辞和一些特有词汇、语法结构等要素，这也是人类创作的艺术展现，因此在读者反应这个标准中，读者在熟悉张培基等名家的翻译风格的前提下，从理论上也能识别出ChatGPT中与名家风格类似的地方，然而，这并不是我们最理想的读者反应，若翻译名家在一开始便尽可能地将“功能对等理论”中的“读者反应类似”这一标准作为其文学翻译过程中的最大目标，那么当ChatGPT充分识别这类翻译名家的中英对照文本下，生成的翻译文本在经过进一步的润色从理论上可能会让不同文化的读者尽可能地产生类似的自然反应，然而这种自然反应毕竟是主观要素，难以量化，有时也难以实现和比较。除了读者反应类似这一标准外，ChatGPT在充分识别大量翻译名家作品的情况下，产生的翻译文本应该是基本合格的，并且在可见的表层结构标准下，如用词、句法结构等也有贴近名家翻译的地方，且没有语法和其他错误。在运用杨宪益等翻译大家的中英文对照文本作为主题的过程中，也基本得到了类似的结果。
![]()
Figure 14. Analyzed results from three rounds of polishing by ChatGPT through 1Checker
图14. ChatGPT三次润色后1Checker识别结果
Figure 15. Some translation suggestions and feedback provided by ChatGPT
图15. ChatGPT提供的一些翻译建议反馈
4. 结论
通过本次的两个实验过程，可以得出以下的结论：1) 投入大量文本或主题集中度比较强的文本之后，GPT的准确度会不断精确。有利于形成贴合度较高的翻译文本，包括文学翻译，并且生成的英语翻译文本几乎没有语法错误，而且逻辑较强，基本符合功能对等理论的翻译标准，但是对于读者反应层面，鉴于其不稳定性，还是比较难以界定。2) 在充分识别主题的前提下，通过不断地有效互动，GPT有利于提供不同的翻译文本进行参考，会根据主题对学生翻译文本进行适当润色，提供修改建议，总结特点，提出较为高效且全面的反馈。有利于学生和译者的学习和巩固。3) ChatGPT在除了提高自身译文与名家译文贴合度以外，随着润色次数增加，会基本稳定在60%以上，也会提高词汇的广度和高级词汇和表达的运用概率，同时根据名家的译文，在一定程度上也能识别一些修辞和潜在意义，并将其保留或者提高其他参考表达，增加思考和总结，帮助学生举一反三，帮助学生输入和输出。总体来说，ChatGPT生成的文学翻译文本质量基本合格，进一步完善则需要使用者不断提高文学素养和品鉴能力，这依然需要学生和译者不断地阅读和练习，提高文学翻译的水平。在一定程度上，ChatGPT能够为翻译学习者特别是初学者提供一些基本的辅助，快速理解或掌握名家的用词习惯和句法结构等，这也从一定程度上帮助他们模仿了名家的部分翻译风格，为以后塑造独立的风格奠定了基础，也提高了学习的效率，这也证明了ChatGPT在一定程度上能在文学翻译的学习过程中起到一定的辅助作用。然而，翻译的风格不能简单地等同于一个人的用词习惯和句法等层面，更多的是整体产生的艺术效果和读者的阅读感受，这是更为主观的层面，这种问题的探讨暂时难以靠机器翻译或是人工智能解决，这也是我们认为文学翻译不会被机器翻译或是像ChatGPT之类的人工智能取代的一种原因。而在翻译服务领域，能胜任文学翻译的译者如今是少之又少，但必然有很深的文学功底，这类人才也需要拥抱技术，与时俱进地学习新技术，通过技术的最新特点进一步提高学习和巩固翻译功底的效率，成为真正的高素质翻译人才，这也应该是我们翻译行业未来学习的一个趋势，也是文学翻译这一领域需要去学习的一个领域和学习的新方向和新思路，提高了翻译效率和学习效率，并且不断提高自己的翻译水平，随着这类人才的增加，文学翻译可能在未来也会有更大的市场。