Es gibt statistische, regelbasierte und neuronale maschinelle Überstzungstools (Machine Translation Systeme)
Statistische Systeme müssen zuerst mit großen Mengen Ausgangs- und Zieltext gefüllt werden, um vernünftig zu arbeiten. Sie übersetzen nach Wahrscheinlichkeit und Statistik. Es werden keine linguistischen Methoden verwendet. So wird ausgewertet, welche Übersetzung für ein Wort am häufigsten verwendet wird. Zusätzlich wird noch verglichen, wie es im Zusammenhang mit den anderen Worten (davor und danach) benutzt wird.
Regelbasierte Systeme analysieren Texte und bewerten diese selbstständig. So sollen nicht die statistisch am häufigsten eingesetzten Worte benutzt, sondern die Wörter nach festgelegten linguistischen Regeln ausgesucht werden. Regelbasierte Systeme können auch mit Terminologie und neuen Regeln verbessert bzw. weiterentwickelt werden.
Meistens wurden diese beiden Systeme zusammengeführt, um die Vorteile von beiden zu nutzen. Das wird nun vom neuen Trend abgelöst: Neuronale Systeme.
Neuronale Systeme bauen auf Deep Learning auf. Sie versuchen den Text zu verstehen, indem sie ihn in einem geschichteten Netzwerk einordnen und den Content des Satzes in die Zielsprache übermitteln, statt strikt zu „übersetzen“. Dieses System erkennt Muster im Text, aufgrund von programmierten Algorithmen. Es versucht Kontexthinweise zu finden, um die passende Übersetzung zu liefern. Neuronale Systeme sind selbst lernfähig.