AI即時翻譯越流暢，誤導風險反而越隱蔽

這項事件不宜被簡化為AI與人工譯者的正面競賽；更準確的背景是，生成式AI正在把翻譯從「語言轉換工具」轉化為跨國溝通的預設介面，但模型能力與實際風險門檻並未同步提升。早期機器翻譯主要採用統計方法，近年則由神經機器翻譯主導；如今大型語言模型進一步加入上下文推理、指令遵循與多輪互動能力，使輸出更貼近人類表達，也讓錯誤變得更難辨識。

AI翻譯的第一項結構性限制來自資料分布。中文與英文是全球資料最豐富的語言之一，模型能從大量平行文本、字典及網路內容中學習；較小眾語言則可能缺乏高品質資料，詞義、慣用語與文化脈絡容易被粗略類比。資料不足不是單純的「語言支援不足」，而是會直接改變社會群體能否被準確看見。

第二項限制源於人類語言本身。詞義取決於語境，時態常由上下文而非動詞變化承載，篇章中的指涉關係也無法只靠局部機率預測。生成式模型擅長生成最可能的下一個詞，卻不代表它真正理解說話者的經驗、意圖或脈絡。一旦譯文讀起來過於自然，人類讀者往往會把「通順」誤認為「正確」，形成自動化的認知盲點。

第三項問題屬於文化與價值翻譯。澳洲政府的「我們」與「您」旨在建立親近關係，但其他語言可能偏好第三人稱，以維持距離與權威；新興的包容性詞彙若未充分進入訓練資料，模型也可能重現較舊或較不適切的用語。翻譯因此不只承擔資訊轉移，也涉及身分、權力與社會規範的再詮釋。

AI翻譯在熟悉主題、明確句法、高資源語言與良好提示下較可靠，但沒有任何大型語言模型能保證每次輸出正確。專用神經機器翻譯通常比通用聊天機器人更穩定，卻仍須搭配人工複核；免費即時翻譯真正的價值，是降低跨語言接觸門檻，而不是消除專業審核責任。