注：頂上虛線為完美的翻譯；紅線為人工翻譯水平；綠線為谷歌神經機器翻譯（GNMT）水平，藍線為基于短語的機器翻譯（PBMT）。
在給出的五個語言對中，我們可以明顯地看到，同屬于印歐語系的英語、法語和西班牙語在互譯時，GNMT水平則更加接近于人工翻譯水平。而漢語屬于漢藏語系，所以不管是漢譯英還是英譯漢，GNMT和人工翻譯之間尚有一定的差距。
具體來講，我認為GNMT的困難之處仍有以下幾個方面，這也可能是Google正在試圖解決可以繼續提升的方向（以下以中英翻譯為例）：
1. 成語、諺語、歇后語的翻譯。Google需要將中英詞典中現成的詞條集成到自己的翻譯數據庫。這個對于Google來說難度不大。（知乎網友拿《百年孤獨》的開頭調教GNMT，簡直太傻，他大概沒想到Google Translate的爬蟲可能早已爬過這句的各種譯法并利用算法做了最佳優化。）
2. 流行語的翻譯。這也是這次社交網絡上網友們各種奇葩例子所詬病的。不過據說GNMT用的是和AlphaGo同樣的一套智能系統，所以這個對于Google來說難度也不大。畢竟那條Alpha狗具有超強的自我學習能力，輔之以Google龐大的信息庫，超越人類，指日可待。（有網友發現，“圖樣圖森破”的翻譯已經更新了。LOL）
3. 詩詞的翻譯。在目前翻譯版本參差不齊和數據不全的情況下，這可能是一個難點。不過新版的GNMT提供了在線更正/更新功能供用戶使用。有一點類似于維基百科的貢獻與共享模式。眾人拾柴火焰高，大家一起建立翻譯記憶庫（Translation Memory）。
4. 翻譯時同義詞、近義詞的選擇（尤其是形容詞）困難?？赡軡h語作為一種表意語言，所以英譯中時這個問題會更加突出和困難。尤其在文學作品的翻譯中，這一點將會被更加明顯地放大。這屬于GNMT需要分析翻譯對象所處的上下文語境（Context）的情況之一。
5. 中文語言中介詞的模糊使用導致的翻譯困難。不同于詞性和語法清晰的英文，中文在太多的情景下，介詞是模糊使用甚至省略的。亦可以說是中文狀語要遠遠比英文狀語表現地曖昧（包括時間、地點、方式等等）。所以這也是另一種需要分析上下文語境的情況。
6. 中英文時態和語態的差異給翻譯帶來的困難。眾所周知，中文的動詞本身不會因為時態的不同而產生變形，表達過去、現在和將來更多的是靠不同的助詞或者嘆詞或者時間名詞來完成（比如強調過去式或者完成式可能需要用“了”，而口頭強調將來式通常并不會生硬地去講“我將要如何”而是直接用“明天”一詞輔助。）語態就更不用說，講“挨罵”一定比“被罵”地道的多，使用頻率也高。
7. 中英文句子結構和語法的差異帶給GNMT的翻譯困難。中文是有語法的，但是講中文的時候我們又很少顧及語法。而英文不管是句子結構，還是語法，遠比中文要來得嚴格縝密。這樣大結構的差異則會帶給Google Translate巨大的困難。所以如果你用新的GNMT分別測試簡短的句子和復雜的長句，翻譯表現則有云泥之別。
因此，Google Translate雖然在取得里程碑式的突破技術的同時，但要想達到人工翻譯的水平，甚而向“完美的翻譯”（Perfect Translation）看齊，仍有很長的路要走，很多的困難亟待解決。但是，以當前的科技（比如人工智能）發展速度推測，機器的進步和提升一定會越來越快，進而對相關行業產生顛覆性影響，比如可以遇見的便是，語言學習的必要性會越來越低，語言教師和翻譯人員的需求同樣會降低，再或者翻譯公司和語言培訓機構的倒閉，再近一點，計算機輔助翻譯工具（CAT：Computer Aided Translation，比如當前流行的Trados、MemoQ、雪人等）的消失和各大高校MTI專業的不再吃香。
這也是歷史發展的必然趨勢，和18世紀蒸汽機的發明引起的第一次工業革命最終解放手工勞動有著相同的原理。
