微软采用了对偶学习(dual learning)、推敲网络(deliberation networks)联合训练(joint training)和一致性规范(agreement regularization)的技术组合。对偶学习和推敲网络此前已经发布，此次新增了后两项技术。

根据微软的介绍，对偶学习类似与人类翻译的“回译”，将中文翻译成英文后，系统会将相应的英文结果再翻译回中文，并与原始的中文句子进行比对;推敲网络顾名思义，是机器翻译的不断推敲修改。

联合训练则可以理解为用迭代的方式去改进翻译系统，用中英翻译的句子对去补充反向翻译系统的训练数据集，同样的过程也可以反向进行。一致性规范则让翻译可以从左到右进行，也可以从右到左进行，最终让两个过程生成一致的翻译结果。

目前微软的这一翻译已经开放(地址：https://translator.microsoft.com/neural/)，实际使用中运行可能偏慢。微软会显示两种翻译结果，从实际测试来看，微软修正后的翻译系统(右)，显示出了相对更高的翻译水平。

微软亚洲研究院副院长、自然语言计算组负责人周明表示，仍有很多挑战有待解决，例如在实时的新闻报道上测试翻译系统。

考虑到中文的复杂性，中翻英常被用于考验机器翻译的水平。而近年来机器翻译水平的突飞猛进，人工智能的深度神经网络学习功不可没。

2016年9月，谷歌翻译就宣布在翻译系统中引入神经网络，令中翻英更为流畅自然。

神经网络的学习，以谷歌的机器翻译为例，翻译不再以单词为单位，而是以整句为单位，兼具单词的意义和合适的语法。这种深度学习不但能提升翻译水平，还在自动驾驶等其他需要人工智能的领域，有重要作用。

不过，机器翻译软件的英翻中水平，似乎还是有些堪忧……