ParlAI（讀作“par-lay”）是一個在各種公開提供的對話數據集上訓練和評估AI模型的框架。它是用Python編寫的（當前需要Python 3），主要用于對話AI研究，其目標是為研究人員提供以下特性：

\\

• 一個訓練和測試對話模型的統一框架； \\
• 一次性在許多數據集上完成多任務訓練； \\
• 無縫集成Amazon Mechanical Turk，用于數據收集和人工測評。\

ParlAI包含三個主要概念：

\\

• world：定義環境（可以非常簡單，只有兩個代理相互交談）； \\
• agent：環境中的代理，如“學習者（learner）”（可以有多個學習者）； \\
• teacher：一種和學習者交談的代理類型，實現其中一種ParlAI任務。\

在定義好world和其中的代理后，就可以運行一個主循環進行訓練、測試或展示，它會調用world.parley()函數，如下圖所示，左側是main方法的示例框架，右側是parley()的實際代碼：

\\

\\

所有代理（包括teacher）都使用一種格式—— observation/action對象（一個python字典）——進行交談。講話（acting）或傾聽（observing）都使用相同的對象類型，其中包含如下字段：

\\

\\

從技術上講，其中每個字段都是可選的。

\\

ParlAI的代碼包含如下幾個主要的文件夾：

\\

• core包含框架的主要代碼； \\
• agents包含可以和不同任務交互的代理； \\
• examples包含不同循環的一些基本示例； \\
• tasks包含不同任務的代碼； \\
• mturk包含設置Mechanical Turk的代碼及MTurk任務樣例。\

第一個版本支持20多種任務，其中包括SQuAD、bAbI tasks、MCTest、WikiQA、WebQuestions、SimpleQuestions、WikiMovies、QACNN \u0026amp; QADailyMail、CBT、BookTest、bAbI Dialog tasks、Ubuntu Dialog、OpenSubtitles、Cornell Movie、VQA-COCO2014等數據集，如下圖左側所示：

\\

\\

在ParlAI中，選擇一項任務非常簡單，只要在命令行中指定即可，如上圖右側所示。如果指定的數據集以前沒有使用過，那么ParlAI會自動下載它。ParlAI把所有的數據集都同等看待，原則上，一個對話代理可以在上述任何數據集之間切換訓練及測試。甚至，研究人員還可以一次指定多個任務，例如，通過命令行-t babi,squad使用兩個數據集，或者通過命令行-t #qa一次指定所有QA數據集，或者使用-t #all指定ParlAI中的所有任務。總之，ParlAI的目標是讓研究人員可以輕松地構建和評估豐富的對話模型。

\\

ParlAI的一個重要特性是無縫集成Mechanical Turk，用于數據收集、訓練和評估。在ParlAI中，Human Turkers也被視為代理，因此，人-人、人-機器人或者多個人和機器人都可以在標準框架內交談，根據需要交換角色，而不需要修改代理的代碼。

\\

ParlAI GitHub頁面上還提供了使用PyTorch和Lua Torch訓練神經模型的示例，替換成Theano或Tensorflow也很簡單。ParlAI尚處于早期Beta測試階段，感興趣的讀者可以下載安裝。

\\

---

感謝陳思對本文的審校。

\

給InfoQ中文站投稿或者參與內容翻譯工作，請郵件至editors@cn.infoq.com。也歡迎大家通過新浪微博（@InfoQ，@丁曉昀），微信（微信號：InfoQChina）關注我們。

總結

以上是生活随笔為你收集整理的ParlAI：Facebook开源的一个AI对话框架的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。