AI可以编写新闻快讯，并在提示下连贯地重复一些内容，但它能学会驾驭一款基于文本的幻想游戏吗？Facebook AI研究，洛林计算机科学及其应用研究实验室，以及伦敦大学学院的研究人员就此问题展开研究，并发表论文“Learning to Speak and Act in a Fantasy Text Adventure Game”。

研究人员特别研究了基于对话的影响，即两个人之间交流所必需的相互知识、信念和假设的集合对AI智能体理解它们周围的虚拟世界的影响。为此，他们以大规模的众包文本冒险形式建立了一个研究环境LIGHT，在这个环境中，AI系统和人类作为玩家角色进行互动。

论文作者写道，目前的技术水平只使用语言数据的统计规律，对语言所描述的世界没有明确的理解。框架允许从行动和对话中学习，我们希望LIGHT可以让人类与之交流变得有趣，从而在未来能够与我们的模型互动。LIGHT中的所有话语都来源于人类注释者，继承了自然语言的模糊性、共参照等特性，使之成为一个具有挑战性的语言和行为基础学习平台。

人类注释者的任务是制作背景故事（“从前，明亮的白色石头是葬礼建筑的核心”），位置名称（“冰冻苔原”，“云中城市”），角色类别（“挖墓人”），包含描述，个性和所有物品的角色列表（“巫师”，“骑士”，“乡村文员”）。然后研究人员分别将不同的众包对象和随附的描述，以及一系列动作（“获取”，“丢弃”，“放置”，“给予”）和表情（“脸红”，“哭泣”，“皱眉”）分开。

LIGHT现在包括基于一组区域和生物群落（如“乡村”，“森林”和“墓地”）的663个位置的自然语言描述，以及3462个物体和1755个角色。



随着游戏世界界限的建立，该团队着手编制角色驱动互动的数据集。他们在一个随机位置有两个由人控制的角色，轮流执行一个行为并说一件事。研究人员记录了10777个关于动作，表情和对话的片段，他们用这些训练了几个AI模型。

使用Facebook ParlAI的PyTorch机器学习框架，研究人员首先设计了一个AI模型，可以根据基础信息（设置，角色，对象）和上下文嵌入为每个句子生成单独的表示，从而为最有希望的候选词打分。

接下来用BERT构建两个系统：bi-ranker，他们将其描述为一个快速而实用的模型；另一个是cross-ranker，一种较慢的模型，允许上下文和响应之间更多的相互关联。最后，他们使用另一组AI模型来编码上下文特性（例如对话，角色和设置）并生成动作。

那么AI玩家表现如何呢？实际上很好，它们擅长依靠过去的对话，并根据游戏世界不断变化的状态来调整预测，基于当地环境细节的对话，如描述、对象和角色，能够让AI控制的智能体更好地预测行为。

研究人员指出，这些模型虽然没有在性能方面超过人类，但是增加更多基础信息（例如过去的行为，角色或设置描述）的实验得到了显着改善。事实上，对于像对话预测这样的任务，即使对话和角色没有变化，AI也能够产生适合给定设置的输出，这表明它们获得了语境化的能力。

研究人员写道：“我们希望这项工作能够使未来的基于语言学习的研究成为可能，并进一步提高智能体对完整世界进行建模的能力，并能够与其他智能体一起完成目标。”

论文：

arxiv.org/pdf/1903.03094.pdf