Спору нет, что качество перевода улучшается. Однако, машина или, скажем, марсианин, не смогут повторить схему:
<текст> --> <Смысл текста в голове переводчика> --> <Тот-же смысл выраженный на другом языке>
Например, такой текст, когда жена говорит мужу: "И где-же ты был вчера? А сегодня уже нельзя. Ничего с тобой не случится если потерпишь три дня".
Текст поймет только "тот, кто в теме". Я сначала перевел гуглом на англ, а затем обратно яндексом. Получилось:
"Где ты был вчера? И сегодня это уже невозможно. С тобой ничего не случится, если ты продержишься три дня"
По первому предложению понятно, что это ответ на вопрос или просьбу мужа. Но в переводе это как-то исчезает.
Далее, кто понимает контекст, не напишет "невозможно", надо писать именно "нельзя".
И, конечно, не слово "продержишься".

Наверное, получится неплохо для газетного текста, где текст, т.с. адаптированный, написанный так, чтобы было понятно любому школьнику. А в худ. литературе, где во фразе больше смысла, чем в сумме составляющих слов, это проблематично. Я совершенно не представляю машинный перевод, скажем, Фолкнера.
Другой пример. Алиса Кэррола, как всем известно, когда летела вниз по кроличьей норе, размышляла "Cat eat bat or bat eat cat?" Переводить буквально правильно, но неуклюже. Яндекс мне так и перевел - не литературно. На русском языке есть рифма "кошки-мышки". Получается изящней, но другая беда - при расставлении падежных окончаний рифма теряется.
"Кошки едят мышек или мышки едят кошек?"
Идеального перевода не оказалось. В литературе важен не только смысл, но и музыка слов.

Последнее достижение NMT, нейронный перевод, как мне показалось, аналогичен способу обмануть тест Тьюринга. Создается очень большая база данных, куда включаются множество когда-либо написанных предложений или вопросов, а также соответствующих ответов.
После этого остается на вопросы экспертов отвечать наиболее частыми ответами из базы. Думаю, машину всё-таки раскусят, но потребуется время. А может и не раскусят.

Конечно читал и именно на их основе и говорю.
Суть перевода не в том, чтобы текст на одном языке переписать на другом языке. Суть в том, чтобы понять смысл текста на одном языке и затем этот смысл выразить на другом языке.
У Вастрика слово "понимать" упоминается всего 2 раза и в обоих случаях в том смысле, что машина выполнила перевод не понимая смысла текста.
Согласитесь, что смысл текста, это такая штука, которая имеет какое-то значение при переводе.
Это только о правильном словоупотреблении. Этому научить машину как раз не трудно.
Это да. Смысл фразы возникает в нашей голове, а сама фраза это только сложная комбинация символов.
Однако. Идея письма заключается в том, чтобы смысл из одной головы передать в другую. Всякие промежуточные фазы, например, текстовая символика, неизбежно упрощают или искажают передаваемый смысл. И читателю всегда приходится что-то домысливать, допонимать, в общем, он стремится правильно понять.
Переводчик, это дополнительная промежуточная фаза и, соответственно, искажения. Но, переводчик хотя бы стремится, как и читатель, правильно понять, а потом записать так, чтобы читатель правильно понял смысл.
В случае машины перевод становится более похож на игру в испорченный телефон.
Вот вопрос: вам нужно коллеге передать статью на англ, которого он не знает. Вы понадеетесь на Google Translate или переведете ему сами?

Ну вот машина его (смысл) и вычисляет. Точно так же, как и человек, когда читает текст. Обратите внимание, что три разных человека поняли ваш пример с женой и мужем по-разному. Это нормально, и не является проблемой машинного перевода как такового.
Для этого и используется интерлингва. Фактически, интерлингва - это и есть некоторая структура взаимосвязей, которую и пытаются передать из одной головы в другую.

В общем, мой поинт в том, что мы слишком много себе воображаем про нашу уникальность и неповторимость. На самом деле многие вещи сейчас успешно алгоритмизируются. Да, мы сложные, но эта сложность эволюционно возникла и основана на довольно простых вещах. Шмелей можно дрессировать и обучать, обезьян можно научить языку глухонемых - просто сложность растет с увеличением количества этих самых взаимосвязей. А саму структуру взаимосвязей (шаблоны или паттерны) сейчас научились довольно неплохо вычислять (зачастую лучше, чем мы сами могли бы осознать) - благодаря росту вычислительных возможностей, конечно же, сами по себе подходы и решения были сформулированы еще около 50 лет назад.

Выкрутился... )))

Как работают современные алгоритмы машинного обучения я себе представляю. Вопрос в том,  как они должны работать.
С каких пор буриданов осёл ожил? Чисто абстрактная задача, демонстрирующая некоторые свойства больших систем.