※ 引述《writerou (春衫猶濕)》之銘言：
: 現今的翻譯軟體只會在兩種語言之間轉換，
: 想要讓它同時轉換三種不同語言，
: 會變得一團亂。
這只是單純一對二 或互通的邏輯
只要軟體公司想做就可以做到
只是這種需求並沒有很高
: 請問有沒有翻譯軟體很難用的八卦？
資訊界跟語文學家 一直不斷思考這個問題
整個翻譯軟體的演進史是這樣的：
1. 直接按表翻譯
How are you?
↓
如何是你？
這個就是清初中國人的翻譯水準。
這種程式也好寫，反正我只要能夠把句子分割成多個Token按表查就好了。
※缺點：智障。
2. 依文法意譯
後來大家仔細想想，欸 英文不是有文法嗎？
所以資訊教授就找了幾個語言學家來做
How are you?
↓
你如何？
3. 打牆期
但問題來了，不是所有的語言都有嚴格的語法；
其次，對演算法來說一個複雜的子句要怎麼切割？
資訊學家們與語言學家們 一直在研究有什麼辦法
到底有什麼辦法可以讓電腦理解詞意/語意？
有些教授們去捅妓、有些教授們則是加強程式的複雜度……
這時期
How are you?
↓
你好嗎？
※缺點：維護成本高 需靠人為補強 跟不上流行語/網路用語
4. 大‧數據期
後來資訊學家們發現 ＿＿學家沒一個能打的 果然＿組都是廢物
於是他們想到了 機械學習
機械學習的原理是
我靠塞大量的數據 透過某些特定的模型(例如類神經、統計)
讓電腦去學習人類使用的習慣
整合過去自然語言的處理技術、字句分割
靠使用者的貢獻與糾正 電腦就會自動成長
所以 如果電腦學習到8+9的用語習慣 那麼
How are you?
↓
跨三小
阿大數據、機械學習 真的有那麼嗆邱嗎？
抱歉
如果數據不夠多 還是沒屁用
所以像一些冷門的語言 翻譯強度還是不足