AI出錯誰之過？瑕疵指令對AI譯文品質的影響
2026.01.08
SHARE
作者：劉映秀 英文顧問
一、前言：slop
回顧2025年，生成式AI在實際應用端發展蓬勃，普及生活各層面，美國Merriam-Webster字典選出的2025年度代表字是slop，原是各種廚餘廢棄物的統稱，現已演化出新時代的新字義，暫稱之為「AI廢文」，即各種以AI快速生成、品質低落的數位內容。導入AI於作業流程的企業，也面臨劣質AI生成文件對工作效率甚至團隊互信的挑戰，即AI常常快速生成大量文件，但充斥著華麗的場面話或空泛的論述，無益於當下的個案情境，難以直接運用，反而讓真人員工花費更多時間去做後續核實與修改；在工作協力過程中收到AI廢文也讓人對提供文件者產生負面觀感，形同將研究思考方面的工作負擔轉嫁給收件者。最困擾的是，AI廢文通常寫得有模有樣且文筆通順，往往花了時間心力閱讀完畢才能領悟這是一份無用文件。
AI生成出不堪用的內容，常常源自於使用者含糊壟統甚至有瑕疵的指令；真人如何輸入指令使AI生成有效益的內容，將是工作與生活都必須的技巧。本文將探討生成式AI運用在翻譯相關的任務上，有瑕疵的指令是否會影響AI產出的文件品質，以及真人把關的必要性。
二、譯者如何應處原文失誤
專業盡責的真人譯者應當有能力在閱讀與翻譯的過程中，發現原文中的錯誤，再去判斷採取何種策略：(1)翻譯時同時改正、(2)以註解的方式說明、(3)尊重原創作者，忠實再現。上述「同時改正」還可能包含以下情境：有些失誤可在語言轉換之間自然化解，例如部分印歐語言的冠詞、形容詞須配合名詞的陽性／陰性／中性來做字尾變化，當原文有性別相關的文法失誤時，若譯文的文法性別系統不同（如只有陽性陰性）或根本沒有文法性別，那這樣的失誤對譯者來說雖是干擾，尚不至於導致誤判誤譯。不同性質的失誤，對譯者造成的干擾與負擔顯然有所不同。當以AI來進行翻譯時，有失誤的指令是否會導致AI誤判出錯？
三、不同型態的失誤影響程度相異
Schmidtová等人的研究試圖探討，「不完美」的原文是否會影響AI產出譯文的品質，刻意在指令中參雜各種失誤來測試，初步發現，要求AI執行翻譯任務時，不同態樣的失誤，對AI的干擾程度也不同。
(1) 錯別字易使AI出錯；
(i)模擬自然失誤，如誤置在鍵盤上相鄰的字母，重複或省略某些字母，如s與ss；
(ii)模擬語言程度不足的失誤，如漏了子音前的r或字尾的e，遺漏ly之前的e；母音字母／字母組合失誤。語言程度不足的錯別字比自然失誤對AI的誤導又更明顯。
(2) 不標準的表達形式對AI影響不大，如大小寫未依標準文法，省略冠詞與功能詞。
(3) 隨興地簡化句型，對AI影響不大。
四、提示 (prompt) 是關鍵
除了原文文本正確性之外，任務一開始所下達的提示如果不精確，會讓AI答非所問，而非影響其文字品質。通用型AI工具常被使用者用來協助文件翻譯，但大語言模型並非特別針對翻譯訓練，更遑論針對特定的語言對 (language pair) 進行翻譯訓練，且語言對還涉及方向性，如中譯英為一對，英譯中是另一對；如果牽涉到低資源語言 (low resource language)—即數位形式語料較少的語言（不一定實際上使用者較少），AI甚至會「脫靶」演出，產出非指定語言的譯文 (off-target translation)。
五、AI幻覺
AI幻覺 (AI hallucination) 指的是AI太過自由發揮，生成出看似合理，但其實是捏造的內容；約略的可能因素包含在訓練的過程中，並無機制允許AI對指令中不清楚的部分，反過來詢問提問者，以便釐清指令的具體意義後再作答，這也是跟真人對真人互動最大的不同。AI生成的幻覺參雜在譯文中，有可能產生嚴重誤導。
一、前言：slop
回顧2025年，生成式AI在實際應用端發展蓬勃，普及生活各層面，美國Merriam-Webster字典選出的2025年度代表字是slop，原是各種廚餘廢棄物的統稱，現已演化出新時代的新字義，暫稱之為「AI廢文」，即各種以AI快速生成、品質低落的數位內容。導入AI於作業流程的企業，也面臨劣質AI生成文件對工作效率甚至團隊互信的挑戰，即AI常常快速生成大量文件，但充斥著華麗的場面話或空泛的論述，無益於當下的個案情境，難以直接運用，反而讓真人員工花費更多時間去做後續核實與修改；在工作協力過程中收到AI廢文也讓人對提供文件者產生負面觀感，形同將研究思考方面的工作負擔轉嫁給收件者。最困擾的是，AI廢文通常寫得有模有樣且文筆通順，往往花了時間心力閱讀完畢才能領悟這是一份無用文件。
AI生成出不堪用的內容，常常源自於使用者含糊壟統甚至有瑕疵的指令；真人如何輸入指令使AI生成有效益的內容，將是工作與生活都必須的技巧。本文將探討生成式AI運用在翻譯相關的任務上，有瑕疵的指令是否會影響AI產出的文件品質，以及真人把關的必要性。
二、譯者如何應處原文失誤
專業盡責的真人譯者應當有能力在閱讀與翻譯的過程中，發現原文中的錯誤，再去判斷採取何種策略：(1)翻譯時同時改正、(2)以註解的方式說明、(3)尊重原創作者，忠實再現。上述「同時改正」還可能包含以下情境：有些失誤可在語言轉換之間自然化解，例如部分印歐語言的冠詞、形容詞須配合名詞的陽性／陰性／中性來做字尾變化，當原文有性別相關的文法失誤時，若譯文的文法性別系統不同（如只有陽性陰性）或根本沒有文法性別，那這樣的失誤對譯者來說雖是干擾，尚不至於導致誤判誤譯。不同性質的失誤，對譯者造成的干擾與負擔顯然有所不同。當以AI來進行翻譯時，有失誤的指令是否會導致AI誤判出錯？
