Duży wpływ na ponowne przyjrzenia się zastosowaniom statystyki do tłumaczenia automatycznego miały sukcesy metod stochastycznych w dziedzinie rozpoznawania mowy.
Usługi jak Tłumacz Google, Microsoft Translate czy Yandex.Translate korzystały z tłumaczenia statystycznego do czasu przejścia na uczenie głębokie.
Podstawy Fundamenty tłumaczenia statystycznego stanowi teoria informacji. Przy tłumaczeniu dokumentu określamy prawdopodobieństwo że ciąg znaków w języku źródłowym (np. polskim) jest tłumaczeniem ciągu w języku obcym (np. angielskim).
Stosując do twierdzenie Bayesa możemy powiedzieć, że jest proporcjonalne do gdzie model tłumaczenia to prawdopodobieństwo iż tekst obcy jest tłumaczeniem tekstu źródłowego, zaś model językowy to prawdopodobieństwo wystąpienia danego tekstu źródłowego. Rozbija to problem początkowy na dwa podproblemy.
Znalezienie najlepszego tłumaczenia polega więc na wybraniu tego o najwyższym prawdopodobieństwie:
Dosłowna implementacja tego wzoru mogłaby polegać na zachłannym przeszukiwaniu wszystkim możliwych ciągów p* w języku źródłowym.