按:4年里,我的翻译效率提升了53%!我需要仔细分析还没退休或转行的原因了。谁给我投资个几百万研究经费吧,相信可以培养出下一代优秀译者,理解和掌握GPT的神学翻译团队🤓

最近几天忙着重要的事工,到了昨天晚上,终于结束了。早晨和上海的朋友通了话,准备找时间迪斯尼去。然后就是推荐《Every People and Nation》,再带着David去和一早出门的三个女眷会合,吃了Lisa不喜欢的粤菜。下午孩子们去学习网球,我总算有点时间可以回家做翻译,一遍听听小鹏主持的“印度公共神学”——说实话,现场的交传水平非常高,很享受。

就这样懒懒散散地做翻译,到了日头偏西,整理了一下今天的工作。好吧,我有点懒惰,顺便请ChatGPT评估了一下翻译的难度值:

The difficulty level of translating this paragraph from English into Chinese would depend on the translator’s proficiency in both languages. The paragraph contains complex sentence structures and technical terms related to Christianity, such as “sacraments,” “Logos,” and “Hellenized Christianity.” Additionally, the paragraph contains references to specific chapters and verses of the Bible. Therefore, the translator would need to have a strong understanding of the context and meaning of these terms and references in order to accurately translate the paragraph. Overall, this paragraph would be considered moderately difficult to translate. I would rate the difficulty of translating this paragraph from English into Chinese as 75 out of 100.

今日份(2023年3月18日)的数据

| 时间 | 2:53 – 6:40,227分钟 | |---|---| | 翻译句数 | 204句 | | 中文 | 7370 字数 | | 英文 | 4205 单词 | | 汉英比 | 7370/ 4205 = 1.75 | | 平均句长 | 4205/ 204 = 21英语单词 | | 平均每句耗时 | 227/ 204 = 1.11分钟/句 |
- - - - - -

对比了一下从前的翻译,比如“随便翻译一下行吗?”,数据上似乎有些变化。首先,在平均句长略微减少(23到21)的情况下,每句的翻译时间有了大幅度提升(1.73到1.11)。句子的汉英比似乎增加了(1.66 到 1.75)。每分钟输出32.5个字,算起来一个小时已经接近2,000字的输出了,而2019年的时候,小时输出只有1,300字不到。

数据表附在后面,方便对比:

2019年10月2日的数据

| 时间 | 03:59 | |---|---| | 翻译句数 | 5574-5712 = 138 | | 中文 | 5098 | | 英文 | 3070 | | 汉英比 | 5098 / 3070 = 1.66 | | 平均句长 | 3070 / 138 = 23 | | 平均每句耗时 | 239 / 138 = 1.73分钟 |
- - - - - -

速度的变化,我相信不是因为态度的变化造成的。“随便翻译一下行吗?”,这篇文章正是要讨论这件事情。

看起来,随着翻译体量的增加,我的翻译技巧还在不断成长之中。现在更加从心所欲,不会刻意将句子翻译得拗口,也不会盲目增加字数。显然比较起4年前的翻译,我更加喜欢现在的状态。顺便想了一下,如果手中总是有充足的项目和经费, 大概用几年的时间训练一些好的译者出来,也是有可能的。继续工作了。

評估了一下計算機輔助翻譯的進展。我訂了openai的api,但目前通用模型在聖經註釋這樣難度的文本上還幾乎無法輸出高質量譯文。比較起來,暫時還是大型多層神經元網絡支撐的專用模型效果更好。

現在給出結論還爲時過早,我需要仔細評估這幾年在翻譯效率上提高的53效率,多少是屬於打怪升級,多少是因爲換了i78核後全文檢索速度的提升,多少是因爲多年積累的術語庫,語料庫,正則替換規則等工具的打磨,多少是因爲TM與NLP長期交互訓練帶來的copilot效應。

下一步是否要組個開發小組,藉着GPT研究一下神學翻譯的專用生產力工具了。想念手下有實驗室和研究生的日子。

![](https://eddyemma.com/wp-content/uploads/2020/12/kuawen-640x334.jpg)