人工智能在质量保证中的应用

Question

最近，我不断看到关于人工智能将如何改变质量保证的文章(一个简单的例子这里 )。在软件测试中，甚至有在线的人工智能课程。

软件测试中的人工智能是真实的吗?在创建测试用例、创建适当的测试并执行测试方面？

Answer 1

它可能是以这样一种方式定义的，即工作流建立在彼此之上，变得越来越容易学习。它的目标是测试自动化。

将人工智能引入质量保证，人工智能主导的认知自动化解决方案(智能自动化)将最好的自动化方法与人工智能结合起来，并帮助带来卓越的结果。重点是三维--消除测试覆盖重叠，通过更可预测的测试优化工作，最后从缺陷检测转移到缺陷预防。今天，组织有了更好的机器学习算法，用于模式分析和处理大量数据，从而获得更好的运行时决策。例如，在软件升级期间，机器学习算法可以遍历代码以检测功能中的关键更改，并将它们链接到需求，以便识别测试用例。这有助于优化测试，并防止对可能导致失败的热点做出决策。Infosys PANDIT是这样一个基于人工智能的测试平台，它帮助我们的客户提高敏捷性和可预见性，同时通过将AI集成到测试中来优化测试工作。

进一步信息https://www.infosys.com/insights/ai-automation/Pages/quality-assurance.aspx

在今天的许多情况下，质量保证被用于许多过程，当然，在CI、TDD、BDD中，质量保证是一种能够学习的人工智能，但它从网络流程中吸取了经验。

• eBay使用卷积神经网络来检测跨- https://www.ebayinc.com/stories/blogs/tech/gui-testing-powered-by-deep-learning/?source=post_一页多个操作系统、设备、屏幕分辨率和浏览器版本的GUI缺陷。
• Facebook已经实现了一个预测测试选择，以估计新提出的代码更改中每个测试失败的概率。- https://code.fb.com/developer-tools/predictive-test-selection/?source=post_一页
• Netflix正在使用强化学习来确定测试用例的优先级和选择。- https://medium.com/netflix-techblog/lerner-using-rl-agents-for-test-case-scheduling-3e0686211198

这里所示的

以Ebay为例

Ebay在她的文章中是这样描述的：

深度学习技术DL模拟人类发现错误或异常的方法。人类被过去的经验和条件所驱使去做决定。机器只要有适当的训练或训练，就能检测出超出人类精度的错误。我们开始将DL理解为一个更广泛的类的子集，称为监督机器学习算法。监督学习算法以一组训练实例作为训练数据。该学习算法提供训练数据以学习所需的函数。此外，我们还通过一组测试数据验证了我们的学习算法。这种从训练数据中学习并根据测试数据进行验证的过程称为建模。

在进一步的课程中，我们将解释AI操作的GUI测试是如何运行的：

Facebook描述了他们的方法如下：

使用构建依赖关系效率低下的原因--回归测试的常见方法是使用从构建元数据中提取的信息来确定在特定代码更改上运行哪些测试。通过分析代码单元之间的构建依赖关系，可以确定所有临时依赖于代码更改中修改的源的测试。例如，在下图中，圆圈表示测试；方块表示代码的中间单元(如库)；菱形表示存储库中的单个源文件。一个箭头连接实体A→B当且仅当B直接依赖于A，我们将其解释为A影响B蓝色钻石表示在一个示例代码更改中修改的两个文件。所有过渡依赖于它们的实体也以蓝色显示。在这种情况下，基于构建依赖关系的测试选择策略将执行测试1、2、3和4。但是测试5和6不会被执行，因为它们不依赖于修改过的文件。

，如本例所示，

Answer 2

确实是这样！质量保证中的人工智能是一件真实的事情。然而，在质量保证中使用人工智能的整个想法仅限于自动化。目前，这包括根据过去的测试项目为测试结果和测试规范定义测试用例和测试套件。

由于人工智能仅限于起步阶段，还没有达到人工智能的概念。目前质量保证过程中的人工智能的使用更多的是关于在定义的路径上运行功能测试、性能测试和回归测试。

换言之，在质量保证过程中使用人工智能技术是为了改进开发和测试过程，从而能够更快地发布市场，当然也节省资金和资源。

最重要的是，AI有更大的能力来确定代码或功能的任何变化，因为它没有任何类型的嗜睡或人为错误，并且只满足数字需求。

Answer 3

我不会在总体上分享我对人工智能的看法，但是我会把自己限制在机器学习能给质量保证领域带来的好处上。考虑到机器学习系统/算法的预测性质，QA可以使用它来预测应用程序需求中的潜在错误/不一致。这些预测可以基于不同的角度，如功能、用户视角(应用领域)、安全性、性能等。人工智能可以帮助的另一个领域是自动化探索性测试。这是软件测试公司正在研究的少数几个领域。你可能会发现下面的链接很有帮助，

https://blog.qasource.com/how-ai-improves-automated-testing-services

https://blog.qasource.com/autocast-winter-2018