夜雨聆风摘 要：误译是翻译实践中普遍存在的问题，误译研究在翻译学术研究和翻译教育方面都具有重要价值。本文系统整理了《万物简史》中文版部分章节中的误译，对其进行分类，并对比分析了人类译者与ChatGPT和Kimi两款人工智能应用对这些文本的翻译，试图解答“翻译中人所犯的错，AI是否仍在犯”这个问题，并探索AI翻译中的易错类型。本研究有助于让翻译学习者和从业者更清晰地看到人类译者和人工智能各自的优缺点，为人机协作提供指引，并对各自如何改进翻译能力提供有价值的参考。
关键词：人工智能；ChatGPT；Kimi；图书翻译；人机协作
一、引言
误译是翻译实践中普遍存在的问题，它可能源于语言差异、文化差异、译者的主观理解、翻译策略选择不当等多种因素。误译广泛地存在于引进版图书等翻译文本中，相关的误译分析多以批评文章的形式见于一些普通报刊，专业学术期刊中的误译研究文献总量偏少，在翻译类文章中占比较低，且发表的论文关注的多是公示语翻译、外宣翻译等汉译外活动中的误译，针对受众数量更大、影响面更广的引进版图书翻译中的误译现象开展的研究较少。然而，误译研究在翻译研究和教育方面均有重要价值。首先，误译研究可以推动翻译理论的发展，为翻译理论提供丰富的案例分析和实证研究。其次，误译研究还能为翻译质量评估提供标准和方法，也能成为翻译批评的重要工具，有助于揭示翻译过程中的不足。再次，误译研究有助于改进翻译教学，使翻译专业学生提高语言分析能力、批判性思维和跨文化交际能力。最后，误译研究还有助于提高译者的翻译伦理意识。
《万物简史》（A Short History of Nearly Everything）是美国作家比尔·布莱森（Bill Bryson）的著作。该书英文版出版于 2003年，简体中文译本第 1版第 1次印刷的时间是 2005年（布莱森，2005）。中文版出版后不久，即有读者指出其引言部分的误译较多（阮一峰，2005）。在之后的多次重印中，出版方陆续修改了一部分读者指出的错误，不过直至第 35次印刷，书中仍存在较多的误译。笔者将搜集到的部分误译与两种影响较大的人工智能（artificial intelligence，AI）应用——ChatGPT和Kimi的译文做了一番对比，试图回答以下问题：翻译中人所犯的错，AI是否仍在犯？ AI最容易在哪些方面出错？翻译工作中如何更好地借助AI提高效率和质量？之所以做这番探索，是考虑到在AI时代，研究人类译者的误译并与AI翻译进行对比，能使我们更清晰地看到人类译者和AI各自的优缺点，为人机协作提供借鉴，并对各自如何改进翻译能力提供有价值的参考。此外，对引进版图书的误译进行梳理和对比分析还可以帮助出版方认识到该书多次印刷中存在的疏漏，提升译者和编辑的责任意识，以求在未来的版次中做出改进。
二、《万物简史》中的误译类型
本文搜集了《万物简史》13章（分别是引言部分和第一、二、三、四、八、九、十一、十二、十三、十四、十五、二十七章）中的126处误译，涵盖翻译的基本规范、名词、理解、表达、背景知识和读者意识等方面的失误（见表 1），比较全面且突出地反映了译者的失误。在这些分类的基础上，本文结合本杰明·布鲁姆（BenjaminBloom）的认知层次理论（Lasley, 2025）来观察这些误译。布鲁姆提出的认知层次从简单到复杂依次是：记忆（remembering）、理解（understanding）、应用（applying）、分析（analyzing）、评价（evaluating）和创造（creating）。本文将这部书中的误译分为低阶（记忆和理解，包括基本规范和名词方面的错误）、中阶（应用和分析，主要是理解和表达类的错误）以及高阶（评价和创造，主要是涉及背景知识和读者意识的错误）三个大类。
（一）低阶认知类误译
译者在翻译的基本规范以及名词意义的选择方面出现的失误可以看作低阶认知错误。经过专业训练，提高译者的职业伦理意识，能有效避免此类错误。在笔者收集的126个误译中，此类错误总占比为 29.4%，显示出译者语言基础欠佳，责任心不足。
1.数字错误
这本书的数字错误多出现在对一些大数的转换上。在引言部分，原作者在谈及人的平均年龄的时候，刻意使用了“小时”作为单位，说人的寿命一般为 65万小时左右。译文中 65这个数字被“凑整”变成了 100，然而这个数字后面还有“万”，相当于把人的平均年龄增加到了 100万小时，约等于114年。另一个数字转换错误是把“halfa million”转换成了“250万”（布莱森，2005：12）。在第185页，译者将“hundreds of miles”转换成“数公里”，漏掉了“hundreds”这个词。有的数字转换错误还违背了科学常识。如在第387页，提到最后一次冰期出现在8万年前，中文版译作8000年前，相差了10倍。针对上述所有问题，AI均未出错。人们可能以为，基于计算机强大的计算能力建立的AI在数字转换方面不会出错。然而实际情况是，在转换大数的时候AI也会出错。
（1）SL: In less than a minute the universe is a million billion miles across and growing fast. There is a lot of heat now, ten billion degrees of it, enough to begin the nuclear reactions that create the lighter elements—principally hydrogen and helium, with a dash (about one atom in a hundred million) of lithium.(Bryson, 2004: 10)
