年到年，机器翻译领域可以说是翻天覆地。
这期间发生的大事，是以神经网络作为基础的机器翻译，开始在全面超越此前以统计模型为基础的统计机器翻译（SMT），并快速成为在线翻译系统的主流标配。
在这场革命之后，机器翻译彻底进入了NeuralMachineTranslation，即NMT神经机器翻译时代。
很多人为此欢欣鼓舞。回想去年，谷歌在中英翻译系统上部署了GNMT——谷歌神经机器翻译之后，当时网上有一句广为流传的话：“作为翻译，看到这个新闻的时候，我理解了18世纪纺织工人看到蒸汽机时的忧虑与恐惧。”
怎么样？是不是感受到了深深的绝望？
但是先让咱们的小情绪平静一下。时过一年，市面上的NMT系统越来越多，国内的BAT、搜狗，国外的谷歌、Facebook、微软等都在布局。虽然翻译质量确有提高，但远没到上述引文中描绘的发生“质变”的程度。这到底是为什么？
于是，我们选取了目前最有代表性的谷歌GNMT和屡获大奖的搜狗的SogouNMT，来摸索一下今天神经网络机器翻译的真实水平和进化空间。
应用效果测试
考虑到要求连贯性、语句准确的在线翻译技术，其应用场景无非两种：一是海外旅游、购物为代表的实时沟通场景；二是垂直领域的专业内容翻译（毕竟日常翻译需求查单词就够了），所以这里选取了一些旅游用语和专业论文，来检测一下SogouNMT和GNMT的翻译实力。
此外，今年6月搜狗在发布翻译APP时表示SogouNMT的独门秘籍之一是翻译古诗词，所以我们也找来了古诗词与文言文来折磨两个“小家伙”。
首先是来看一句基本的旅游用语：
英译汉：WhatisthepossibilityofmygettingaseatifIwait?
谷歌答案：如果我等待，我可以得到座位的可能性？
搜狗答案：如果我等待的话，我有座位的可能性是多少？
汉译英：如果我等下去的话有多大几率有座位？
：WhatisthechanceofhavingaseatifIwait？
：HowoftendoIhaveaseatifIwait?
从中可以看出，英译汉的语序调整大体正确，搜狗对汉语的语法理解更准确。但汉译英却没有那么乐观，对于表述比较口语化的“几率”，两个系统都没有表现出对上下文的理解能力。
我们来找点论文里的长句子虐一下。
英译汉：
ItseemsanachronistictotalkaboutintertextualityinthebeginningoftheTwentyFirstCentury,almostfortyyearssincethetermfirstappearedwithJuliaKristeva’sintroductionofMikhailBakhtintotheWesternworld.
谷歌答案：
在二十一世纪初谈论互文性似乎不合时宜，自从JuliaKristeva将MikhailBakhtin引入西方世界以来，已经有四十年了。
搜狗答案：
在二十世纪初开始谈论互文性似乎是不合时宜的，近四十年来，从Juliakristeva引进米哈伊尔·巴赫金到西方世界第一次出现。
汉译英：
自四十年前朱丽娅·克里斯蒂娃在介绍巴赫金思想时首次将"互文性"概念引进西方世界以来，到21世纪初的今天再针对“互文性”进行讨论已经显得有些不合时宜。
Sincetheintroductionofthe"intertextuality"conceptforthefirsttimeintheintroductionofBakhtinsthoughtfortyyearsago,thediscussionof"intertextuality"atthebeginningofthe21stcenturyhasbe