Toward Human-Centered AI-Assisted Terminology Work
本文倡导在术语工作中采用一种以人为本的人工智能框架，该框架利用生成式人工智能来增强术语专家的能力，同时保留其核心的主动权与监督权，以确保准确性、减轻幻觉和偏见等风险，并维护专业化交流的完整性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
以下是关于安东尼奥·圣马丁（Antonio San Martín）论文《迈向以人为本的 AI 辅助术语工作》的解析，采用了通俗易懂的语言和创意类比。
大局观：“副驾驶” vs. “自动驾驶”
请将**术语工作（Terminology Work）**想象成一位资深制图师的工作。他们的职责是为特定领域（如医学、法律或工程学）绘制尽可能精确的地图。他们决定一个词的确切含义、它与其他词的关系，以及如何进行翻译，以便不同语言的专家能够完美地理解彼此。
现在，请将生成式人工智能（Generative AI）（例如 ChatGPT）想象成一个超级快速、超级聪明的机器人助手，它可以在几秒钟内画出地图。
论文指出，虽然这个机器人助手速度极快，但它也容易出现幻觉（编造事实）、偏见（偏袒某些文化或语言）以及错误。如果我们让机器人完全接管驾驶（全自动化），我们就有可能画出导致人们坠入悬崖的地图。
相反，作者提出了以人为本的 AI（Human-Centered AI, HCAI）。这不应被视为取代制图师，而是为他们配备一名高科技副驾驶。机器人负责繁重的体力活并建议路线，但人类制图师必须牢牢握住方向盘，做出最终决策，以确保安全与准确。
论文的三大支柱
作者建议我们需要围绕三个核心理念来构建这种关系：
1. “增强型”术语专家（超级工具）
- 旧方式： 在过去，技术有时会被强加于工人，使他们变成“机器中的齿轮”（就像流水线上的工厂工人）。
- 新方式： 论文主张的是增强（Augmentation）。想象一位木匠得到了一个电钻。电钻并不会取代木匠；它能让木匠在保持精湛技艺的同时，以更快的速度完成房屋建造。
- 主张： AI 应该像那个电钻一样。它可以秒速起草定义或寻找术语对等词，但人类仍须审查、编辑并批准这些工作。目标是让人的能力更强，而不是让人的角色过时。
2. 伦理 AI（“公平性”过滤器）
- 问题所在： AI 模型是在海量互联网数据上训练出来的。论文指出，这些数据就像一座带有偏见的图书馆：
- 其中的英语书籍（尤其是美式英语）远多于其他语言。
- 关于体育和流行文化的书籍远多于物理或数学。
- 它反映了更多的西方文化观点，而非其他文化。
- 风险： 如果我们任由 AI 在不经检查的情况下绘图，它可能会创造出仅在美式环境下有意义的术语，或者忽略地方性的表达方式。它甚至可能无意中利用刻板印象。
- 解决方案： 人类术语专家充当伦理过滤器。他们必须检查 AI 的工作，确保其没有偏见、没有编造事实，并尊重其所使用的特定文化和语言。只有人类才能说：“不，在这个社群里我们不是这样表达的。”
3. 以人为本的设计（打造正确的工具）
- 问题所在： 目前，许多 AI 工具是由不懂术语专家工作流程的工程师开发的。这就像一位厨师得到了一把太重或手柄太滑的刀。厨师不得不改变自己的烹饪风格去适应工具，而不是工具来辅助烹饪。
- 解决方案： 论文呼吁以人为本的设计（Human-Centered Design）。这意味着：
- 先询问用户： 根据术语专家实际的需求来设计工具，而不是根据程序员认为“看起来很酷”的标准。
- 保持控制权： 软件应允许人类开启或关闭某些功能。如果 AI 建议了一个术语，人类应该能够轻松地说“不”或“再试一次”。
- 不要误导大脑： 设计应防止人类产生惰性。例如，工具不应在人类思考问题之前就直接显示答案，否则人类可能会盲目接受 AI 的错误答案。
用白话总结的核心要点
- AI 尚未准备好取代人类： 大语言模型（LLMs）擅长速度，但在精准度方面表现欠佳。它们会犯错，也会撒谎（幻觉）。在精度至上的领域，人类依然不可或缺。
- 速度 vs. 控制： 你可以同时拥有极快的 AI 系统和处于完全控制之下的人类。它们并非敌人；它们协同工作效果最佳。
- 人类才是老板： 论文强调术语专家必须始终是决策者。如果公司仅仅为了削减成本而解雇专家并使用 AI，知识质量将会下降，偏见也会蔓延。
- 新技能需求： 术语专家需要学习“AI 素养”。他们需要知道如何与 AI 对话（提示词工程）、如何识别 AI 何时在撒谎，以及如何修复其错误。
底线
论文总结道，如果我们希望 AI 帮助我们实现跨语言和跨文化的更好沟通，我们就必须将其视为赋能人类的工具，而非取代人类的机器。如果我们能以人类的福祉和专业知识为中心来设计这些工具，AI 就能帮助我们绘制更好的知识地图。否则，我们可能会迷失在错误与偏见的迷雾之中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。