机器翻译相对于人工翻译主要有三个优势：记忆量大、翻译速度快、成本低。机器在处理规则明确的事情上（例如精确度要求不高的翻译），能够高效快捷的完成任务，比如说天气预报、出国旅游的日常交流等。而这些快捷的机器翻译所需要的成本与人工翻译相比具有很强的优势。

　　然而机器翻译也有不少地方比不上人工翻译
　　现在机器翻译很大的一个问题是，计算机或者人工智能没法处理人类的常识问题，比如在生活中，大家都知道太阳从东边升起，所以讲到阳光照进窗户，我们都能推理出这个窗户的朝向。但是机器没有这种常识背景。同样地，在语言翻译的过程中，涉及到很多关于语言文化或者常识俚语的知识。到目前为止，机器还没有很好的方法去克服，这是一个很大的瓶颈。即使用神经网络去学习，也只是针对输入的大规模语料来学习，语料中没有的，它就学不到，而且也不能理解。
　　人们对翻译的要求通常体现为“信、达、雅”三层标准。机器翻译可以比较容易实现“信（没有错误）和达（译文通顺）”的水平，但难以实现“雅（源于原文而又高于原文）”。最重要的问题是机器没有足够的抽象能力和理解能力。比如“道教”中的“道”字，机翻可能直接译成“路”，而不会译成“规律”或“宗教”，因为“道”是一个抽象的多义概念，需要理解语境才能准确翻译。所以，机器可以完成“直译”的任务，但难以胜任“意译”的要求。

　　目前对机器翻译的研究进展
　　经过测试，我们发现谷歌的神经翻译系统的翻译能力好了很多。它的翻译语句比以往流畅了很多，可读性也比以往好了很多，不再是以前比较难懂的初级版本了。初级的翻译模式是词对词替换，后来发展到了统计机器翻译，基于短语的统计机器翻译较好解决了一些翻译难题，但这二者的翻译结果读起来都还比较晦涩。现在神经网络翻译实现了端到端的翻译，翻译是句子到句子的转换，所以从技术上来讲，现在的翻译结果已经流畅很多了。机器翻译技术一直在往前发展，现在也在不断提出更新的，更为深度的神经网络学习模型。虽然达到或接近人工翻译的水平还有很多很多的困难。但是这方面的技术总体趋势确实是越来越好。
　　同时，在机器的自然语言理解上，现在正在攻关。这里的一个关键问题就是：文字只不过是用来表达信息的载体，而机器翻译只处理了文字，却没有理解文字所载荷的信息。比方说“我吃饭”是对的，“饭吃我”是错的，但是机器可能就认为两者都是对的，因为机器只知道它们符合主谓宾的语法结构，却没有理解文句的语用信息和语义信息。所以要让机器理解自然语言是比较困难的，因为这不仅涉及到机器的抽象能力，还涉及到它们的常识积累问题。

　　如今机器翻译取得这么大的进步，它会不会取代人工翻译呢？
　　目前来看机器翻译不可能代替人工翻译。机器主要作为一种辅助工具，翻译的主体始终是人，机器只是一个自动化工具，用来提高人的工作效率。如果没有了人，只靠机器翻译是不可能执行所有翻译任务的。
　　随着机器翻译能力的提高，我们可能失去的就是那种比较平铺直叙的、一般质量水平的翻译。人们学翻译就是要做一种高水平的翻译，所以关于翻译专业失业的问题，我觉得不是那么可怕。一般的普通翻译就让机器去做好了，然后我们做更高级的工作。学习翻译的同学，将来还可以去研究很多领域，比如语言文学的研究等。这些都不是通过机器翻译就可以解决的。
　　对优秀的译者来说，我们面临的不是机器给我们的挑战，而是机器给我们的巨大帮助。它可以提高效率和用词的统一度，但是准确度还得靠人来把握。所以译者应当敞开怀抱来欢迎机辅翻译。