全文共3015字，預計學習時長
6分鐘
儘管人工智能可以更快、更簡單、更清晰地進行軟件分析，發展前景巨大，但人力分析依然具有價值。或許有一天，新興的人工智能技術會迫使軟件測試員去別處尋找新工作，但也不必過於擔心。
人工智能和機器學習的使用策略遠未完善，各大公司仍面臨很多挑戰。但可以肯定的是：專業質保人員採用人工智能可以升級整個測試程序、強化測試者職業技能並促進企業發展。
人工智能集成會給測試者帶來什麼好處？
更高的精度
傳統的測試依然需要人力進行源代碼和數據分析。但必須要承認的是：就算是最有經驗的質保工程師也可能會犯錯，這沒關係。由於數據過多，測試人員疏忽了軟件的質保，遺漏了一些非常關鍵的漏洞。而消費者會在項目相關負責人之前發現這些漏洞。這種情況通常會損害其在市場上的品牌聲譽和產品地位。
因此，人工智能和機器學習技術應運而生。他們教系統學習源代碼分析，日後就可以用到所學知識。如此一來，人工智能測試機器就可以給出更精確的結果。用人工智能進行數據分析就能避免人為錯誤，減少測試用時，找到可能存在的漏洞。因此，質保團隊就不用因數據量過大而超負荷工作。
質保工程師的新職責
人工智能測試是提高整個測試過程效率的一種很有前景的手段。由於人工智能接管了大部分測試任務，質保工程師就必須學習新的技能。與人工智能合作需要掌握人工智能測試、神經語言編程、數學優化、商業智能、算法分析等多種能力。
《世界質量報告》的專家們認為，儘管人工智能的應用實踐已經十分成熟，但缺乏高素質的專業人員。因此，企業應該投資培養質保團隊的專業技能。最近一期的《世界質量報告》指出了質保工程師的三個新職責：
人工智能測試專家
除了傳統的測試技能外，質保工程師還需要構建機器學習算法、理解數學模型以及研究自然語言處理範式。
人工智能質保戰略家
這一團隊主要處理人工智能在業務流程中發揮的作用。廣泛理解數據流、數學優化和機器人技術後，質保工程師可以在整個業務週期中運用人工智能質保手段。
數據科學家
作為質保團隊的一份子，分析員過濾數據、統計數據並進行預測分析，為基於人工智能的質保策略構建必要模型。
有人預測，質保工程師將轉型為測試自動化團隊。他們將扮演監督角色，教人工智能執行一系列測試。軟件測試幫助（software testing help）的創始人維傑•辛德認為，人工智能可以接管近70%的重複測試空間。無論任何，人類必須控制測試結果，將重心放到剩下30%的測試中，例如關於用戶場景的測試。此外，測試經理仍需負責工具使用、工作流建模和環境設置。雖然人工智能是運行重複測試的智能助手，但質保工程師仍需負責監控進度、考慮測試計劃、控制質保策略與目標。
預測分析
《世界質量報告》還預計，64%的公司會把人工智能引入質保策略，改進客戶流程。信息技術領域的市場需求持續增長，各大企業都需要找到一種方法預測客戶需求並超越競爭對手。對於軟件測試公司來說，這是一項艱難的預測分析工作。人工智能和機器學習可以快速分析客戶數據，獲得他們對新產品和功能的偏好。
測試中的機器學習
機器學習是一種基於模式識別的技術。這些算法用於分析信息特點、識別預測模式。由於機器學習無需用戶界面進行測試，因此改變了自動化測試方法。很多自動化質保都是以後端系統為中心的過程。
用戶界面測試
在處理終端用戶體驗時，使用機器學習程序大有幫助。現在，大多數應用程序在設計、功能或界面上都有類似模式。例如，你可以在在線商店中輕鬆發現購物車、產品篩選器和付款窗口。機器人程序可以接受特定軟件領域的訓練，運行更多測試用例而不侷限於迴歸測試。使用視覺驗證工具進行基於圖像的測試是機器學習識別的一種流行模式。質保工程師可以創建一個簡單的機器學習測試，自動檢測軟件中的視覺缺陷。
應用程序編程接口（APIs）
機器學習測試可以有效檢查API層。機器學習算法接管了測試腳本的分析，因此測試人員不會為大量的API調用所困擾。
戰略導向
質保工程師往往會因為代碼的一些小變動而運行整個測試套件。機器學習工具可以確定檢查代碼修改相關性所需運行的最少測試數。機器學習還可以分析易受攻擊的軟件區域和當前的測試覆蓋率。
當前挑戰
雖然人工智能似乎是未來質保領域的基石，但要實現這一點並不容易。在軟件測試中，一系列的困難阻礙了人工智能的應用。
越來越大的數據
處理非結構化數據需要人力資源和資金的額外支持。如今，企業幾乎無法處理繁重的數據分析，也無法繼續使用機器人或認知平臺。
人工智能集成
目前，各大公司尚未確定人工智能有助於改進哪些業務領域。另外，大多數質保公司都未發現接觸人工智能技術的途徑。質保團隊首先需要構建專業知識，適應人工智能與業務週期。
缺乏人工智能知識
如前所述，智能測試拓寬了測試人員的技能和專業知識。知識鴻溝遲早會得到填補。2019年，隨著越來越多公司嘗試“智能質保”，對合格專業人員的需求將大為增加。
人工智能驅動的測試自動化工具
當然，人工智能的出現不可避免。不管怎麼假設，我們都相信人工智能還需很久才能接管整個測試流程。今天，由於創新型的人工智能自動化測試方案，很多商業和質保工程師都在談論所謂的“第三波測試自動化”。讓我們看看其中一些工具：
Eggplant AI.
https://eggplant.io/products/dai/eggplant-ai
此版本使用智能算法來引導軟件、預測缺陷，並用高級數據關聯解決問題。它支持自動化任何自動測試引擎，提供測試覆蓋率和結果分析圖形。
Appvance.
https://www.appvance.ai/
該工具通過機器學習對軟件進行深入分析，並使用認知生成技術生成“應用藍圖”模型。藍圖可以在幾分鐘內生成大量測試用例。除人工智能技術，Appvance還包含了Test Designer（一種記錄和回放功能）。Test Designer結合了數據驅動測試、屏幕截圖比較和DOM/AJAX自動捕獲功能。
Applitools.
https://applitools.com/
是一款由人工智能驅動的可視化測試工具。智能認知視覺有助於勾勒出應用程序的預期設計。Applitools提供了一種視覺比較算法，用於檢測和報告在應用程序的用戶界面中發現的任何差異。
該工具擅長運行自動測試，可以在幾分鐘內發現數千個接口不一致的情況。
Test. ai.
https://test.ai/
該工具識別軟件的屏幕和要素，並驅動應用程序執行測試用例。它也可以根據要素變化進行調整，甚至可以識別需要手動更正的部分。
Testsigma.
https://testsigma.com/ai-driven-test-automation
是用於連續自動化測試的人工智能驅動工具。它使用自然語言測試處理編寫高質量的自動測試。Testsigma可以識別測試運行中的相關測試用例，防止測試意外失敗。
有了人工智能，軟件測試團隊可以超越傳統手工測試模型，逐步走向自動化和基於精度的連續測試流程。質保專家也必須將人工智能機器程序視為有用的附加組件，減少工作負擔，讓測試人員工作更輕鬆。
我們一起分享AI學習與發展的乾貨
閱讀更多 讀芯術 的文章
