机器翻译是利用计算机技术实现自动翻译的过程。目前，有几种技术被广泛用于机器翻译，包括统计机器翻译（SMT）、神经机器翻译（NMT）和从零开始的机器翻译（Purely Neural Machine Translation，PNMT）。

  1. 统计机器翻译（SMT）：这是早期用于机器翻译的主要技术之一。它是基于大量平行语料库的统计模型构建的。SMT使用统计方法来建立源语言和目标语言之间的映射关系，并利用这些映射关系来翻译文本。在SMT中，通常会使用短语、句子或句段作为翻译单位。

  2. 神经机器翻译（NMT）：在近年来，随着深度学习技术的快速发展，神经机器翻译成为机器翻译领域的热点技术。NMT使用神经网络模型来建立源语言和目标语言之间的映射关系。通过对大量平行语料进行训练，神经网络可以学习到词的分布式表示以及它们之间的关系，从而实现翻译。NMT的特点是端到端的训练和推理过程，可以更好地捕捉句子级别的上下文信息。

  3. 从零开始的机器翻译（PNMT）：PNMT是一种基于神经机器翻译的技术，与传统的SMT和NMT不同，它不依赖于已有的语言资源和句对齐信息。PNMT使用神经网络来学习翻译任务，并从头开始生成翻译模型。这种方法相对而言还比较新颖，目前还在研究和探索阶段。

  除了上述提到的技术，还有其他一些技术也在机器翻译中得到了应用，例如记忆机器翻译（MTM）、基于实例的机器翻译（EBMT）等。随着技术的不断发展和深入研究，机器翻译在翻译效果和速度方面都取得了显著的进展。