當軟件測試趕上人工智能，技術人員會失業嗎？

全文共3015字，預計學習時長6分鐘

儘管人工智能能夠更快、更簡單、更清晰地進行軟件分析，發展前景巨大，但人力分析依然具備價值。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做，但也沒必要過於擔憂。

人工智能和機器學習的使用策略遠未完善，各大公司仍面臨不少挑戰。但能夠確定的是：專業質保人員採用人工智能能夠升級整個測試程序、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

傳統的測試依然須要人力進行源代碼和數據分析。但必需要認可的是：就算是最有經驗的質保工程師也可能會犯錯，這不要緊。因爲數據過多，測試人員疏忽了軟件的質保，遺漏了一些很是關鍵的漏洞。而消費者會在項目相關負責人以前發現這些漏洞。這種狀況一般會損害其在市場上的品牌聲譽和產品地位。

所以，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，往後就能夠用到所學知識。如此一來，人工智能測試機器就能夠給出更精確的結果。用人工智能進行數據分析就能避免人爲錯誤，減小測試用時，找到可能存在的漏洞。所以，質保團隊就不用因數據量過大而超負荷工做。

質保工程師的新職責

人工智能測試是提升整個測試過程效率的一種頗有前景的手段。因爲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。與人工智能合做須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》的專家們認爲，儘管人工智能的應用實踐已經十分紅熟，但缺少高素質的專業人員。所以，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，質保工程師還須要構建機器學習算法、理解數學模型以及研究天然語言處理範式。

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做用。普遍理解數據流、數學優化和機器人技術後，質保工程師能夠在整個業務週期中運用人工智能質保手段。

數據科學家

做爲質保團隊的一份子，分析員過濾數據、統計數據並進行預測分析，爲基於人工智能的質保策略構建必要模型。

有人預測，質保工程師將轉型爲測試自動化團隊。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•辛德認爲，人工智能能夠接管近70%的重複測試空間。不管任何，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、工做流建模和環境設置。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加，各大企業都須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講，這是一項艱難的預測分析工做。人工智能和機器學習能夠快速分析客戶數據，得到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色、識別預測模式。因爲機器學習無需用戶界面進行測試，所以改變了自動化測試方法。不少自動化質保都是之後端系統爲中心的過程。

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。如今，大多數應用程序在設計、功能或界面上都有相似模式。例如，你能夠在在線商店中輕鬆發現購物車、產品篩選器和付款窗口。機器人程序能夠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。質保工程師能夠建立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）

機器學習測試能夠有效檢查API層。機器學習算法接管了測試腳本的分析，所以測試人員不會爲大量的API調用所困擾。

戰略導向

質保工程師每每會由於代碼的一些小變更而運行整個測試套件。機器學習工具能夠肯定檢查代碼修改相關性所需運行的最少測試數。機器學習還能夠分析易受攻擊的軟件區域和當前的測試覆蓋率。

當前挑戰

雖然人工智能彷佛是將來質保領域的基石，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。

愈來愈大的數據

處理非結構化數據須要人力資源和資金的額外支持。現在，企業幾乎沒法處理繁重的數據分析，也沒法繼續使用機器人或認知平臺。

人工智能集成

目前，各大公司還沒有肯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。質保團隊首先須要構建專業知識，適應人工智能與業務週期。

缺少人工智能知識

如前所述，智能測試拓寬了測試人員的技能和專業知識。知識鴻溝早晚會獲得填補。2019年，隨着愈來愈多公司嘗試「智能質保」，對合格專業人員的需求將大爲增長。

人工智能驅動的測試自動化工具

固然，人工智能的出現不可避免。無論怎麼假設，咱們都相信人工智能還需好久才能接管整個測試流程。今天，因爲創新型的人工智能自動化測試方案，不少商業和質保工程師都在談論所謂的「第三波測試自動化」。讓咱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/

該工具經過機器學習對軟件進行深刻分析，並使用認知生成技術生成「應用藍圖」模型。藍圖能夠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別。

該工具擅長運行自動測試，能夠在幾分鐘內發現數千個接口不一致的狀況。

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。它也能夠根據要素變化進行調整，甚至能夠識別須要手動更正的部分。

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。它使用天然語言測試處理編寫高質量的自動測試。Testsigma能夠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，軟件測試團隊能夠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爲有用的附加組件，減小工做負擔，讓測試人員工做更輕鬆。

留言 點贊 關注

咱們一塊兒分享AI學習與發展的乾貨
歡迎關注全平臺AI垂類自媒體 「讀芯術」

（添加小編微信：dxsxbb，加入讀者圈，一塊兒討論最新鮮的人工智能科技哦～）