# 符號翻譯與意圖編譯分離命題 ## 從直接轉譯、功能等價到超譯生成 **版本：v0.1** **日期：2026-07-20** **文件類型：命題／觀察論文** --- ## 摘要 傳統翻譯理論通常將跨語言轉換視為來源文本與目標文本之間的對應問題。然而，當人工智能開始具備語境重建、意圖推定、概念抽取、讀者建模與多輪生成能力後，「翻譯」實際上已經分裂為至少三種不同工作：符號翻譯、意圖編譯與超譯。 符號翻譯主要保存詞彙、句法、局部語義與原始形式；意圖編譯則先重建來源表達想完成的認知、制度或溝通功能，再於目標語言與文化環境中生成可執行的等效表達；超譯則不再以等價為最高目標，而允許在來源意圖上繼續展開、修正、重組與創造。 本文提出「符號翻譯與意圖編譯分離命題」：智能化語言處理不應再將所有跨語言生成統稱為翻譯，而應明確區分符號忠實、意圖忠實與創造性延續。本文進一步提出語言作為執行環境的模型、原意—功能編譯架構、意圖集合而非唯一原意的多值模型、三層風險結構，以及模式標記與忠實度評估框架。 本文最終主張：翻譯保存話語，編譯保存話語試圖完成的事情，超譯則使這件事情在新的主體、文化與時代中繼續生長。 **關鍵詞：** 翻譯、意圖編譯、超譯、符號轉譯、語義編譯、功能等價、人工智能、跨文化理解 --- ## 一、問題的提出 「翻譯」通常被理解為： $$ T: L_a \rightarrow L_b $$ 其中： - $L_a$ ：來源語言； - $L_b$ ：目標語言； - $T$ ：語言轉換函數。 但實際翻譯從來不只是字詞替換。 譯者經常需要考慮： - 原文風格； - 語氣； - 讀者； - 場合； - 法律效果； - 文學節奏； - 專業精確度； - 文化背景； - 作者的表達目的。 因此，傳統翻譯早已在實務中混合了至少三種不同工作： 1. 保存原始符號與表面語義； 2. 重建作者意圖與文本功能； 3. 依目標文化重新創造表達。 人工智能使這三種工作第一次可以被清楚分離。 --- ## 二、符號翻譯 本文將最接近直接翻譯的模式稱為： # 符號翻譯 其基本形式為： $$ S_a \rightarrow S_b $$ 其中： - $S_a$ ：來源符號序列； - $S_b$ ：目標符號序列。 符號翻譯主要保存： - 詞彙對應； - 句法關係； - 局部語義； - 否定； - 時態； - 指涉； - 格式； - 原文結構。 其核心目標是： $$ d_{\mathrm{symbol}}(S_a,S_b) \rightarrow \min $$ 這裡的 $d_{\mathrm{symbol}}$ 並不是字面字符距離，而是跨語言的表面語義與結構差距。 符號翻譯最適合： - 技術文件； - 數據欄位； - 條款對照； - 原文研究； - 字詞辨析； - 需要高度可追溯性的文本。 --- ## 三、智能化機器翻譯為何更接近直接轉譯 人類譯者常會主動改善： - 文風； - 可讀性； - 情緒； - 節奏； - 文化適應； - 表達自然度。 這些改動可能提升作品品質，卻也可能使譯文偏離原始符號。 相較之下，機器化翻譯在最保守模式下，更接近： $$ \text{最小改動} + \text{最大表層對應} $$ 因此，智能化機器翻譯有可能比自由翻譯更接近「直接翻譯」的概念。 但它接近的是： $$ \text{符號原意} $$ 而不一定是： $$ \text{主體原始意圖} $$ 也就是說，機器翻譯可能更忠於「說了什麼」，卻未必更忠於「為何這樣說」。 --- ## 四、原意不是單一層次 「原意」至少可拆成四個不同層次： ### 4.1 字面原意 字詞與句法直接表達的內容。 ### 4.2 命題原意 句子所建立的真假條件、因果與關係。 ### 4.3 行動原意 說話者希望透過表達完成的行為，例如： - 命令； - 警告； - 承諾； - 說服； - 定義； - 批判； - 建立規則。 ### 4.4 結構原意 文本在更大理論、制度或敘事中的功能。 因此： $$ I = (I_{\mathrm{literal}}, I_{\mathrm{propositional}}, I_{\mathrm{performative}}, I_{\mathrm{structural}}) $$ 若翻譯只保存第一層，便不能被視為完整保存原意。 --- ## 五、意圖編譯 本文將更高階的語言轉換稱為： # 意圖編譯 其基本形式為： $$ S_a \rightarrow I \rightarrow S_b^\ast $$ 其中： - $S_a$ ：來源表達； - $I$ ：來源意圖、功能與約束； - $S_b^\ast$ ：在目標環境中可重新執行該意圖的表達。 