TL：不到1分钟，宇宙的直径已经有1600万亿公里，而且还在迅速扩大。这时候产生了大量热量，温度高达 1000万摄氏度，足以引发核反应，其结果是创造出较轻的元素——主要是氢和氦，还有少量锂（大约是1000万个原子中有1个锂原子）。（4）
ChatGPT：在不到一分钟的时间里，宇宙已经扩展到一百万亿英里，并且还在迅速增长。此时的温度极高，达到了100亿度，足以开始核反应，创造出较轻的元素——主要是氢和氦，还有少量（大约每亿个原子中有一个）锂。
Kimi：不到一分钟，宇宙就横跨了一万亿英里，并且正在迅速扩大。现在有很多热量，大约十亿度，足以开始核反应，创造出较轻的元素——主要是氢和氦，还有少量的锂（大约十亿分之一）。
在例（1）中有 3个大数，中文版只译对了 1个，即“a million billion miles”（译者将“英里”换算成了“公里”）。第二处的数字应该是“100亿”，结果译本转换成了“1000万”；第三处的数字应该是“1亿”，却被转换成了“1000万”。两种AI给出的数字中，ChatGPT的转换全部正确，但是Kimi有两处出错，“ten billion”转换成了“十亿”，“one in... a hundred million”转换成了“十亿分之一”。
2.标点符号错误
翻译初学者一般认为中英文之间标点符号差异不大，因此标点符号在翻译中可以“照搬”。其实，很多翻译家都曾指出，翻译中要根据实际情况调整标点符号，不能机械地照搬。如思果（2001：190）就指出：“破折号在英文里往往用到，中文却不大能容它。遇到英文里有破折号，如果文字方面能解决这个问题，就在文字上解决，不得已再用。”《万物简史》译者对于原文的破折号几乎全部采用了照搬的策略，造成了很多不当的译文。由于篇幅有限，此类错误本文不专门举例。
3.名词错误
此书中的名词翻译错误在所有误译样本中的占比为 18.3%。译者如果缺乏对语义和上下文的敏感性，就有可能机械套用某些词的最常见义项，导致语义错配，尤其是当某常见义项放在译文中似乎“说得通”的时候，译者就更容易因为轻率而产出误译。思果（2001：XXI）曾指出：“切不可抱定一个英文字只有一个中文译文解释，以不变应万变。如果你译一个英文字把认定的一个意思写下，再和上下文同看，觉得不大像话，你可能错解了那字的意思，赶快细查字典。”如中文版第 116页说到天文学家哈勃“作为一名学者，他也是出色得不得了，不费吹灰之力就考上芝加哥大学”。现代汉语中“学者”一词指的是具有一定学识水平的专家，而根据句子内容可知哈勃此时只是中学生，显然还不是“学者”。《韦氏词典》a对“scholar”给出的第一个义项是“a person who attends aschool or studies under a teacher: PUPIL”。据此可知，应将“scholar”译作“学生”。两种AI均出现了同样的失误，可见“scholar=学者”的刻板印象已经影响了AI的认知。另外一个让人工译者和AI都出错的名词是“colleague”。第 186页讲到沃里斯把样品寄给美国西部各地的“colleagues”。既然这些人是在美国西部不同的大学和研究机构工作，应译为“同行”（同一学科领域）而非“同事”（同一机构）。
本文搜集的误译中有 15个涉及科学术语，1个涉及人名（把美籍日裔科学家“加来道雄”的名字按照英文“Michio Kaku”音译为了“米奇奥·卡库”）。对比发现，大部分情况下AI没有重蹈人工翻译的覆辙，表现良好。
如例（2）中，译者将“Jupiter”（木星）当作了“土星”。统观全书会发现，译者经常把这两颗行星的名字弄颠倒。在谈到阿波罗登月计划使用的运载火箭时，译者就将其误译作了“木星 5型火箭”（182）。第 35次印刷中改正了这一段中对“Jupiter”的误译，然而紧接着下一段，“在一张成比例的太阳系图上......土星便会在 300多米以外”这一句中的“土星”，原文其实仍然是“Jupiter”。
（2）SL：Neptune in reality isn’t just a little bit beyond Jupiter, it’s way beyond Jupiter—five times farther from Jupiter than Jupiter is from us, so far out that it receives only 3 percent as much sunlight as Jupiter.(24)
TL：海王星其实不是在土星以外一点儿，而是在土星以外很远的地方——它离土星的距离比土星离我们的距离还要远5倍。它在外面那么遥远的地方，接受的阳光只有土星的 3%。（17）
对于此书中文版出现误译的多数科学术语，两种AI翻译时都未出错。如“short-period comets”和“long-period comets”在书中分别被误译为“短命彗星”和“长命彗星”（15），而两种AI都给出了正确的翻译（分别是“短周期彗星”和“长周期彗星”）。另外，中文版第 27页把“critical mass”（临界质量）误译作“关键的质量”，第 190页把“intraplate quakes”（板内地震）误译作“跨板块地震”，而两种AI的翻译都正确无误。
但是，对于科学术语的转译，AI的表现也并没有达到十全十美的境地。针对本文收集的误译，ChatGPT出现了 2处失误，Kimi出现了 4处。如例（3）中的“duality”，人类译者未能识别这个词是科学术语“波粒二象性”（wave-particle duality），而是把它当成普通名词翻译为“两重性”。Kimi犯了类似的错，把它视作非物理学名词，译作“二元性”。