三、不同型態的失誤影響程度相異
Schmidtová等人的研究試圖探討，「不完美」的原文是否會影響AI產出譯文的品質，刻意在指令中參雜各種失誤來測試，初步發現，要求AI執行翻譯任務時，不同態樣的失誤，對AI的干擾程度也不同。
(1) 錯別字易使AI出錯；
(i)模擬自然失誤，如誤置在鍵盤上相鄰的字母，重複或省略某些字母，如s與ss；
(ii)模擬語言程度不足的失誤，如漏了子音前的r或字尾的e，遺漏ly之前的e；母音字母／字母組合失誤。語言程度不足的錯別字比自然失誤對AI的誤導又更明顯。
(2) 不標準的表達形式對AI影響不大，如大小寫未依標準文法，省略冠詞與功能詞。
(3) 隨興地簡化句型，對AI影響不大。
四、提示 (prompt) 是關鍵
除了原文文本正確性之外，任務一開始所下達的提示如果不精確，會讓AI答非所問，而非影響其文字品質。通用型AI工具常被使用者用來協助文件翻譯，但大語言模型並非特別針對翻譯訓練，更遑論針對特定的語言對 (language pair) 進行翻譯訓練，且語言對還涉及方向性，如中譯英為一對，英譯中是另一對；如果牽涉到低資源語言 (low resource language)—即數位形式語料較少的語言（不一定實際上使用者較少），AI甚至會「脫靶」演出，產出非指定語言的譯文 (off-target translation)。
五、AI幻覺
AI幻覺 (AI hallucination) 指的是AI太過自由發揮，生成出看似合理，但其實是捏造的內容；約略的可能因素包含在訓練的過程中，並無機制允許AI對指令中不清楚的部分，反過來詢問提問者，以便釐清指令的具體意義後再作答，這也是跟真人對真人互動最大的不同。AI生成的幻覺參雜在譯文中，有可能產生嚴重誤導。
| 原文：英文 | 譯文：法文 | 說明 |
| (1) Auto theft is surging in Canada—and according to a recent report from Équité Association, it’s adding up to more than $1 billion in insurance claims. | Le vol d’automobiles est en hausse au Canada et, selon un rapport recent d’Équité Association, il s’agit d’un crime contre l’humanité qui représente plus d’un milliard de dollars en reclamations d’assurance. | 原文並未提及汽車竊盜是 危害人類罪，且此資訊與事實相悖。 例示出處: Versacom’s Blog |
| (2) Am I going to be charged after the trial? | Serai-je inculpé après le procès? | 從「試用期後會收費嗎？」，譯成「審理後會起訴嗎？」。兩個關鍵字都恰好有多重意義。 例示出處: Version Internationale |
例 (1) 的譯文中，AI無中生有添加了一個多餘的敘述，該敘述不但原文中完全沒有提及，也不符合事實；幻覺的成因彷彿黑洞，難以探究。若使用者缺乏足夠的語言素養與背景知識，全然相信AI譯文可能導致嚴重後果。例 (2) 研判可能是使用者的指令沒有告知具體的情境----訂閱制產品說明Q&A----，導致出現單獨閱讀也許合理，實則嚴重錯誤的譯文。
六、真人把關將更重要
專利申請作業時的翻譯作業，對於原文失誤之處理，又多了專業與實務規定上的判斷考量：更正誤繕需論述所述更正並未超出主張的權利範圍。前置基礎或依附項次的失誤通常可以主張是單純的誤繕，但翻譯過程中用字選擇不夠周詳，日後並不一定都能順利修正，如round修改成circular，或反之，都可能被視為導入新事項，改變了技術內涵，非單純的同義字互換。另外像是PCT國際申請案進入國家階段時，筆誤只能忠實呈現，先提交直譯本之後再提主動修正。
生成式AI時代來臨，更凸顯出真人專業團隊的判斷力變得比以往更重要，包含語言素養、紮實的背景知識並對當下個案內容詳盡了解；AI沒有生命，若文件有誤造成權益損害，終究還是真人承擔後果。
參考資料:
1. Patricia Schmidtová, Niyati Bafna, Seth Aycock, Gianluca Vico, Wiktor Kamzela, Katharina Hämmerl, and Vitém Zouhar. “How Important Is ‘Perfect’ English for Machine Translation Prompts?” August 30, 2025.
2. “Al and Translation: Why AI Tools Hallucinate and What You Can Do about It.” May 06, 2024. Versacom’s Blog.
3. Martin Prill.“Worst AI (and Human) Translation Mistakes Spotted by Localization Pros. September 3, 2025. Version Internationale.