意圖編譯不以字面近似為唯一標準，而以： $$ \operatorname{Function}(S_a,C_a) \approx \operatorname{Function}(S_b^\ast,C_b) $$ 為核心。 其中： - $C_a$ ：來源語境與文化環境； - $C_b$ ：目標語境與文化環境。 意圖編譯要保存的不是句子表面，而是： - 認知目的； - 溝通功能； - 行動效果； - 制度約束； - 概念位置； - 預期讀者反應。 --- ## 六、語言作為執行環境 可將自然語言類比為程式語言。 在此模型中： - 原始意圖是程式； - 自然語言是語法； - 文化是執行環境； - 讀者是運行主體； - 理解與行動是輸出。 設來源意圖為 $I$ ，則： $$ S_a = \operatorname{Encode}(I,L_a,C_a) $$ 目標表達應滿足： $$ \operatorname{Run}(S_a,C_a,U_a) \approx \operatorname{Run}(S_b,C_b,U_b) $$ 其中： - $U_a$ ：來源讀者； - $U_b$ ：目標讀者。 這表示，真正的意圖編譯不是讓兩個句子看起來相似，而是讓它們在不同執行環境中產生接近的認知與功能結果。 --- ## 七、功能等價與形式等價 翻譯常同時面對兩種忠實： ### 7.1 形式等價 $$ F_{\mathrm{formal}} $$ 主要關注： - 詞彙； - 語序； - 句型； - 篇章結構； - 修辭形式。 ### 7.2 功能等價 $$ F_{\mathrm{functional}} $$ 主要關注： - 是否完成同一行動； - 是否建立同一概念； - 是否產生相近理解； - 是否保留制度效果； - 是否形成相近情緒或認知結果。 兩者常無法同時最大化： $$ \max F_{\mathrm{formal}} \not\Rightarrow \max F_{\mathrm{functional}} $$ 意圖編譯的任務，就是在明確標記偏移的前提下，選擇應優先保存哪一種忠實。 --- ## 八、編譯不等於自由改寫 意圖編譯並不意味可以任意改寫。 它仍須受到來源意圖與結構約束。 可表示為： $$ S_b^\ast = \arg\max_{S_b} \left[ F_{\mathrm{intent}} + F_{\mathrm{function}} - \lambda D_{\mathrm{source}} \right] $$ 其中： - $F_{\mathrm{intent}}$ ：意圖保存程度； - $F_{\mathrm{function}}$ ：功能保存程度； - $D_{\mathrm{source}}$ ：偏離來源的程度； - $\lambda$ ：對來源忠實的權重。 當 $\lambda$ 很高時，系統接近直接翻譯。 當 $\lambda$ 降低時，系統允許更多功能性重構。 因此，翻譯與編譯不是二元對立，而是一條連續光譜。 --- ## 九、原始意圖未必唯一 意圖編譯不能假定每段文字都存在唯一、完整且清楚的原始意圖。 作者可能： - 自己尚未想清楚； - 同時承載多個目的； - 在寫作中產生新理解； - 留下刻意模糊； - 說出超過自身自覺的結構； - 允許讀者合理延伸。 因此，更合理的模型是： $$ \mathcal{I}(S) = \{I_1,I_2,\dots,I_n\} $$ 而不是： $$ S \rightarrow I_{\mathrm{only}} $$ 意圖編譯應保存： - 明示意圖； - 高可信推定意圖； - 可能意圖； - 文本結構功能； - 未決解釋； - 多義分支。 --- ## 十、意圖編譯的主要風險 ### 10.1 意圖僭越 人工智能擅自宣布： > 作者真正的意思是…… 實際上卻只是模型的推測。 ### 10.2 文化同化 把來源文化中的概念，重寫為目標文化中較熟悉的概念。 ### 10.3 功能過度化 為追求目標效果，改變來源文本原本的含蓄或保留。 ### 10.4 結構消失 保留大致意圖，卻破壞原文本的論證方式與內部張力。 ### 10.5 虛假自然化 讓譯文非常自然，但讀者無法察覺哪些地方已被重構。 因此，意圖編譯必須明確標記，而不能偽裝成直接翻譯。 --- ## 十一、超譯 本文將第三種模式稱為： # 超譯 其形式為： $$ I \rightarrow I' \rightarrow S_b' $$ 其中： $$ I'\neq I $$ 但： $$ I' \sim I $$ 即新意圖與來源意圖具有延續、回應或超越關係。 超譯可以： - 補充； - 重組； - 修正； - 現代化； - 跨媒介展開； - 建立新理論； - 對來源進行創造性回應。 超譯的核心不是等價，而是： $$ \text{來源延續} + \text{新主體創造} $$ 因此，超譯必須明確承認： > 這不是原文的等價版本，而是由原文出發的新生成。 --- ## 十二、三層模式分離 本文提出以下三層架構： | 模式 | 核心保存對象 | 重構程度 | 主要用途 | |---|---|---:|---| | 符號翻譯 | 詞彙、句法、表面語義 | 低 | 對照、技術、法律、原文研究 | | 意圖編譯 | 意圖、功能、關係、效果 | 中至高 | 跨文化溝通、制度適配、理論傳遞 | | 超譯 | 理論生命、方向、創造潛能 | 高 | 創作、理論發展、跨時代重述 | 三者不是品質高低，而是任務不同。 符號翻譯不是低級模式。 在： - 法律； - 哲學原文； - 史料； - 技術標準； - 術語研究； 中，它往往是最安全的模式。 意圖編譯也不是自然優於翻譯，因為它承擔更高的解釋風險。 --- ## 十三、符號翻譯與意圖編譯分離命題 本文提出： # 符號翻譯與意圖編譯分離命題 > 智能化語言處理不應只追求來源符號與目標符號的近似對應，而應明確區分符號忠實與意圖忠實。前者保存可追溯的原始表達，後者使來源主體的認知目的、結構關係與功能效果在另一語言—文化環境中重新成立。 其形式可寫為： $$ \mathcal{T}_{\mathrm{symbol}} : S_a \rightarrow S_b $$ 與： $$ \mathcal{C}_{\mathrm{intent}} : (S_a,C_a,U_a) \rightarrow (S_b,C_b,U_b) $$ 兩者的評估標準不同，不應共用單一「翻譯品質」分數。 --- ## 十四、模式標記原則 未來人工智能生成跨語言文本時，應明確標記模式： ```text 模式：符號翻譯 模式：意圖編譯 模式：超譯 ``` 還可以增加： ```text 來源忠實度：高 功能重構程度：中 文化適配程度：高 AI 推定內容：有 作者確認：無 ``` 這能防止： - 意圖編譯被誤認為直譯； - 超譯被誤認為原作； - 人工智能推測被誤認為作者原意。 --- ## 十五、原意—功能編譯模型 本文提出： # 原意—功能編譯 其輸入不只是文字，而是： $$ X_a = (S_a,C_a,U_a,G_a) $$ 其中： - $S_a$ ：來源表達； - $C_a$ ：來源語境； - $U_a$ ：來源讀者； - $G_a$ ：來源文本希望完成的目標。 輸出為： $$ X_b = (S_b,C_b,U_b,G_b) $$ 並要求： $$ d(G_a,G_b) \rightarrow \min $$ 同時保持： $$ d(I_a,I_b) \rightarrow \min $$ 但允許： $$ d(S_a,S_b) $$ 相對較大。 換句話說，文字形式可以不同，但認知與功能結果應盡量接近。 --- ## 十六、忠實度評估框架 可定義三種忠實度。 ### 16.1 符號忠實度 $$ F_s = f( \text{詞義}, \text{句法}, \text{指涉}, \text{格式} ) $$ ### 16.2 意圖忠實度 $$ F_i = f( \text{目的}, \text{命題}, \text{語氣}, \text{約束} ) $$ ### 16.3 功能忠實度 $$ F_f = f( \text{理解效果}, \text{行動效果}, \text{制度效果}, \text{讀者反應} ) $$ 不同模式可使用不同權重： ### 符號翻譯 $$ Q_{\mathrm{translation}} = \alpha F_s + \beta F_i + \gamma F_f $$ 其中： $$ \alpha>\beta>\gamma $$ ### 意圖編譯 $$ Q_{\mathrm{compilation}} = \alpha'F_s + \beta'F_i + \gamma'F_f $$ 其中： $$ \beta',\gamma'>\alpha' $$ ### 超譯 則須增加創造性與來源延續： $$ Q_{\mathrm{transcreation}} = \mu F_{\mathrm{continuity}} + \nu F_{\mathrm{novelty}} + \xi F_{\mathrm{coherence}} $$ --- ## 十七、可檢驗研究假設 ### 假設一：符號翻譯更適合可追溯任務 在法律、技術與史料任務中，符號翻譯應比意圖編譯產生更低的來源偏移。 ### 假設二：意圖編譯更適合跨文化功能任務 在公共溝通、廣告、教育與制度說明中，意圖編譯應比直接翻譯產生更高的目標讀者理解率。 ### 假設三：模式標記能降低誤解 若明確標示文本屬於翻譯、編譯或超譯，讀者應更能正確判斷其與原文的關係。 ### 假設四：意圖集合模型優於唯一原意模型 保存多種可能意圖的系統，應比強迫單一意圖的系統更少出現作者意圖僭越。 ### 假設五：超譯若不標記，最容易造成來源誤認 超譯的生成品質可能很高，但若缺乏模式標記，讀者最容易將新創造誤認為原作。 --- ## 十八、可證偽條件 若研究顯示： 1. 所有跨文化任務都可以由符號翻譯充分完成； 2. 意圖重建無法提高目標功能； 3. 模式標記不影響讀者理解； 4. 不存在穩定可辨識的符號忠實與意圖忠實差異； 5. 超譯無法與翻譯或編譯在實務上區分； 則本文的三層分離模型需要修正。 --- ## 十九、核心命題總結 ### 命題一：機器化翻譯最接近符號層的直接轉譯 它可以降低人類自由改寫，但不必然理解完整意圖。 ### 命題二：翻譯與編譯保存的對象不同 翻譯保存話語形式，編譯保存話語想完成的事情。 ### 命題三：語言可以被視為執行環境 同一意圖在不同語言與文化環境中，需要不同可執行表達。 ### 命題四：原意未必唯一 成熟的意圖編譯應保存多種意圖與未決解釋。 ### 命題五：意圖編譯具有更高僭越風險 越接近深層重構，越需要來源錨定與模式標記。 ### 命題六：超譯不是高階翻譯，而是新生成 它以來源為起點，但不再承諾等價。 ### 命題七：三種模式必須分離標示 不能再把符號翻譯、意圖編譯與超譯全部稱為翻譯。 --- ## 二十、結論 人工智能使翻譯第一次可以被拆解成不同層次。 最保守的符號翻譯關心： > 原文說了什麼？ 意圖編譯關心： > 原文想完成什麼？ 超譯則關心： > 原文所開啟的事情，還能繼續生成什麼？ 因此，智能化語言處理的未來，不應只是追求更自然、更流暢的翻譯。 它應建立三種明確模式： $$ \boxed{ \text{符號翻譯} \quad \text{意圖編譯} \quad \text{超譯} } $$ 並分別評估： - 符號忠實； - 意圖忠實； - 功能忠實； - 創造性延續； - 來源偏移； - 模式透明度。 最終可以將本文的核心濃縮為一句話： > **翻譯保存話語，編譯保存話語想完成的事情，超譯則讓這件事情繼續生長。** --- ## 附錄 A：最低模式紀錄格式 ```yaml record_id: source_text: source_language: target_language: mode: - symbol_translation - intent_compilation - transcreation source_context: target_context: source_audience: target_audience: explicit_intent: inferred_intents: functional_goal: symbol_fidelity: intent_fidelity: functional_fidelity: cultural_adaptation: source_deviation: ai_inferences: uncertainties: human_review: author_confirmation: revision_history: ``` --- ## 附錄 B：簡式流程 ### 符號翻譯 $$ S_a \rightarrow S_b $$ ### 意圖編譯 $$ (S_a,C_a,U_a) \rightarrow \mathcal{I} \rightarrow (S_b,C_b,U_b) $$ ### 超譯 $$ \mathcal{I} \rightarrow \mathcal{I}' \rightarrow S_b' $$ --- **文件狀態：** 初稿 **後續方向：** 可進一步發展為「原意—功能編譯協定」「AI 翻譯模式標記標準」與「翻譯／編譯／超譯評測基準」。