La traducción automática neuronal entrena una red neuronal —típicamente con una arquitectura de codificador-decodificador— sobre grandes cantidades de textos ya traducidos por humanos, aprendiendo a generar traducciones considerando el significado completo de una oración, en lugar de traducir palabra por palabra o frase por frase de forma aislada.
Por qué superó a los enfoques anteriores
A diferencia de los sistemas basados en reglas gramaticales o en estadísticas de fragmentos de frases, los modelos neuronales logran traducciones considerablemente más fluidas y naturales, capturando mejor el contexto completo de una oración y produciendo un lenguaje que suena mucho más natural en el idioma de destino.