以文字遊戲來訓練增強學習AI，微軟實驗室開源TextWorld框架

在人工智慧中，增強學習以及自然語言理解都是重要的技術，但是這兩個項技術卻很難合適的應用在一起。微軟蒙特婁實驗室釋出了，用來製作文字遊戲的可擴充Python框架TextWorld，開發人員除了可以使用TextWorld來訓練或是測試人工智慧的語言理解、記憶或是規畫等能力外，也能進一步執行文字遊戲，用以評估人工智慧與人工設計環境互動的情況。

文字遊戲為遊戲環境與玩家的互動，僅由或是主要透過文字表現的遊戲，玩家可以透過遊戲的文字敘述，來理解遊戲世界的環境，並透過文字命令來進行操縱角色等遊戲控制。在典型的文字遊戲中，玩家需要解決一系列的問題，在過程中收集寶物並到達指定位置，目標可能是明確指定的，也可能需要玩家從遊戲過程取得的線索自行推理。

人工智慧要完全可以遊玩文字遊戲，除了需要有產生連貫的文字命令外，還被要求以正確的順序產生命令，只容許些微或是完全沒有錯誤發生。文字遊戲結合了以有限制的解析器（Parser ）探索空間以及積極回應玩家的遊戲世界，因此仔細觀察遊戲中文字提供的線索，並採具創造性的理解與行動，則是在遊戲中獲勝的重要能力。

增強學習以及自然語言理解剛好適合應用在這樣的素材上，TextWorld包含遊戲產生器和遊戲引擎兩個元件，遊戲產生器可以將高階遊戲設定轉換成文字遊戲語言Inform 7，諸如房間數量、物體數量、遊戲長度或是獲勝條件等。而遊戲引擎則是一個簡單的推理機器，透過簡單的演算法，產生合法的一連串往前往後等動作的遊戲控制鏈。

透過TextWorld可以來訓練和測試人工智慧的語言理解與探索等技能，同時研究人員也可以使用泛化以及轉移學習來進行研究，並讓TextWorld遊玩市面上的文字遊戲，以評估人工智慧在複雜人類設計環境中的表現。

微軟蒙特婁實驗室首席研究經理Geoff Gordon提到，增強學習與自然語言兩項技術都很重要，但事實上他們卻不那麼適合，而TextWorld確為這兩者找到了一個良好的結合方式。他表示，雖然增強學習在近年來已經有重大的進展，像是圍棋或是Ms. Pac-Man，但是這些相較於文字遊戲都是較簡單的應用，TextWorld的人工智慧需要同時閱讀並產生自然語言，在許多情況下，都需要面臨更為複雜的情況。