本书主要介绍了机器翻译系统开发过程中的主要问题、机器翻译的发展历程及最新进展。其中着重阐述了机器翻译领域的主要方法：基于规则的方法、基于示例的范式、目前最流行的统计范式和基于分段的方法以及目前最先进的深度学习机器翻译。最后还讨论了机器翻译的评价问题，以及该领域内的主要参与者和商业化现状。
本书可作为机器翻译领域技术人员的参考用书，同时也可供广大计算机科学、人工智能领域对自然语言处理感兴趣的读者阅读。

蒂埃里·波贝（Thierry Poibeau）是法国国家科学研究中心主任和LATTICE实验室（语言、文本、特征信息和认知）负责人，LATTICE是由法国国家科学研究中心（CNRS）、巴黎高等师范学院（ENS）、巴黎文理研究大学（PSL）、巴黎第三大学（SorbonneNouvelle）和索邦巴黎西岱大学（USPC）联合资助的一个研究实验室。他同时还是剑桥大学理论与应用语言学系的讲师。

译者序
原书致谢
第一章 绪论
第二章 翻译难点
翻译的本质是什么
什么是恰当翻译
恰当翻译的标准
机器翻译的影响
为什么用计算机分析自然语言是非常困难的
自然语言与歧义
机器翻译产生的主要问题
自动翻译系统和人工翻译系统
第三章 机器翻译发展概述
基于规则的系统：从直接方法到语际方法
统计机器翻译系统的变革
发展历史快速回顾
第四章 计算机出现之前
通用语言问题
历史悠久的传统
人工语言
第二次世界大战期间机器翻译系统的发展
Artsrouni机械大脑
Smirnov-Trojanskij辅助翻译环境
第五章 机器翻译的开端：第一个基于规则的系统
先驱者
……
第六章 1966年的ALPAC报告及其影响
第七章 平行语料库与语句对齐
第八章 基于示例的机器翻译
第九章 统计机器翻译与词对齐
第十章 基于分段的机器翻译
第十一章 统计机器翻译的挑战与不足
第十二章 深度学习机器翻译
第十三章 机器翻译系统的评价
第十四章 机器翻译产业：专业与大众市场间的应用
第十五章 结论：机器翻译的未来
附录

本书对机器翻译领域的发展进行了非技术性的简要概述，其中包括各种不同实现方法、翻译质量评估问题以及该行业中的主要参与者。
本书作者长期从事机器翻译领域的研究和实践，对机器翻译领域的发展和问题进行了深入总结和归纳。