ParlAI（读作“par-lay”）是一个在各种公开提供的对话数据集上训练和评估AI模型的框架。它是用Python编写的（当前需要Python 3），主要用于对话AI研究，其目标是为研究人员提供以下特性：
\\- 一个训练和测试对话模型的统一框架； \\
- 一次性在许多数据集上完成多任务训练； \\
- 无缝集成Amazon Mechanical Turk，用于数据收集和人工测评。\
ParlAI包含三个主要概念：
\\- world：定义环境（可以非常简单，只有两个代理相互交谈）； \\
- agent：环境中的代理，如“学习者（learner）”（可以有多个学习者）； \\
- teacher：一种和学习者交谈的代理类型，实现其中一种ParlAI任务。\
在定义好world和其中的代理后，就可以运行一个主循环进行训练、测试或展示，它会调用world.parley()函数，如下图所示，左侧是main方法的示例框架，右侧是parley()的实际代码：
\\
所有代理（包括teacher）都使用一种格式—— observation/action对象（一个python字典）——进行交谈。讲话（acting）或倾听（observing）都使用相同的对象类型，其中包含如下字段：
\\
从技术上讲，其中每个字段都是可选的。
\\ParlAI的代码包含如下几个主要的文件夹：
\\- core包含框架的主要代码； \\
- agents包含可以和不同任务交互的代理； \\
- examples包含不同循环的一些基本示例； \\
- tasks包含不同任务的代码； \\
- mturk包含设置Mechanical Turk的代码及MTurk任务样例。\
第一个版本支持20多种任务，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等数据集，如下图左侧所示：
\\
在ParlAI中，选择一项任务非常简单，只要在命令行中指定即可，如上图右侧所示。如果指定的数据集以前没有使用过，那么ParlAI会自动下载它。ParlAI把所有的数据集都同等看待，原则上，一个对话代理可以在上述任何数据集之间切换训练及测试。甚至，研究人员还可以一次指定多个任务，例如，通过命令行-t babi,squad使用两个数据集，或者通过命令行-t #qa一次指定所有QA数据集，或者使用-t #all指定ParlAI中的所有任务。总之，ParlAI的目标是让研究人员可以轻松地构建和评估丰富的对话模型。
ParlAI的一个重要特性是无缝集成Mechanical Turk，用于数据收集、训练和评估。在ParlAI中，Human Turkers也被视为代理，因此，人-人、人-机器人或者多个人和机器人都可以在标准框架内交谈，根据需要交换角色，而不需要修改代理的代码。
\\ParlAI GitHub页面上还提供了使用PyTorch和Lua Torch训练神经模型的示例，替换成Theano或Tensorflow也很简单。ParlAI尚处于早期Beta测试阶段，感兴趣的读者可以下载安装。
\\感谢陈思对本文的审校。
\给InfoQ中文站投稿或者参与内容翻译工作，请邮件至[email protected]。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号：InfoQChina）关注我们。