這個方案是在一個名為Transformer的系統中，附加上新的元件attention mechanism，attention mechanism稱之為注意力機制，會使翻譯系統在進行剖析動作時，自動對照每一個單字是否會影響前後文的辭意，藉此來選出准確的翻譯。

根據外媒報道，該文中提到機械進修（Machine learning）是很有效的翻譯對象，但在人類利用說話的多元習慣上，電腦可能一時之間無法分辯出准確訊息，特別是系統常常會逐字逐句的翻譯，沒有去領會前後文，因而翻譯出了錯誤的訊息，事實上就連人類自己也會犯這類毛病。而天然說話處置懲罰部分的工程師們認為，若是每一次泛起如許的毛病，就要從頭修改說話系統中的神經收集，將會長短常沒有效率的做法，也是以他們提出了另外一個方案翻譯

但是，注意到這個問題的不只是Google，近期翻譯公司 DeepL也正在開辟相幹系統，其開創人 Gereon Frahling 乃至認為，他們的版本將比 Google 的系統更好。

Google 天然說話處置部門（NLU）的Jakob Uszkoreit 近日發表了一篇文章，提出對於Google翻譯因以句子為單元而造成毛病翻譯的解決方式。