对于此书中文版出现误译的多数科学术语，两种AI翻译时都未出错。如“short-period comets”和“long-period comets”在书中分别被误译为“短命彗星”和“长命彗星”（15），而两种AI都给出了正确的翻译（分别是“短周期彗星”和“长周期彗星”）。另外，中文版第 27页把“critical mass”（临界质量）误译作“关键的质量”，第190页把“intraplate quakes”（板内地震）误译作“跨板块地震”，而两种AI的翻译都正确无误。
但是，对于科学术语的转译，AI的表现也并没有达到十全十美的境地。针对本文收集的误译，ChatGPT出现了 2处失误，Kimi出现了 4处。如例（3）中的“duality”，人类译者未能识别这个词是科学术语“波粒二象性”（wave-particle duality），而是把它当成普通名词翻译为“两重性”。Kimi犯了类似的错，把它视作非物理学名词，译作“二元性”。
（3）SL：The principal problem they faced was that the electron sometimes behaved like a particle and sometimes like a wave. This impossible duality drove physicists nearly mad.(143)
TL：他们面临的主要问题是，电子有时候表现得很像粒子，有时候很像波。这种令人难以置信的两重性几乎把物理学家逼上绝境。（128）
ChatGPT：他们面临的主要问题是，电子有时表现得像粒子，有时又像波。这种不可能的二象性几乎让物理学家发疯。
Kimi：他们面临的主要问题是电子有时表现得像一个粒子，有时表现得像一个波。这种不可能的二元性几乎让物理学家发疯。
对于不易分辨的术语，ChatGPT和Kimi等AI在翻译的时候都有可能出错。在宇宙学中，“inflationary universe”指的是大爆炸发生后不久急速膨胀的宇宙，对应的中文术语是“暴胀宇宙”。但是中文版以及两种AI都将其误译为“膨胀的宇宙”（3）。后者只是一般性的名词，对应的英文是“expanding universe”。
可以看出，本小节给出的名词误译大部分是译者粗心或知识不足造成的，此种情况下AI一般不会出错。但是也有人与AI同时出错的情况，对此最终还要依靠具有高度责任心的译者来把关才能避免，因为谨慎的人类译者面对AI仍然具有洞察力和推理能力等方面的优势，可以发现按照常见字面意思翻译所造成的不合理之处。
（二）中阶认知类误译
在笔者搜集到的误译案例中，属于中阶认知层次的误译总占比达到了65.1%。
1.理解问题
在126个误译中有49个语义类误译，在所有类型中比例最高。两种AI在这方面的误译比例也较高，但数量上明显低于人类译者，总体表现令人满意。如中文版前言的第4页将“comprehensible”误译作“包罗万象的”，第12页将“more remarkable”误译作“更为寻常”，而两种AI的理解都没有出错。
例（4）反映了人类译者和AI最常犯的词义理解错误之一，即分不清楚“observe”在上下文中的具体意思。用在直接引语前，“observe”往往表示“说”，可以译作“评述道”“说道”等。ChatGPT也未能分清此处该词的真实含义，出现了误译。
（4）SL：“Quantum theory is very worthy of regard,” he observed politely, but he really didn’t like it. “God doesn’t play dice,” he said.(146)
TL：“量子理论很值得重视。”他彬彬有礼地认为，但心里并不喜欢，“上帝不玩骰子。”他说。（130）
ChatGPT：“量子理论是非常值得尊重的，”他礼貌地观察道，但他确实不喜欢它。“上帝不掷骰子，”他说。
Kimi：“量子理论非常值得关注，”他礼貌地说，但他真的不喜欢它。“上帝不掷骰子，”他说。
中文版中由于译者对句子理解的偏差而造成的误译也有多处。如例（5）中，“didn’t know a quark from a quasar”这个短句，跟前面的“didn’t know what a proton was...”紧密联系。但是，译者孤立地对待“a quark from a quasar”这一局部文本的信息，造成了理解错误。此外，依据科学知识，“类星体的夸克”一说也不成立，因为类星体距离我们的星系极其遥远（大约在 100亿光年以外），不可能存在“来自类星体的夸克”。两种AI在此处均没有出现误译。
（5）SL：I didn’t know what a proton was, or a protein, didn’t know a quark from a quasar, didn’t understand how geologists could look at a layer of rock on a canyon wall and tell you how old it was, didn’t know anything really.(6)
TL：当然，海水的咸度只是我不知道的事情中的极小部分。我不知道什么是质子，什么是蛋白质，不知道类星体的夸克，不理解......（引言 6）
ChatGPT：......我不知道质子是什么，或者蛋白质，不知道夸克和类星体的区别......
