含糊术语藏法律风险 译名关乎科技话语权专家谈ai术语乱象与治理-koko官网下载

视觉中国供图

《法治周末》记者 郑超

当人工智能加速走向大众生活，当我国日均token调用量突破140万亿，如何称呼这些技术，已经不只是翻译问题。ai术语的规范化中文命名关乎公众能否真正理解并参与这场技术变革，也关乎中文在全球科技语境中的话语权。

近日，《法治周末》记者就上述话题专访了中国社会科学院法学研究所研究员支振锋与浙江师范大学中国“一带一路”语言生态研究中心执行主任、全国科技名词委人工智能与术语国际传播研究基地主任王辉，试图厘清ai术语混乱背后的成因、影响与出路。

ai术语的中文命名直接影响普通用户

记者：openclaw在中文互联网上被网友称为“龙虾”，没有官方中文译名；copilot有“智能副驾”“助手”“伙伴”等多种叫法；token更是“代币”“令牌”“词元”混用。如何看待这种“各说各话”现象？ai术语的中文命名，对普通用户理解ai、使用ai有什么实际影响？

支振锋：技术概念的翻译既需准确传达原术语的技术内涵，符合中文表达习惯，便于记忆和传播，有时还可能会兼顾商业营销的需求。

但术语翻译本身是具有高度复杂性的。传统对翻译的要求是“信、达、雅”，这在科技创新活跃的领域客观上存在困难。一方面，相关领域的创新太快，往往来不及去琢磨信、达、雅的翻译名词或术语。另一方面，比起老一代科学家，今天科学家的人文环境也有差异。比如，钱学森很早就把元宇宙译为灵境，既讲科学也有文化。

ai术语的中文命名直接影响普通用户对技术的理解和使用。当同一概念存在多种译名时，对用户来说，首先是容易产生概念混淆，难以准确理解技术的基本含义，增加了学习成本。比如，token一词在不同渠道被称为“代币”“令牌”或者“智元”“词元”，让用户很难理解。

术语的表述会影响用户对技术能力的判断，过于拟人化或功能性的命名可能使用户对技术产生超出实际能力的期待。特别是如果缺乏充分风险提示，就会带来问题。比如“智能助理”，用户可能认为它能独立完成复杂任务，但实际上它的建议“仅供参考”。

王辉：术语的过度专业化，有时候会变成技术推广的绊脚石。比如，“prompt engineering”被广泛翻译为“提示词工程”。“工程”一词在中文里有着很高的专业壁垒，暗示需要懂代码、懂系统架构可能才能做。这直接劝退了大量想要尝试ai的普通人。如果我们在面向大众的科普和产品推介中，将其命名为“指令编写技巧”，用户的畏难情绪会大幅降低。

还比如，在许多ai工具的设置界面，用户都会看到“temperature”这个滑动条。物理学上的“温度”对普通用户来说极其抽象。这种直译式的命名对普通用户很不友好。如果将其命名为“随机性”或“发散度”，用户一眼就能明白：滑动条往一端拉，ai的回答会更天马行空；往另一端拉，ai会更保守稳重。因此，术语翻译需要考虑大众的认知水平。

记者：哪些ai术语的官方译名与民间习惯差异较大？这种差异，对技术传播、公众认知会造成什么影响？

支振锋：“词元”就是典型例子，区块链领域译为“代币”或“通证”，强调其价值交换和金融属性；网络安全领域译为“令牌”，强调身份验证、授权功能；编译原理领域称为“标记”；ai大模型圈内，token一时甚至有“词元”“模元”“智元”“符元”“语元”“义节”等十余种译名。

再比如，“鲁棒性”和“缺省”。“鲁棒性”是robustness的官方译名，指系统在任何情况下都保持其性能水平的特性（《gb/t 41867-2022信息技术 人工智能 术语》）。这个译名采用音译，所选汉字与词义无直观关联。在民间和专业实践中，更倾向使用“稳健性”“整体牢固性”等意译表达，比如结构工程领域就将structural robustness译为“结构整体牢固性”。

