在去年时候，Google翻译产品总监Barak Turovsky曾透露将运用线上社群与云端运算资源方式，让Google翻译品质持续提昇，避免翻译结果文不对题或语句不通顺等情况。而在稍早于旧金山举办的结构资料大会受访时，Google研究团队资深研究员Jeff Dean也进一步说明将以人工智能背后的类神经网络系统作为辅助，藉此让Google翻译结果变得更好。
Google在过去其实便曾说明藉由云端运算资源让旗下服务如Gmail、Google Photos、Google Search、YouTube，以及Google翻译等应用效率更高，比方让Gmail对于垃圾信件或广告宣传内容判别度更高，或是应用在Google Photos中的人脸等类别分类，甚至在YouTube服务内提昇Content ID机制判断内容是否侵权的正确率。
就连众人经常使用的Google翻译服务，其实背后也大量导入云端运算资源。不过，相比过往主要透过现有资料比对，让系统透过扫描两种文字描述相同内容找出一定逻辑，藉此达成比对翻译效果，Google后续藉由导入类神经网络系统进行机器学习，同时配合线上社群手动校正方式，让后续的文字翻译可以变得更加流畅。
但从Google翻译产品总监Barak Turovsky先前受访中说明，藉由大量资料比对与手动输入方式所提供翻译效果，虽然可对应多数以拉丁语系为基准语言交互翻译，但针对夹杂诸多倒装、假借、形声或会意等字词的中文，甚至区分诸多敬语用词的日文，以及包含阴性、阳性与中性字词的法语或德语等，其实多少仍会有无法流畅翻译的情况，同时可能无法完整将原始含意做诠释。
因此趁着近期Google人工智能系统“AlphaGo“与韩国围棋九段棋手李世石在南韩首尔展开世纪对决之际，Google研究团队资深研究员Jeff Dean便说明目前Google旗下诸多服务已经开始导入类神经网络系统，未来将会藉由大量机器学习、比对过往经验法则让服务具体优化。
而稍早于旧金山举办的结构资料大会受访时，Jeff Dean更进一步表示目前已经与Google翻译团队携手合作，将透过让基于类神经网络系统的人工智能持续学习，使其能真正了解各类文字字面上所涵盖意义，藉此能举一反三套用在不同语言转换，同时维持文字语句结构通顺，让一般使用者能轻易读懂翻译后的结果。
Jeff Dean表示，目前整个团队对于这样的尝试预期将可获得显着成果，并且预期能以此让Google翻译服务效果更进一步。
