如何看待谷歌最新推出的翻譯技術？

個人認為Google的這個研究方向是對的，但是尚待成熟。

翻譯有純人工翻譯，還有藉助電腦的機器輔助翻譯（CAT，Computer assisted translation），還有傳統的機器翻譯（MT，Machine translation）。

傳統的機器翻譯據說源於上世紀五六十年代的美國，為了破解蘇聯的大量俄語文件而研製。它的原理是辭彙間的一一對應，可以想見，產出的譯文肯定是不通的，或許只能大體看出原文在探討的主題。這樣的翻譯模式或者思路，在翻譯天氣預報這種語彙固定的文本上有一定用處。據說加拿大魁北克地區曾用這種方式播報雙語天氣預報。

機器輔助翻譯是指利用Trados或者wordfast這種工具，它的核心原理在於translation memory，即翻譯記憶語料庫。軟體工具把之前翻譯過的或者集中導入的雙語語料儲存起來，遇到相似程度高的原文時，自動調出之前的譯文，譯者在其基礎上修改，完成最終的譯文。其翻譯單位為句子。

以上介紹的基於語彙一一對應的機器翻譯和基於翻譯記憶資料庫的CAT，其實代表了實現人工智慧的兩個思路。我自己只是搞翻譯的，對於人工智慧不太懂，但機器/電腦翻譯屬於人工智慧的範疇。人工智慧的關鍵在於教會機器你想讓它認知的東西，對於如何教，有兩個思路。

舉一個我在TED演講中聽過的一個例子（以後我找到這個視頻再補充截圖）。

演講者從事的是圖像識別軟體的開發。一開始採取的套路是通過描述畫面來教會機器識別事物。比如給「貓」設置「圓臉、尖耳朵、長尾巴」等參數，但是效果很差，機器識別了站立著的貓，就識別不了坐著的貓。

後來研發者換了一個思路，模擬人類孩童是如何認識貓的——見的多了，就知道這樣的是貓了（孩子並不會去分析原來圓臉、尖耳朵、長尾巴的才是貓）。於是將大量貓咪的圖片存入機器，並告訴它這是「貓」，後來機器遇到類似的圖片，就能識別出是貓。已有資料庫越大，機器識別得就越準確。

個人認為質量較高的機器/電腦翻譯的實現，也要採取這後一種思路，即基於大量雙語語料的記憶和學習——讓機器記住什麼樣的話是什麼意思，而不是將語句分解為辭彙再去找它們在另一個語言中的對應。

根源還是語言的複雜性，無論是哪兩種語言之間，都不像二進位和十進位之間那樣可以實現一一對應，所以第一種思路的發展前途已經很局限。而第二個思路或許就是以後的方向，互聯網實現的大量語料共享也為它的發展提供了可能。

瞎說一通了。

補充一點，雖然我自己是個翻譯匠，而且厭惡把線上翻譯隨便改改交差的譯員，但是對機器/電腦/線上翻譯本身心存親切——它畢竟不是人，不要笑話它。

它對於譯者也有用處，對於某些辭彙（不是整句整段），它給的譯文由於基於大量現有語料，往往確實是業內人士用的比較多的說法。

謝邀

還沒有太仔細研究，但從商業角度來講，我個人覺得對低端翻譯市場衝擊較大，對商業翻譯和高端翻譯的衝擊並不是很大。

因為有個內容保密的問題，把重要的資料上傳到雲上還是比較危險的一件事兒。特別是google的雲上。所以我相信在中國這個東西只會在中低端翻譯市場，或者小說、雜誌之類的文章的翻譯上得到利用。