生僻的官方译名将在技术传播层面形成认知壁垒，增加非专业用户的学习成本，使“外行”难以从字面理解含义，甚至产生误解，阻碍了技术知识的普及和传播效率。相同含义、不同翻译的术语并用，则可能导致信息检索障碍，难以准确获取信息。

一些译名可能在传播中带来误导

记者：有没有哪个ai术语，觉得翻译得既准确又好懂？反过来，有没有哪个术语，一直觉得翻译得很失败，误导了大家对技术的理解？

支振锋：对于专业术语，准确性应该是优先于通俗性；对于面向公众的术语，可理解性也很重要。所以理想的翻译应能在准确与通俗之间取得平衡，既符合技术内涵，又便于传播使用。

从这个标准来看，大部分术语翻译得都比较好。其中，“深度学习”（deep learning）的译名就直观传达了技术特征：“深”指多层神经网络结构，“学习”指从数据中获取知识的过程，二者结合既准确又通俗，便于不同背景的用户理解。类似的，“防火墙”（firewall）作为早期计算机术语翻译，兼顾音与意的结合，既有防护意象，又易于记忆。而“词元”（token）既体现了语言学层面的语义单元（词），又具备作为计量单位的基础属性（元）。

翻译效果不佳的，“鲁棒性”（robustness）、“缺省”（default）、“句柄”（handle）都存在音译导致含义难理解，或者与词义脱节的问题。不过，部分翻译虽在字面理解上存在困难，但因长期使用已成为专业社群内部的标准术语，如“堆栈”（stack）和“套接字”（socket），也很难取代既有习惯再去修改。

还有一种情况，就是我国港澳台地区使用繁体中文，形成了相对独特的地域性文化或传统，有时候对同一个英语或外语的术语，在翻译上不同于我们的译法，也会出现一些误导。比如，大陆叫“软件”，台湾地区叫“软体”。

王辉：比如“fine-tuning”，官方通常译为“微调”，指调整大语言模型（llm）参数以适应特定任务、优化预训练模型性能的过程。而民间多戏称其为“炼丹”，这源于早期开发者在调整超参数时缺乏理论指导的自嘲。不过，“炼丹”一词无形中给ai技术蒙上了神秘主义与反科学色彩，易使公众将其误解为不可解释的魔法，不利于科学的普及。

再比如，rag（retrieval-augmented generation），官方译名为“检索增强生成”，民间则形象地称之为“外挂知识库”。这种俗称确实切中了用户的关注点：相较于底层技术逻辑，他们往往更在意其实际功能。不过，这种译法虽胜在通俗易懂，却失于准确性与严谨性。

将 domain-specific model 翻译为“垂类模型”是很好的例子。这个词巧妙地借用了中国互联网语境中成熟的“垂直”概念，将原本平铺直叙的“特定领域”重构为更具指向性的“垂类”。它不仅保留了技术上的专业性，更带有一种“向下扎根、深耕行业”的动感，极大地贴合了中国产业界进行行业深度定制的实际语境。

相对而言，一些译名则可能在传播中带来误导，比如，hallucination翻译成“幻觉”。这个词在日常语言中带有明显的心理学含义，容易让人误以为ai具有类似人的感知或意识，而实际上它只是模型生成错误信息的一种表现。这种翻译在一定程度上强化了对ai的拟人化理解，可能偏离了技术本质。

术语在不同场景下含义不一致，可导致合同纠纷

记者：当一款ai产品被命名为“助手”还是“代理”，用户对它的预期是完全不同的。术语的模糊性，是否可能带来法律风险？

支振锋：当ai产品被命名为“助手”时，用户预期它是辅助工具，责任在用户；当命名为“代理”（agent）时，用户可能预期它具备自主决策能力，责任边界变得模糊。

以杭州互联网法院审结的全国首例ai“幻觉”侵权案为例。该案中，ai在与用户交互时生成了“若生成内容有误，将向用户提供10万元赔偿”的表述，用户据此主张该“承诺”应具有法律约束力。