Kimi：......我不知道质子是什么，或者蛋白质，不知道夸克和类星体的区别......
误译往往会导致前后内容不一致、逻辑不通，或是违背科学知识等，这些都是提醒译者译文有可能存在错误的“信号”。如果译者认真对待，仔细查考，完全可以避免失误。例（6）原文出自引言的结尾。在引言的开头，作者曾说，人的寿命一般在65万小时左右；此处作者说他想要更多地了解自己生活的这个地球，并感到时不我待，而他已经活在世上很长时间，所以说做这件事（了解地球和宇宙）的时间已经远少于 65万个小时。中文版将引言中第一次出现的“65万个小时”误译作“100万个小时”，到了此处，译者本人受到了干扰，未能呼应前文，从而造成了此处进一步的翻译错误。
（6）SL：That was my idea and my hope, and that is what the book that follows is intended to be. Anyway, we have a great deal of ground to cover and much less than 650,000 hours in which to do it, so let’s begin.(6)
TL：这曾经是我的想法，我的希望，本书就是按照这个意图来写的。反正，我们要涉及的范围很广，而办这件事又远远用不着100万个小时，因此我们就开始吧。（引言 6）
ChatGPT：......而时间却远少于 650,000小时，所以让我们开始吧。
Kimi：......而且我们的时间少于650,000小时，所以让我们开始吧。
在例（7）中，译者没有分析清楚代词“one”指代的是什么。爱因斯坦的本意是说他平时没那么多“好点子”，无须随身携带笔记本记录。由于译者将“one”误认为代指“笔记本”，最后一句变成了作者布莱森对爱因斯坦的批评——原本是爱因斯坦幽默自谦，结果变成作者布莱森冒昧地批评起这位大科学家了。ChatGPT正确还原了“one”代指的“想法”，但是Kimi的译法有些模糊，也应视作误译。
（7）SL：When the poet Paul Valéry once asked Einstein if he kept a notebook to record his ideas, Einstein looked at him with mild but genuine surprise. “Oh, that’s not necessary,” he replied. “It’s so seldom I have one.” I need hardly point out that when he did get one it tended to be good.(123)
TL：有一次，诗人保罗·瓦莱里问爱因斯坦，他是不是随身带着个笔记本记录自己的思想，爱因斯坦稍稍而又着实吃惊地看了他一眼。“哦，那是没有必要的，”他回答说，“我极少带个笔记本。”我无须指出，要是他真的带个本子的话，倒是很有好处的。（108）
ChatGPT：......“哦，那没必要，”他回答道。“我很少有想法。”我几乎不必指出，当他确实有想法时，那往往是好的。
Kimi：......“哦，那没必要，”他回答。“我很少有一个。”我几乎不需要指出，当他确实有一个时，它往往是好的。
有些词看似普通，却可能有特别的含义，译者如不仔细分辨就容易出错。如例（8）中，“races”前面有一个定冠词“the”，而且在上下文中并没有其他地方提及“races”，因此这个“the”是一个特殊的标记，说明该词可能有特殊含义。查词典可知，在英式英语中，“the races”专指赛马会。对此，两种AI都指出了这一特定情境，表明ChatGPT等AI针对英语等高资源语言具有较好的语境理解能力（耿芳、胡健，2023）。基于这种能力，两种AI对“come to that”的处理也较为灵活。
（8）SL：And how, come to that—or perhaps above all—can scientists so often seem to know nearly everything but then still can’t predict an earthquake or even tell us whether we should take an umbrella with us to the races next Wednesday?(6)
TL：科学家怎么往往好像差不多什么都知道，而又仍不能预测地震，甚至不能准确地告诉我们下星期三看比赛时该不该带雨伞？这到底是怎么回事——尤其是在经过回想以后？（引言 6）
ChatGPT：说到这——或者更重要的是——科学家们常常似乎知道几乎所有事情，但却仍然无法预测地震，甚至无法告诉我们下周三去赛马场是否需要带伞？
Kimi：那么，怎么会这样——或者也许最重要的是——科学家们似乎经常知道几乎所有的事情，但仍然不能预测地震，甚至不能告诉我们下周三我们是否应该带伞去赛马场？
例（9）包含一个较难察觉特殊含义的短语。“to fire in anger”指的是“实战”，而非“愤怒的枪炮声”或“因愤怒而开火”。可能是由于这个短语的字面意思看上去似乎也讲得通，因此两种AI在执行翻译指令的时候也都犯了错。
