最近，机器翻译技术发展迅速。深度学习的进步使得机器翻译能够实现更准确的翻译，而且相比人工翻译速度更快。但是，在某些方面，机器翻译依然没法满足人们的需求。因此，许多人依然需要人工翻译。

机器翻译技术可以分为两种：基于规则的机器翻译和基于数据的机器翻译。基于规则的机器翻译是使用已肯定的语法规则和词典进行的机器翻译。但是，这类机器翻译需要人工编写规则和词典，因此它的范围有限。

另外一方面，基于数据的机器翻译是使用现有的翻译句子（称为平行语料库）来训练机器翻译模型。这类方法更加灵活，并且可以利用于区别的语言和领域。基于数据的机器翻译可以分为统计机器翻译和神经机器翻译两种。

统计机器翻译是使用统计模型来进行翻译的。它会从平行语料库中学习翻译几率散布。然后，当它遇到新的句子时，它会使用这些已知的翻译几率散布计算最可能的翻译结果。但是，由于其模型的局限性，统计机器翻译没法处理一些复杂的语言现象。

为了解决这个问题，神经机器翻译被提出。神经机器翻译使用神经网络来学习翻译模型。与统计机器翻译区别，神经机器翻译不需要手动设计特点和规则。相反，它直接使用输入和输出之间的映照函数来进行翻译。这使得神经机器翻译更加灵活，能够处理更多的语言现象，并且通常能够提供更好的翻译结果。

总的来讲，机器翻译技术的发展给我们带来了很大的便利，它能够加快翻译速度，减少本钱。但是，依然要注意机器翻译的局限性和不足，机器翻译还不能替换人工翻译。在具体利用中，我们需要根据翻译的需求和要求来进行选择。