维持人类能动性，关注其成本：针对非母语使用者语言使用的生成式AI设计调查

研究背景与问题

• 问题或挑战: 作者关注在AI生成语言环境下如何保持人类的自主性（agency），特别是在非母语使用者通过机器翻译（MT）进行语言沟通时的代理性问题。研究指出，传统机器翻译接口提供的自主性非常有限，非母语使用者对翻译输出的影响能力较弱。
• 重要性: 随着AI技术在语言生成领域的广泛应用，如何在技术辅助下保持人的主动性成为关键问题。特别是在跨语言沟通情景中，保持非母语使用者的语言表达真实性和自主性，对于移民等群体的社会融入及信息沟通具有现实意义。
• 研究动机与相关工作:
  • 相关文献表明，AI生成内容可能减弱人的主动参与，限制其身份和价值表达。
  • 专业翻译领域中的后编辑功能已被广泛研究，但现有研究多聚焦于双语流利者，未能充分关注资源受限的非母语使用者的代理性问题。
  • 文献指出非母语使用者在目标语言中的资源具有“识别与生成”差距，本文试图通过不同设计来探索信息沟通情境中代理性保存的可能性。

解决方案

• 提出的设计方法: 作者基于Bandura的"agency-resource connection"，设计了三种人机翻译接口以支持非母语使用者在语言沟通中的自主性：

  1. 标记接口: 用户可以通过对翻译输出质量进行评价（如点击正面或负面标签）间接表达对内容的影响。
  2. 常规后编辑接口: 用户可以直接编辑机器翻译输出，以充分利用其被动和主动词汇资源。
  3. 增强后编辑接口: 提供由大型语言模型（LLM）生成的句子建议，帮助用户更轻松地进行翻译修改。

• 创新之处:

  • 设计界面时根据非母语使用者的语言资源构成特点（即识别和生成能力的差异）调整资源参与范围。
  • 在支持代理性的设计同时，揭示代理性增强可能带来的沟通成本（如信息交换深度降低等）。

• 实施步骤与关键技术:

  • 实验设置: 45组二人样本，每组包含一个非母语使用者（移民）和一个母语使用者展开在线文本信息寻求任务。
  • 数据收集: 基于任务沟通记录，分析沟通的广度和深度以及信息传递对齐度，并收集参与者对代理性和工作负荷的主观评价。
  • 技术支持: 使用开放源机器翻译模型并结合生成式语言模型（LLM）提供的语句建议。

研究成果

• 具体成果:

  • 非母语使用者在两种后编辑条件下表现出的代理性显著高于标记条件，证明编辑翻译内容或访问LLM推荐资源能够增强自主性。
  • 然而，过高的代理性增强成本表现为信息沟通的深度降低及对齐度下降，尤其在两种后编辑条件下显著。

• 与现有解决方案的优势:

  • 作者创新性地关注非母语使用者的资源限制，提出了针对性设计，扩展了目前关于代理性与人机协作的研究。
  • 通过实验揭示了不同设计的优劣，提供了量化证据支持。

• 实验或评估结果:

  • 标记条件下的信息沟通深度更高、最终对齐度更优，但沟通范围较小。
  • 后编辑条件下信息交换更广泛，但深度和对齐度均有所下降。

• 局限性与未来方向:

  • 局限性: 样本语言背景和任务情境较为单一，仅研究了中英翻译情景，结果可能对其他语言对和沟通情景的适用性有限。
  • 未来方向:
    • 扩展到其他非母语使用者语言背景和情境。
    • 考察其他人机交互方式（如语音翻译）对代理性保存的影响。
    • 探索如何高效平衡代理性增强和沟通效率的设计方法。
    • 通过标记与后编辑数据训练定制化机器翻译模型以反映用户语言偏好与风格。

本文清晰地揭示了技术设计在保持人与AI交互中的代理性时面临的问题与机遇，为未来的设计提供了重要启示。