（9）SL：He arrived in France one month before the Armistice and almost certainly never heard a shot fired in anger.(128)
TL：他是在签订停战协定前一个星期抵达法国的，几乎肯定没有听到过愤怒的枪炮声。（114）
ChatGPT：他在停战协定签署前一个月抵达法国，几乎可以肯定从未听到过愤怒中的枪声。
Kimi：他在停战协定前一个月抵达法国，几乎可以肯定从未在愤怒中听到过枪声。
有趣的是，如果让ChatGPT评价一下中文版的译文，它就能更好地识别误译，成功地找到对“fired in anger”的误译：
“almost certainly never heard a shot fired in anger”的翻译为“几乎肯定没有听到过愤怒的枪炮声”，这里的“a shot fired in anger”是指实际的战斗，所以更准确的翻译应该是“几乎肯定从未经历过实战”。
由此看来，针对不同的提示词，AI关注的焦点也会发生变化，并最终给出不同的回答。难题在于，必须经由高水平的人类译者做出最终的判断。
《万物简史》的误译有多处是译者因为未关注上下文的语义逻辑而犯的错。在例（10）中，作者先罗列了哈勃的诸多“英雄事迹”，然后说“太完美，不可能是真的”；但紧接着又说“It was”。翻译这个省略句时，中文版译者和AI都出现了失误。这句话的完整形式应该是“It was too good to be true”，即“确如大家所想，太完美，不是真的”。而且，如此翻译，正好跟下面紧接着的一句话的语义衔接了起来：哈勃爱撒谎。
（10）SL：According to his own accounts, he also managed to fit into his life more or less constant acts of valor—rescuing drowning swimmers, leading frightened men to safety across the battlefields of France, embarrassing world-champion boxers with knockdown punches in exhibition bouts. It all seemed too good to be true. It was. For all his gifts, Hubble was also an inveterate liar.(128)
TL：用他自己的话来说，他生活中还经常干一些见义勇为的事——抢救落水的人；领着吓坏了的人穿越法国战场，把他们带到安全的地方；在表演赛中几下子就把世界冠军级的拳击手打倒在地，弄得他们不胜难堪。这一切都好得简直令人难以置信，但都是真的。尽管才华出众，但哈勃也是个顽固不化的说谎大王。（113）
ChatGPT：......这一切似乎好得令人难以置信。确实如此。尽管拥有诸多天赋，哈勃也是一个根深蒂固的说谎者。
Kimi：......这一切都太好了，难以置信。是的。尽管他有天赋，哈勃还是一个不可救药的骗子。
在实际的翻译过程中，译者应该意识到“都是真的”这句话在逻辑上讲不通。笔者针对ChatGPT的译文继续提问，让它指出“It was”省略了什么内容，它的回答是：
在这句话中，“It was”后面省略的内容通常是对前一句话的否定或反转。完整的意思是“这一切似乎好得令人难以置信。确实如此（好得令人难以置信）。”这意味着前面描述的那些英勇行为实际上并不真实，暗示哈勃的这些自述是夸大的或虚构的。
《万物简史》一书中的外来语不多，但针对少数几处外来语，译者的处理几乎都出现了失误。例（11）描述秘鲁境内的安第斯山时引用了西班牙语的说法“muy accidentado”，同时附上了英文解释“much accidented”（凹凸不平）。译者没有仔细查阅“accidented”的意思，将这个表达误译作“非常少见”。ChatGPT在此处显示了人工智能“博闻强记”的优势，理解正确；而Kimi可能由于训练语料不足，未能正确理解这句西班牙语，同时也误解了英文注释，误译作“事故多发”。
（11）SL：In fact, the mountains of Peru were so constantly lost in cloud that the team often had to wait weeks for an hour’s clear surveying. On top of that, they had selected one of the most nearly impossible terrains on Earth. Peruvians refer to their landscape as muy accidentado—“much accidented”—and this it most certainly is.(52)
