機器翻譯從上世紀中葉發展以來，經歷了規則式機器翻譯（Rule-Based Machine Translation）、統計式機器翻譯（Statistical Machine Translation），乃至於現今蓬勃發展的神經式機器翻譯（Neural Machine Translation），一路走來雖曾遭遇瓶頸，但隨著技術日益成熟，機器翻譯現已於各界廣泛使用。以下概述這三種機器翻譯技術的演變和特點： 

1.      規則式機器翻譯：始於1950年代，其原理是先由專家定義不同語言間的語法結構和語意對應規則，並將這些規則轉換為電腦可處理的編碼形式，自動生成目標語的譯文。然而語言現象極為複雜且例外眾多，譯文品質必須依賴能否匹配既定規則。因此產出的譯文往往不夠自然，且容易出現錯誤。 

2.      統計式機器翻譯：1990年代隨著電腦運算能力和網路資料的成長，統計式機器翻譯應運而生。此技術不需預先定義語法和語意規則，而是基於大量平行語料庫和統計模型，計算出機率最高、最有可能與原文對應的詞彙或句子，再自動生成譯文。2007年Google Translate便是以其龐大的語料優勢採用此模式。雖然比規則式機器翻譯進步許多，但統計式機器譯文品質依然有限，常出現語句不夠通順、語境不夠貼切的問題。

3.      神經式機器翻譯：自2015年後神經式機器翻譯崛起，並以深度學習（Deep Learning）技術為基礎，透過大規模平行語料進行訓練，使機器能夠自動學習並找出翻譯規律。2016年Google Translate採用神經網路技術，2017年 DeepL也加入行列。與前兩代技術相比，神經式機器的譯文較為自然流暢，整體品質大幅提升。而隨著深度學習模型的持續進化，機器翻譯的準確性也不斷提高。