近年来,人工智能发展迅速,更有传言称,机器将要取代人类译员。距离2016年9月神经网络机器翻译(NMT)正式问世已有两年,NMT在汉英翻译方面的质量有何变化?以前经常出现哪些典型错误?这些错误在过去两年是否得到改进?不同类型的文本、平台是否会存在不同程度的错误率?这些都是本文将要探讨的问题。本文选择政府报告、专业文本、口语演讲三类语料以及谷歌、百度两个NMT平台,结合错误分析理论和本文的研究目的,制定了一套错误扣分模式,并采用文献分析、定量与定性结合分析的方法,对2017-2019年间的译文进行对比与评估,分析神经网络机器翻译在词汇、句子、篇章三个层面的质量变化与发展现状。研究发现,NMT汉英翻译在基础词汇、句子准确度和流畅度方面进步显著,无效翻译大幅减少,平均质量基本达到及格水准;与此同时,在罕见词、复杂长句、隐性逻辑等方面,机器仍无法提供可供赏读的译文。另外,在文本类型方面,专业文本机器翻译质量最高,其次是政府报告,口语演讲质量仍难达标;翻译平台方面,百度汉英翻译质量在过去两年显著提升,目前领先谷歌。对于中国特色的口语、成语、俗语、四字格等,百度都能提供可以接受的译文;而谷歌在这方面训练仍然不足,变化并不明显,且2019年还出现重复翻译问题。上述研究结果表明,神经网络机器翻译质量在过去两年取得长足进步,能为人类译员提供高效辅助。但机器翻译仍存在无法克服的问题,尤其在文化、语境、交际等层面。人类译员可以取长补短,实现与机器的优势互补,从而更好地立足于人工智能时代。