TL：实际上，秘鲁的大山经常云雾笼罩，这个小组常常不得不等上几个星期，才等得上一个小时的晴天来进行测量。不仅如此，他们选了个地球上几乎最难对付的地形。秘鲁人称这种地形是“非常少见”的——这话绝对没错儿。（43）
ChatGPT：......秘鲁人将他们的地形称为“muy accidentado”——意为“非常崎岖”——这确实如此。
Kimi：......秘鲁人将他们的地形称为“muy accidentado”——“事故多发”——这绝对是这样的。
2.表达问题
《万物简史》中文版译文中的另外一类突出误译出现在表达方面。具体说来，有表达生硬、欧化句式以及因译者个人语言习惯而造成的不当表达等。在欧化句式中，又主要有定语过长、“是......的”结构过多等具体问题。
在表达问题中，定语过长的情况也较为多见，如第 209页出现的“以前被认为是温度太高，或酸性太强，或含硫太多，因而无法产生生命的水”，“水”之前的定语过长，读来吃力，也极容易让读者丧失焦点，抓不住句子的核心意思。
译者在遇到英文中有特色的表达时缺乏变通也是造成误译的重要原因。例（12）的生硬表达源自译者没有判断出“you could do worse (than to)”是一个习语，而是照着字面进行了翻译。这个习语的意思是，“做某件事（即考虑蒂顿山脉为例）是一个非常好的选择”。此处的中文版译文，从逻辑上能讲得通（既然去别的地方都会比蒂顿山脉更差一些，那么蒂顿山脉就是最好的选择），然而这么说却不符合汉语的表达习惯，需要灵活变通，确保汉语表达地道。ChatGPT翻译为“不失为一个好选择”就很好地传达了原文所要表达的意思。
（12）SL：If you needed a way to appreciate the grandeur and inexorable nature of geologic processes, you could do worse than to consider the Tetons, the sumptuously jagged range that stands just to the south of Yellowstone National Park.(232)
TL：若要欣赏地质过程的威力和无情，你肯定挑得出比蒂顿山脉更糟糕的例子。蒂顿山脉位于黄石国家公园以南，峭壁嶙峋，非常险峻。（206）
ChatGPT：如果你想要一种方式来欣赏地质过程的宏伟和不可阻挡的特性，那么考虑一下大提顿山脉也不失为一个好选择......
Kimi：如果你需要一种方法来欣赏地质过程的宏伟和不可阻挡的性质，你可以考虑提顿山脉......
例（13）中，在讲完地质学家因为地壳产生的问题而分为两大阵营之后，紧接着的这句话提到双方各自因为坚信己方的观点产生了激烈的争论。此处人类译者拘泥于字面的转换，翻译生硬，AI也未能有效变通。
（13）SL：How and when the Earth got its crust are questions that divide geologists into two broad camps—those who think it happened abruptly early in the Earth’s history and those who think it happened gradually and rather later. Strength of feeling runs deep on such matters.(217)
TL：地球如何有了地壳，何时有了地壳，这两个问题把地质学家分成两大阵营——一派认为，它是地球史之初突然发生的；另一派认为，它是渐渐发生的，而且时间比较晚。大家在这些问题上很动感情。（193）
ChatGPT：......在这些问题上，情感深厚。
Kimi：......在这类问题上，情感的力量根深蒂固。
《万物简史》的中文版译者在处理“well”这个感叹词时较为机械，几乎全部翻译成了“哎呀”。经统计，全书共有24处将“well”翻译为“哎呀”，不符合汉语表达习惯。译者还偏好把“have to”和“must”等生硬地翻译成“非得”（全书出现了 15处）。另外，此译本中存在几十处基于“be+ adj.”结构翻译出来的“是......的”句式，远远多于以汉语为母语的创作文本，是本书翻译中的典型欧化句式表现之一。针对这些词语和句式，AI的表现都比较好，没有出现机械生硬的表达。
（三）高阶认知类误译
本研究发现，在需要联系背景知识或发挥译者主体性，对译文进行较大的调整时，AI的表现和缺乏经验的译者类似，往往无法达到读者的预期。
1.原文表达不明确
翻译中有时会出现原文写得不够清楚而导致误译的情况。例（14）在说明压缩空气会导致温度升高的时候举了日常生活中的例子：使用打气筒压缩空气会发热。然而，打气筒内不可能“达到 6万摄氏度”，这里指的是进入大气层的小行星下方的空气被剧烈压缩所达到的高温。此处原文写作“the temperature below it”，确实有可能让读者误以为“it”指的是“pump”（打气筒）。也正是由于存在模糊之处，两种AI也出了错。然而，基本的科学常识会帮助理性的思考者避免这样的错误。比如，我们可以追问：“自行车打气筒下面的空气会那么热吗？”对此，两种AI都回答说打气筒内不可能达到这样的高温，并且根据上下文推理出这是小行星或彗星进入地球大气层时，压缩下方的空气所达到的温度。
