人工智能背景下中国古诗词名篇翻译欣赏——以几首经典词作人机翻译对比为例.pdfVIP

/

名作欣赏主题宣传

人工智能背景下中国古诗词名篇翻译欣赏

——以几首经典词作人机翻译对比为例

⊙刘心怡［广东白云学院，广州510450］

⊙何高大［华南农业大学，广州510642］

摘要：

随着人工智能技术的快速发展，其在自然语言处理领域的应用日益广泛，其中古诗词翻译作为一项具有

挑战性的任务，吸引了众多研究者的关注。本文介绍了人工智能翻译的基本原理和常用方法，分析了人工智能

在翻译古典诗词名篇时所面临的特殊困难与挑战，并以李清照的经典词作《声声慢》为例，对比分析人工智能软

件“文心一言”与知名译者许渊冲的英译版本，探讨人工智能软件在翻译中国古诗词领域的发展前景。

关键词：

古诗词翻译人工智能“文心一言”

DOI:10.20273/ki.mzxs.2025.06.052

人工智能在翻译古典诗词方面具有一定潜力，但仍面临语境和文化等层面的挑战。古典诗词作为中华

文化的精髓，对其翻译不仅要求语言上的准确性，还需捕捉其独特的韵律、意象和意境。人工智能翻译古典

诗词需要综合考虑语言处理、机器学习等多方面的技术，并在实践中不断探索和完善。

一、人工智能翻译诗词常用方法

人工智能翻译诗词的常用方法主要包括三种。第一，基于规则的翻译方法。这种方法依赖预先设定的

规则和模板进行翻译。对于诗词来说，这些规则包括韵律、平仄、对仗等方面的要求。人工智能系统通过识

别源语言诗词中的这些特征，应用相应的规则，生成目标语言的诗词。然而，这种方法在处理相对复杂和灵

活的诗词语言时可能受到限制。

第二，统计机器翻译方法。这种方法基于大量的平行语料库（即源语言和目标语言的对应文本）进行

训练，学习从源语言到目标语言的映射关系。翻译过程中产生的任何词汇，如有再次使用的可能，都会被收

录其中，成为其内涵资源。诗词翻译可以通过训练模型来捕捉诗词的语义、风格和韵律等信息。然而，由于

诗词的多样性和创新性，统计机器翻译方法同样难以完全捕捉到诗词的音美、韵美、意美、形美之精髓。

第三，神经网络翻译方法。近年来，基于神经网络的翻译方法，特别是深度学习模型，在翻译中进展显

著，国内外多家公司，如谷歌、小牛翻译、科大讯飞、腾讯均进行了神经机器翻译的开发并有多款产品线下线

上运行。通过训练深度神经网络模型，自动学习源语言和目标语言之间的映射关系，神经网络可以捕捉诗

词的复杂特征，如语义、情感、风格等，并生成更自然、更贴近原意的目标语言诗词。

二、人工智能翻译中国古诗词的挑战

在翻译中国古典诗词时，人工智能系统面临着诸多特殊困难与挑战。首先，古典诗词中蕴含的文化语

境是机器难以完全捕捉的。诗词往往融入了深厚的文化传统、风俗习惯、思维方式和价值观念，这些深层次

的文化内涵对于没有实际文化体验的机器来说，理解起来尤为困难。例如，诗词中的典故、隐喻和象征等手

法，都需要深入理解其背后的文化内涵，才可以实现准确翻译。其次，古典诗词的语言精练、意象丰富，言简

意赅，寓意深远，其语言风格有清新、明快、凝练、含蓄、华丽、质朴、简洁、工丽、隽永、晦涩等语言之美、语感

之美，这种高度凝练的语言形式对机器翻译提出了极高的要求。机器翻译往往难以准确表达诗词中的意象

和情感，导致译文失去原诗的韵味、意境和语言之美和语感之美。

此外，诗词的韵律和格律也是机器翻译难以处理的难题。古典诗词注重平仄、对仗和押韵等音韵特征，

这些特征在机器翻译中往往被忽视或简化处理，导致译文在音韵上与原诗相差甚远。人工智能在翻译过程

中还面临着数据稀缺和算法局限的问题。由于古典诗词的语料库的局限性，机器翻译模型难以演算到诗词

的语言特点和翻译规律。同时，现有的翻译算法在处理复杂语言现象时，尤其是语感之美，仍存在一定的局

23

MASTERPIECES