NPL 学名为神经语言程序学 研究成功人士的语言行为进行总结复制。
1.机器翻译的几种背后逻辑
（1）基于写入规则，太多 无法全部写入。
（2）基于统计，具体上下文不一样 欠重意思的无法选择
（3）基于NPL深度学习
要解决  语言形态  句子结构 的问题
未来是多语言形态下翻译，有几种形式一是互相之间直接翻译 二是翻译为中间的一种语言形式再进行这种语言的直播翻译 三是GOOGLE正在做的把所有语言包括在一个包内直接翻译。
未来机器翻译的问题
资料的稀缺性 有些专业的文件或是稀有的语言可供统计的少
可解释导致的信任。有些机器翻译或是给结论，由于其在内部的运行无法单独解释 ，如果涉及重大决策比如治疗方案等无法让人信任。还有机器对于一些常识，基本名词的翻译错误也会提高这种不信任感。统计学习中的原总统和现总统之间不同等类似。
无法控制的问题 机器使用神经语言学习时 后层空间无法供人使用规则修改。
未来的边界
数据（多少）语义（未来方向是对现实精准建模？因果（直接逻辑关系无法分辨）符号（学习和输出的结果无法说明）