神经网络机器翻译(NMT)被普遍认为是机器翻译领域内的一次大变革,也越来越广泛地为专业译员用于初步翻译,以减轻重复工作的负担。自2014年起,有国内学者提出在翻译研究领域出现了技术转向,呼吁业内人士加强对于机器翻译技术的研究和应用。但人们对于机器翻译是否真的能达到人工译员的水平仍存在疑虑。为了解决这一疑虑,此前已经有不少研究对机器翻译的质量进行评估,但使用的评估标准大多为机械和自动化而非语义层面。此外其中一些研究也存在由于对机器翻译认识不足,提出观点较为片面的情况。本文首先对机器翻译的发展历史和国内外研究现状进行了仔细梳理,以期对于机器翻译有较为全面的认识。同时对机器翻译质量评估的研究现状以及神经网络翻译技术目前面临的主要挑战展开探究。而后从语义学角度切入,使用错误分析法对代表业内机器翻译最高水平的NMT系统对中文文本翻译中产生的错误进行识别,分类和分析。选用文本包括文化、体育和科技三大主题。然后根据错误的出现频率,将错误在词汇、句子、篇章三个大类的基础上进一步分为十九个次类。通过定性和定量的分析,本文指出机器翻译在对词汇尤其是术语和成语的翻译上表现最差;在句子层面也存在着断句不当、缺少句子成分等问题;在篇章方面,也普遍存在缺乏逻辑和上下文衔接等问题。在仔细分析后,本文发现,汉英两种语言之间存在的显著差异是上述翻译错误存在的主要原因,这也决定了机器翻译未来研究需更多集中在汉英两种语言的差异以及如何更好的实现两种语言的转化。