（14）SL：An asteroid or comet traveling at cosmic velocities would enter the Earth’s atmosphere at such a speed that the air beneath it couldn’t get out of the way and would be compressed, as in a bicycle pump. As anyone who has used such a pump knows, compressed air grows swiftly hot, and the temperature below it would rise to some 60,000 Kelvin, or ten times the surface temperature of the Sun.(203)
TL：当一颗以宇宙速度飞行的小行星或彗星进入大气层的时候，它的速度如此之快，下面的空气来不及让路，会像自行车打气筒里的空气那样被压缩。使用过打气筒的人都知道，受到压缩的空气马上会变热，底下的温度有可能升高到大约 6万摄氏度，或 10倍于太阳的表面温度。（180）
ChatGPT：......任何使用过打气筒的人都知道，被压缩的空气会迅速升温，其下方的温度会上升到约 60,000开尔文，相当于太阳表面温度的十倍。
Kimi：......任何使用过这种打气筒的人都知道，被压缩的空气会迅速变热，它下面的温度会上升到大约 60,000开尔文，或者是太阳表面温度的十倍。
2.背景知识错误
针对涉及特定背景知识、需要深入考证的内容，本书译者表现欠佳，AI的表现也往往存在问题，提供的译文无法表达出隐含的意思。在例（15）中，“partons, as in Dolly”中的“Dolly”指的是美国乡村音乐歌手多莉·帕顿（Dolly Parton）。理查德·费曼（Richard Feynman）给新发现的粒子起名为“partons”，是巧妙地借用了这位女星的姓氏“Parton”（徐彬、郭红梅，2022：8）。针对“多莉”这个双关语幽默，两种AI的翻译没有出现人类译者那样的误译，但也留有表达不透彻的遗憾。
（15）SL：Gell-Mann’s theory was that all hadrons were made up of still smaller, even more fundamental particles. His colleague Richard Feynman wanted to call these new basic particles partons, as in Dolly, but was overruled. Instead they became known as quarks.(165)
TL：盖尔曼的理论认为，所有强子都是由更小的，甚至更基本的粒子组成的。他的同事理查德·费曼想跟多利那样把这些新的基本粒子叫作部分子，但是没有获得通过。它们最后被称作夸克。（146）
ChatGPT：......他的同事理查德·费曼想把这些新的基本粒子称为“部分子”，如多莉·帕顿，但被否决了。最终，它们被称为“夸克”。
Kimi：......他的同事理查德·费曼想把这些新的基粒子称为帕顿，就像多莉一样，但被否决了。相反，它们被称为夸克。
如果追问“多莉是谁”，两种AI都能在给出多莉·帕顿（Dolly Parton）这个名字之后，解释说明她的姓氏可能也能用作粒子的名字（“part”有“部分”之意，“-on”是粒子常用的后缀）。但是如果继续问为什么，Kimi答非所问，ChatGPT的解释则较为合理。
3.读者意识欠缺
在翻译中，译者往往会遇到一些需要进一步解释的地方，比如涉及词源信息等情况。如果原作者做了解释，那么译者在转译到汉语中的时候，需要考虑到读者对象的变化并进行调整，而不是照搬原文。针对这种情形，此书译者以及两种AI的表现都不够好。
在例（16）中，原文介绍了“asteroid”（小行星）这个词的词源信息：来自拉丁语，意为“像星的”。然而中文版仅仅将其翻译为汉语“小行星”，而没有注释英文单词“asteroid”；在这样的情况下，就无需再补充拉丁语的意思以解释“asteroid”了。在这一点上，中文版译者和两种AI都未能灵活应对，处理时缺乏读者视角和译者主体性。此外，中文版译者把“star”（恒星）翻译成“星”，把“planetoid”（小行星）翻译成“类星体”，是典型的科学术语误译，因为“类星体”是专门术语，英文为“quasar”。
（16）SL：He called them asteroids—Latin for “starlike”—which was slightly unfortunate as they are not like stars at all. Sometimes now they are more accurately called planetoids.(192)
