人工智慧是個筐，什麼都可以往裡裝。這裡有一段關於其的定義：人工智慧（Artificial Intelligence）是研究、開發用於模擬、延伸和擴充套件人智慧的理論、方法、技術及應用系統的一門新技術科學。

語言翻譯軟體算不算人工智慧？這樣看來算是吧，現在有一個分支學科叫自然語言處理（NLP），是關注於這方面的，而且這個方向號稱人工智慧王冠上的明珠。這個學科主要關注與計算機之間用自然語言進行有效通訊的各種理論和方法。

翻譯軟體早就有了，但是準確性，達意性卻有很大的區別了。拿英語與漢語之間的轉換來說吧。

首先從英語翻譯成漢語：英語在書寫過程中一般用空格來做詞的分割，過去經常就是按詞來翻譯，但是英語裡同樣的詞，不同的搭配有著不同含義，所以翻譯出來句子往往和實際意思差很多，例如老外經常說 you have my word.如果單詞直譯就變成了”你有我的詞“，事實上這句話的意思是“我向你保證”。這就需要新的方法來給軟體增加點智慧完成工作了；

同樣，在漢語翻譯成英語的時候就更麻煩了。從我開始答題到現在寫的文字，除了標點符號分句外，所以的詞都是連在一起了。所以在做翻譯時，就要分詞了。例如：”馬上“，將”馬上“作為一個詞，也可以分開”馬/上“表達另外一個意思。所以如果要做到準確就需要翻譯軟體有更多的智慧了。

而這僅僅是開始，詞分好了，同一個詞有可能即做動詞也可以做名詞或者其他詞性，所以要進行詞性標註。這些工作，人類接受一些訓練後，比較容易解決。目前讓機器去完成就非常困難了。在目前的技術與硬體條件下就產生了一系類方法去完成這個過程。

由於電腦科學的發展，我們現在可以建立大型的語料庫，再利用一些對應的方法，現在翻譯的水平對照2003年時有很巨大的進步。前端時間使用google翻譯讀論文，都不敢相信翻譯的結果這麼的好。當然啦，和我們目前人的水平還是有不少差距的。目前市面上已經出現了不少翻譯工具，這樣出國就不用擔心不能交流了。

這些也就是讀研時學到點皮毛，觀點僅供參考，附上目前我們日常使用的幾種翻譯工具。

以前的絕大多數不是。

現在有的翻譯軟體已經使用人工智慧技術實現了。

最早將文字通過查詢資料庫對照翻譯，這是最原始的方法，比較生硬。

後來可以對拍照的照片進行翻譯，這也不屬於人工智慧，只能算是圖片識別ocr範圍，將圖片進行識別轉為文字，再將文字就行翻譯，與上一個一樣。

出現人工智慧後，可以使用人工智慧進行建模學習大量的文章，不斷迭代到最優解，這個時候，看模型和樣本的程度，出現不一樣的翻譯結果，進而更像專業人工翻譯，甚至更優秀

現在機器翻譯的演算法主流就是用的人工智慧演算法。目前，深度學習在自然語言處理領域，機器翻譯領域最好的演算法應該是Bert模型，或者transformers模型。一般來說執行這些演算法的計算量較大，因此需要雲端計算。不過對於一些優秀的翻譯軟體，可以把訓練好的這些模型嵌入到微電腦中，進行翻譯工作。

首先，翻譯軟體不屬於人工智慧，翻譯軟體背後的翻譯邏輯使用了人工智慧

1.早期的翻譯軟體基本都是進行關鍵詞擷取翻譯，可以理解為單詞翻譯在進行組合

2.經過多年的發展如今的主流翻譯軟體背後已經依託著人工智慧，谷歌有道搜狗等，均依託於人工智慧的神經網路翻譯模型，在大量資料的基礎上進行自我學習

3.主要表現就是如今的翻譯越來越人性化，通過不斷的學習和迭代，在大部分場景總已經可以說到類似於人類思維的邏輯翻譯，但在專業領域目前還比較薄弱，大概為以前的硬翻水平。

4.如今的主流APP，多數還集成了語音識別和影象識別均為人工智慧的產物