在以前，我們使用網路上的翻譯機，時常都會出現詞不達意、語句不通順的結果。2016年，Google 翻譯使用了深度學習技術，讓翻譯品質大幅提升，受到眾人的關注。
以中翻英來說，當人類在翻譯時，會先將中文單字轉換成英文，例如：「我」翻成「I」，再依照英文的規則去排列出正確的語序，是利用我們學習英文的單字和文法知識進行翻譯。
然而，使用深度學習的自動翻譯機，並不是根據文法知識進行翻譯，而是從大量的譯文中學習其中的規則。即當出現某種排列順序的中文單字組合，大多會被翻譯的英文單字組合結果，例如：中文說「喝湯」，機器是透過大量譯文中知道大多會被翻譯成「eat soup」，而不是「drink soup」；而人類是依靠學習才知道正確說法是「eat soup」。也就是說 AI 並不是像人類一樣，有單字和文法的知識，而是根據大量的譯文數據，來進行詞彙的選擇及正確的語序。
單字的意義
因為 AI 不像人類一樣，可以理解單字的意義，所以我們需要搜集大量文本進行分析，就可以知道某個單字和哪一個單字常常一起使用，即一起出現的頻率很高。
意思相似的單字，其用法往往也會非常相似，自動翻譯便是根據這樣的語言特性，各個單字配置在多維空間上，就如同我們在詞彙與它們之間的關聯學習到詞彙之間是有關聯性的。又例如AI 如何變聰明？（二） — — 什麼是「機器學習」中的這張圖：
將單字配置到座標空間上，具有相似意義的單字就會聚集在彼此附近。例如「老虎」就會跟動物的的單字群組接近，「捷運」也會跟車類的單字相鄰⋯⋯，利用數值的組合在多次元空間上配置單字的位置。
機器翻譯的過程
機器翻譯的過程就是先將要翻譯的文本轉換成數值。假設要把一句話從韓文轉換成英文，就要利用深度學習的技術，計算各個單字之間的數值組合，把得到對應的英文數值組合轉換成英文單字，就完成翻譯了。
機器透過不斷地學習，計算方式及單字所表達的數值組合也會隨之調整，讓翻譯變得更加自然通順。你可以試試看，將一個句子放入 Google 翻譯，經過幾個月或是幾年，再將同樣的句子放入 Google 翻譯測試，可能會出現優化過後更加順暢自然的句子，這就是 AI 不斷學習精進的成果。