TL：他把它们称为小行星——拉丁语的意思是“像星”——这有点儿不幸，因为小行星压根儿不是星。现在它们有时被比较准确地称作类星体。（195-198）
ChatGPT：他称它们为小行星——拉丁语意为“星状”——这有点不幸，因为它们根本不像星星。现在有时更准确地称为类行星体。
Kimi：他称它们为小行星——拉丁语中的“星状”——这有点不幸，因为它们一点也不像星星。有时现在它们更准确地被称为类行星体。
例（17）提到了“造父变星”这个概念。然而需要注意的是，英语原文中的注释是针对这个术语的英语单词给出的，即“Cepheid variable”这个名字，它来自星座名“Cepheus”（仙王座），从拼写上就能看出二者的关系。然而，在翻译星座名称时，中文版译者有时依据纯粹的“对应”关系来转换，即用中国古代给星宿起的名字，通过所指的对象（具体的星宿）对应到英语中星体的名字。此处，“仙王座”的英文名字来自希腊神话中衣索比亚国王克甫斯（Cepheus），而仙王座δ星（即“Cepheid”）是一颗变星；但是在中国古代，这个星宿名使用了驾车高手“造父”的名字，对应的这个变星的名字就是“造父一”。经由这种对应关系，“Cepheid variable”到了中文里就是“造父变星”。了解了这一点，我们再看例（17）的翻译，会发现它表面上给了读者一个期待，让读者以为括注的内容会解释“造父”这个名字的由来，但是读完之后却只是给读者增加了更多的疑惑，因为从英文翻译来的对这颗星名称来历的解释，跟中文名字“造父变星”完全没有关系。这种处理是译者缺乏读者意识的表现。AI在类似的地方也会做出无效的翻译。
（17）SL：Leavitt’s contribution was even more profound. She noticed that a type of star known as a Cepheid variable(after the constellation Cepheus, where it first was identified) pulsated with a regular rhythm—a kind of stellar heartbeat.(130)
TL：莱维特的贡献更加意义深远。她注意到，有一种名叫造父变星（以仙王星座命名，第一颗造父变星就是在那里发现的）的恒星在有节奏地搏动——一种星体的“心跳”。（115）
ChatGPT：勒维特的贡献更加深远。她注意到一种被称为造父变星的恒星（因首先在仙王座被识别而得名）以一种规律的节奏脉动——一种恒星的心跳。
Kimi：勒维特的贡献更加深远。她注意到一种被称为造父变星的恒星（以它首次被识别出的星座仙王座命名）以一种有规律的节奏脉动——一种恒星的心跳。
《万物简史》全书共有三条译者注，其中两条属于“无效注释”。如第九章中谈到有人前来拜访英国化学家约翰·道尔顿（John Dalton），并用法语问：“能否赏光让我跟道尔顿先生说句话？”（Est-ce que j’ai l’honneur de m’addresser à Monsieur Dalton?）译者给出的译文是“请问，这位是道尔顿先生吗？”（121）。译者给这句错误的译文添加了译者注，但内容仅仅是“原文是法文”，属于无效注释，因为此处注释只是横生枝节，并未给读者带来任何有效信息。
三、结语
科普图书的翻译质量直接影响公众对科学的理解，误译过多则会造成科学知识交流的障碍。《万物简史》一书误译的成因涉及译者的语言能力、文化理解、翻译策略选择、职业伦理等。误译中占比最高的是中阶认知层次的理解和表达类错误，造成此类误译的因素主要是译者缺乏语境意识、对原文理解不透彻、文化知识缺乏，以及语言能力不足等。对比之下，AI在这方面虽然也有错误，但数量远远少于人类译者；尤其需要引起关注的是，AI在语言表达方面也经常展现出优势，较少出现生硬表达类失误。人工翻译另一类占比较高的失误出现在名词尤其是术语的转换方面。此类问题一般可以通过认真查证而解决，现有译本中此类误译占比高，说明了译者和出版方的责任心有待加强。在高阶认知层次，理想的情况下，人类译者相较于AI是具有优势的，可以在充分了解源语言文化背景的情况下，更清晰准确地传达原文的文化内涵。针对本书中出现的因背景知识不足和缺乏读者意识产生的误译，AI的表现和人类译者持平，表明当前的AI尚不具备面向翻译的高阶思维能力。在图书翻译中，在涉及变通以及添加注释等技巧和技术时，高水平人类译者仍具有优势。
总体看来，不论针对哪一类误译，AI的表现均优于此书的中文译者，这表明，AI已经全面超越不成熟或缺乏责任心的人类译者。但是，本研究中，AI仅在人名翻译这一方面做到了零失误；此外，针对不同的提示词，AI的表现存在明显差异。这提醒我们，在翻译工作中，有效识别AI翻译的失误并认识到AI在翻译上的欠缺，是用好AI、实现高水平人机协作的关键。
作者简介
徐彬，山东师范大学外国语学院教授、硕士生导师。研究方向：应用翻译、翻译技术等。
文献来源：原文载于《中华译学》2025年第2辑（总第4辑），第181-197页。原文参考文献已省略，引用请以期刊版为准。推送已获编辑部授权，转发请注明文献来源及“浙大译学馆”。
相关链接：
