针对人工智能技术的投资，除了持续应用在自动驾驶与无人车技术发展之外，其实也已经陆续应用在Google Assistant、Gmail、Google翻译、Google相簿或Google Search等服务内，而从过去持续借由资料比对模式打造的人工智能技术，到后续导入类神经网络运算模式的人工智能技术，Google其实已经在人工智能技术领域投入大量发展资源，甚至早在收购DeepMind团队打造AlphaGo人工智能系统之前便有相当久的发展历程。
而对于目前有越来越多人使用的Google翻译服务，Google翻译产品经理Julie Cattiau稍早说明如何借由类神经网络演算技术分析复杂的语言模型架构，借此将特定语句中的完整语意转换成另一种语言。
在先前说明中，Google便说明计划借由机器学习为基础的人工智能技术强化Google翻译运作品质，同时也能让翻译效率具体提升，并且将使同步翻译成为终极发展目标。而在后续发展里，Google进一步将类神经网络学习模式导入Google翻译，透过大量语句结构分析、比对学习，让不同语言字句翻译结果更为通顺、正确。
而就Google说明，目前导入类神经网络学习技术的翻译系统运作模式，主要会将原始语言转换成系统考理解的中间介质语言，进而转换成目标翻译语言，无需像传统翻译模式先将原始语言转换成第一种或第二种共通语言 (例如将中文转换成英语，再从英语转换成海地语)，透过减少二次以上翻译流程造成原始语意流失现象，同时也能借此减少语言翻译学习资料占用空间，并且配合机器学习分析理解翻译语句关连，进而了解整段语句所要表达含意，让过往逐字翻译产生的奇怪语句情况有所改善，达成更贴近自然语句的直译效果。
与目前翻译品质比较，由于机器学习依然需要大量资料进行比对，因此相比人力翻译同时具备直觉、想像可让翻译品质有更好的自然语意呈现，但比起传统比对翻译模式却能有更明显成长。不过，现阶段Google翻译依然无法完整对应不同语言混用的翻译结果呈现，目前保守作法可能会依据语句结构判断是否维持其中一种语言 (例如在中文翻译中保留特定英语词汇)，而Google未来将会持续借由其他方式让此类语言使用模式有更好翻译结果。
对于常见的繁体中文、简体中文翻译比对，Julie Cattiau表示目前依然是以单一语言学习模型进行训练，毕竟相比全球多数人使用的英语，中文已经成为第二大规模使用语言，但若将学习模型拆分成繁中、简中两种数据库，势必会让整体学习效率受影响，因此现阶段作法将以单一学习模型搭配不同语言版本词汇，进而对应不同中文版本翻译使用需求。不过，此部分主要还是建立在繁体中文、简体中文有极为相似的语句结构，因此透过简单词汇转换即可相通。
Google表示，持续推动Google翻译使用品质是为了让全球资讯交流更无障碍且流畅，目前每天使用次数约达10亿次以上、每月累积超过10亿人以上使用人数，同时约92%使用者来自美国境外地区，其中台湾地区透过Android平台装置使用Google翻译约成长两倍，而iOS平台装置使用年成长率也达60%以上，成为Google翻译使用成长最快地区。
※相关连结》
- 改用类神经网络学习 Google中翻英终于不会再有奇怪字句…
- 类神经网络学习加持 Google翻译将可更精准直译各国语言
- 借机器学习精进翻译 Google：同步口译为终极发展
你也许会想看以下内容：
- 借机器学习精进翻译…
- 类神经网络学习加持…
- 改用类神经网络学习…