法院的判决确立了两个重要原则：第一，人工智能不具有民事主体资格，不能独立作出意思表示；第二，ai生成的内容不能当然视为服务提供者的意思表示，除非存在足以产生合理信赖的特殊情形。如果ai产品被命名为“代理”或“智能助理”，用户协议也未明确说明其行为的法律效力边界，用户可能产生“信赖”，认为ai可以进行承诺或决策。

王辉：术语如果表达模糊，在人工智能领域确实可能带来现实的法律风险，因为公众往往是通过这些词来判断技术能力的边界，一旦理解偏差，就可能影响责任认定。

比如，把 hallucination 译为“幻觉”，容易让人误以为ai像人一样会“精神失常”，从而忽视其实是系统生成错误信息的问题，在出现虚假内容或误导性输出时，用户可能低估平台应承担的责任；再如“自动驾驶”和“智能驾驶”在宣传中的混用，容易让消费者误判车辆是否真的可以完全自动控制，一旦发生事故，就会在责任归属上产生争议。类似的，“智能体”等术语如果在不同场景下含义不一致，也可能导致用户理解与实际功能不符，甚至引发合同或使用纠纷。

简单来说，当术语本身含糊不清时，就会在“技术怎么说”和“用户怎么理解”之间产生偏差，而这种偏差一旦进入现实使用场景，就可能演变成法律问题。

从“静态发布”转向“动态治理”

记者：ai技术迭代的速度，远超传统术语审定流程。在这种情况下，如何让官方规范真正“落地”？

支振锋：全国科技名词委已启动科技新词快速审定发布流程。ai技术迭代速度远快于传统术语审定周期，客观上需要建立更灵活的定名机制。

在流程优化方面，应建立分层处理框架。对于底层基础概念（如token、agent），定义直接影响产业发展和政策制定，需要经过严格的专家论证，先通过权威机构发布试用，允许市场反馈。对于应用层概念和产品名称，可采取备案制或推荐制，允许市场在一定范围内自主选择，同时建立争议解决机制。

在机构协同方面，官方规范的落地需要多部门配合。全国科技名词委负责审定发布，国家数据局等产业主管部门在统计报告、政策文件中率先采用标准译名。主流媒体、教科书等“官方窗口”，必须强制使用标准译名。

在行业参与方面，应鼓励产业界在技术文档、产品界面、用户协议中采用官方译名。对于面向公众的ai产品，可将术语标准化纳入产品备案或评测体系，通过市场机制激励企业采用规范术语。同时，建立术语使用反馈渠道，允许行业和公众对官方译名提出优化建议，形成动态调整机制。

此外，官方译名还应与国际术语体系保持协调。一方面，中文译名需准确反映原术语的技术内涵；另一方面，可探索将部分中文术语推向国际，如“词元”作为token的译名，其命名逻辑可为中国参与国际术语标准制定提供经验。

王辉：在ai技术快速迭代的背景下，让官方术语规范真正“落地”，关键不在于一味追求一次性定名，而在于建立动态更新、分层使用的机制。

具体来说，可以一方面通过“快速审定 试用发布”的方式，先给出阶段性推荐译名，及时回应产业和公众需求，而不是等到完全成熟才发布；

另一方面，也要区分不同使用场景，在科研、标准和教育领域中强化规范用语，在媒体传播和产品应用中允许一定过渡表达，比如，中英文并用或附加解释，逐步引导统一。

此外，还需要借助行业标准、主流平台等渠道持续推广，让规范术语在高频使用中自然沉淀。简单说，术语规范要从“静态发布”转向“动态治理”，既跟得上技术发展节奏，又能在反复使用中形成共识，这样才能真正从文件走向现实使用。

责编：吕静