自工业革命以后,人类快速发展成为现在繁荣的景象。现在,人类面临着另外一场革命“智能革命”。人工智能（AI）的迅速崛起,在各行各业掀起了新一轮的革命。AI时代已经来临,作为跨语言交流的核心,语言翻译服务的需求随着世界经贸文化的发展在急剧增加,传统的翻译已经很难满足规模化的翻译需求。信息技术和计算机硬件的发展推动着机器翻译的发展。许多组织正在以机器翻译（MT）的形式来降低翻译成本,启用了基于神经网络的AI的自动翻译,在过去的两年中在准确性方面取得了巨大飞跃。其中典型的代表是谷歌翻译。2016年9月,谷歌上线了新的在线翻译平台GNMT来取代以前的统计机器翻译（SMT）。GNMT基于端到端的翻译学习方法,英法德等西方主流语言的翻译准确率达到了90%,中英互译准确率则80%左右。近几年,谷歌翻译每天提供数百万次跨语种的翻译,每月有将近10亿用户使用。但是,真正了解其内部工作原理的人数要少得多,其翻译质量也很难去评估。本文探讨GNMT在旅游文本英译汉翻译中的问题,发现了机器翻译在翻译特定文本中存在的一些主要问题,并针对翻译结果提出一些建议。本文先简要回顾机器翻译发展历史与谷歌神经网络机器翻译的产生与发展演变,并评估使用GNMT技术进行旅游文本英译汉的可行性与实用性;之后讲述了机器翻译评测的类型与发展,新的神经网络机器翻译系统极在流畅度和可读性两个方面大大超越了以前的统计机器翻译,但由于算法偏向的问题,过度追求流畅度可能会降低译文的忠实性。GNMT针对统计机器翻译的基于N-gram匹配的BLEU值进行优化,在评分上可能很高,但实际译文质量很难保证与评分相同,这就需要搭建新的立体化的评价体系。然后对本论文测评对象lonely plane--Europe中的旅游语篇进行介绍和文本类型分类;在DQF动态评估理论的框架上,结合世界机器翻译大会（WMT）对机器翻译质量评估的研究,建立起一套基于DQF动态理论的机器翻译快速评估框架,对主流翻译系统——谷歌翻译译文首先进行整体可读性评估,然后再从语言、术语、准确度三个层面上进行译文错误分析错误并尝试回答以下三个问题:（1）作为通用机器翻译系统,GNMT对限定文本英译汉的质量如何?（2）面对特定文本,GNMT英汉翻译常出现的典型错误有哪些?（3）针对这些典型错误,GNMT的改进措施有哪些?分析结果显示GNMT译文在针限定文本和目标用户的情况下,可读性评估得分为83.8分,在使用者的可接受范围内。典型错误主要集中在术语翻译不准,没有对未登录词进行有效的处理;在准确度方面,主要出现的错误是多译、漏译、错译三个方向的问题;语言方面主要出现的问题是在句法上面,句子成分与搭配问题上,出现语句不符合汉语语法习惯。GNMT应当进一步提升对自然语言的识别和理解能力,采用新的算法和限定机制,并运用部分语言学知识进行输出优化,以接近或达到人工翻译的水平。