微软开源TextWorld框架，以文字游戏来训练增强学习AI

微软开源的TextWorld包含游戏生成器和游戏引擎两个组件，除了可以用来生成文字游戏外，游戏引擎具备简单的推理算法，能够玩市场上的文字游戏，供研究人员评估人工智能。

在人工智能中，增强学习以及自然语言识别都是重要的技术，但是这两项技术却很难合适的应用在一起。微软实验室发布了，用来制作文字游戏的可扩充Python框架TextWorld，开发人员除了可以使用TextWorld来训练或是测试人工智能的语义识别、记忆或是规划等能力外，也能进一步执行文字游戏，用以评估人工智能与人工设计环境互动的情况。

文字游戏为游戏环境与玩家的互动，仅由或是主要透过文字表现的游戏，玩家可以透过游戏的文字叙述，来理解游戏世界的环境，并透过文字命令来进行操纵角色等游戏控制。在典型的文字游戏中，玩家需要解决一系列的问题，在过程中收集宝物并到达指定位置，目标可能是明确指定的，也可能需要玩家从游戏过程取得的线索自行推理。

人工智能要完全可以玩文字游戏，除了需要有产生连贯的文字命令外，还被要求以正确的顺序产生命令，只容许些微或是完全没有错误发生。文字游戏结合了以有限制的解析器（Parser ）探索空间，以及积极回应玩家的游戏世界，因此仔细观察游戏中文字提供的线索，并采用创造性的理解与行动，则是在游戏中获胜的重要能力。

增强学习以及自然语言识别刚好适合应用在这样的素材上，TextWorld包含游戏生成器和游戏引擎两个组件，游戏生成器可以将高阶游戏设定转换成文字游戏语言Inform 7，诸如房间数量、物体数量、游戏长度或是获胜条件等。而游戏引擎则是一个简单的推理机器，透过简单的算法，产生合法的一连串往前往后等动作的游戏控制链。

透过TextWorld可以来训练和测试人工智能的语义识别与探索等技能，同时研究人员也可以使用泛化以及转移学习来进行研究，并让TextWorld玩市场上的文字游戏，以评估人工智能在复杂人类设计环境中的表现。

微软实验室首席研究经理Geoff Gordon提到，增强学习与自然语言两项技术都很重要，但事实上他们却不那么适合，而TextWorld确为这两者找到了一个良好的结合方式。他表示，虽然增强学习在近年来已经有重大的进展，如围棋，但是这些相较于文字游戏都是较简单的应用，TextWorld的人工智能需要同时阅读并产生自然语言，在许多情况下，都需要面临更为复杂的情况。