2008年正逢美國總統大選，社會心理學家Christopher Bryan針對低迷的投票率，和史丹佛大學做了一個問卷實驗，其中的關鍵字，一組換成了動詞to vote另一組是名詞to be a voter，看最後哪組人真的會投票的機率高。

名詞：”How important is it to you to be a voter in the upcoming election?”

動詞：”How important is it to you to vote in the upcoming election?”

結果竟然是名詞組(96%)，比動詞組(82%)多了10%以上的投票率。

研究發現，原來當人用名詞形容自己，會比用動詞還來得有認同感與價值感。比起動詞，名詞能直接說出我是誰，並驅動人在真實生活落實行動。

“I read Shakespeare.” vs “I’m a Shakespeare reader.”

動詞創造行為，名詞呼喚信念。

這幅插圖強調了機器翻譯並不依賴傳統語法規則的特點。在圖中的電腦實驗室設定中，一個大屏幕展示了神經網絡模型，該模型正在處理來自不同語言的短語，顯示的連接基於統計模式而非語法結構。屏幕周圍，數據科學家們正在觀察和討論這一過程。這種設置突出了機器翻譯的數據驅動本質，重點在於統計關係而非固定的語法規則。希望這幫助你更好地理解機器翻譯的工作原理！如果你有其他問題或需要進一步的說明，隨時告訴我。