机器翻译分为三个阶段：第一个阶段是基于规则的机器翻译。那个阶段会先把文章中打乱的句子变成单词，之后再查字典，然后进行翻译，翻译之后，可能中文跟英文并不完全对应，需要再按照语法规则进行调整，最主要是调序的问题。第二个阶段是基于统计的机器翻译，在 15、16 年之前，我们都是使用这个方法。第三个阶段是最近几年的基于多层人工神经网络的深度学习机器翻译。
在近些年间，机器翻译在这三个阶段其实有两个重大的变化，一是语法上的，乔姆斯基的生成语法理论，第二就是深度学习。原来大家一直对语义分析犯愁，但是深度学习已经开始对语义分析进行探险，大家知道词嵌入的方法，现在把词向量再进一步发展到句子向量，含有语义信息了。在处理过程中，对于单语种，比如说词汇的语义信息，可以把语义相近的靠在一起，不同语种的源语言和目标语言的分布式处理办法，也可以把源语言和目标语言语义相近的一起靠。这个虽然不能说从根本上解决问题，但是减轻了人对语义分析很大的忧愁。
二、机器翻译的难点和重点
语言具有科学性的一面，也具有艺术性的一面，所谓艺术性往往就是突破常规，突破常规的东西是机器最难以表现的东西。另外，自然语言具有高度开放性和高度灵活性。在开放性上，如网络出现以后，新词不断涌现，例如粉丝这个词汇。在灵活性方面，可以自己随便去组词，这些新组成的词也很让人头疼。
语义理解说白了就是对说话人意图的理解。意图理解与上下文有关系，但是语言本身存在歧义性和多样性。另外，语言高度依赖知识，大家都知道常识知识，例如煤球是黑的，元宵是白的，小孩子常说，「地球人都知道」，但是机器不知道。另外还有领域知识，上下文、语言、环境等都会影响对语义的准确理解。
人工智能突飞猛进，解决了很多过去想都不敢想的关键问题，但这只是初步的，它还有好多解决不了的致命问题，比如方才所说的常识知识，以及思考和逻辑推理的问题，这对机器学习也是一种制约。我们人类有了知识之后，可以不断推理和思考，但是人工智能现在还不具备思维和推理能力，特别是不具备前面说的常识性知识。
三、机器翻译与人工翻译的关系
现在的人工智能还只是弱人工智能，不是强人工智能，也不是超强人工智能。现在人工智能的作用，还是用机器代替简单的、重复的以及危险性的劳动，想要解决找不到规律的问题，人工智能还不能做到，也代替不了人。人要尽量用好机器这个助手，自如地运用好机器，这样既可以提高工作效率，也可以保证质量。
最好的翻译一定是那些对人工智能系统或者教育机器深入了解，能运用自如的人。把这些作为辅助手段，水平会越来越高，效果会越来越好。不是谁淘汰谁的问题，机器永远是人的工具。
