为什么AI和机器学习将在2019年重新定义软件测试
寻求提高测试周期准确性和降低成本的公司和高管正在转向人工智能和机器学习。
我们已经达到了一个临界点，这促使CIO们开始积极探索AI如何帮助他们实现数字化转型目标。随着DevOps和持续交付的出现，企业现在正在寻求软件交付周期各个阶段的实时风险评估。
虽然人工智能（AI）并不是一个新概念，但将AI技术应用于软件测试已经开始成为过去几年的现实。在此之前，AI必将成为我们日常质量工程流程的一部分，然而，在此之前，让我们来看看AI如何帮助我们实现质量目标。
日复一日，QA工程师面临着过多的困难，浪费了大量时间来寻找合适的解决方案。在进行新的添加时，已经通过测试过程的现有代码可能会停止工作。
每次开发团队扩展现有代码时，他们都必须执行新的测试。虽然回归测试周期可能需要很长时间，但是在手动基础上进行回归测试周期肯定会压倒QAs。
随着软件开发生命周期变得越来越复杂，交付时间越来越短，测试人员需要立即向开发团队传递反馈和评估。鉴于新软件和产品发布的快节奏，没有别的选择，只能在这个时代更智能地测试，而不是更难。
每月发生一次的发布现在每周发生一次，并且几乎每隔一天都会考虑更新。因此，很明显，简化软件测试并使其更加智能/高效的关键是人工智能。
通过吸收能够精心模仿人类行为的机器，测试人员团队可以超越传统的手动测试模型，逐步向自动化和精确化的连续测试过程迈进。
基于AI的连续测试平台可以比人类更有效地识别变化的控制，并且通过不断更新其算法，甚至可以观察到最轻微的变化。
在自动化测试方面，人工智能在所有用户界面的对象应用程序分类中得到广泛应用。在此处，可以在创建工具时对已识别的控件进行分类，并且测试人员可以预先训练开箱即用设置中常见的控件。一旦观察到控件层次结构，测试人员就可以创建技术图，以便AI查看图形用户界面（GUI）以获取不同控件的标签。
由于测试都是关于结果的验证，因此需要访问大量的测试数据。有趣的是，谷歌DeepMind创建了一个人工智能程序，利用深度强化学习自己玩视频游戏，从而产生了大量的测试数据。
在线下，人工智能将能够观察在测试站点内进行探索性测试的用户，使用人脑来评估和识别正在测试的应用程序。反过来，这将使业务用户进入测试阶段，客户将能够完全自动化测试用例。
在评估用户行为时，可以相应地分配，监控和分类风险偏好。此数据是自动测试的经典案例，用于评估和清除不同的异常情况。热图将有助于识别流程中的瓶颈，并帮助确定您需要执行哪些测试。通过自动化冗余测试用例和手动测试，测试人员可以更多地关注数据驱动的连接和决策。
最终，基于风险的自动化可帮助用户确定在有限的测试时间是一个关键因素时，他们需要运行哪些测试才能获得最大的覆盖率。通过在测试创建，执行和数据分析中融合AI，测试人员可以永久地不再需要手动更新测试用例并识别控件，以更有效的方式发现缺陷和组件之间的链接。
以下是AI在测试中的一些显着优势。
提高准确度人非圣贤孰能。即使是最细致的测试人员也必然会在进行单调的手动测试时犯错误。这是自动化测试有助于每次执行时准确执行相同步骤，并且不会错过记录详细结果。从重复的手动测试中解放出来的测试人员有更多的时间来创建新的自动化软件测试并处理复杂的功能。
超越手动测试的局限性最重要的软件/ QA部门几乎不可能用1000多个用户执行受控的Web应用程序测试。通过自动化测试，可以模拟数十，数百或数千个可与网络，软件或基于Web的应用程序交互的虚拟用户集。
帮助开发人员和测试人员开发人员可以使用共享自动化测试在发送到QA之前快速发现问题。每当签入源代码更改时，测试都会自动运行，如果失败则通知团队或开发人员。这些功能可以节省开发人员的时间并提高他们的信
增加总体测试覆盖率通过自动化测试，可以增加测试的整体深度和范围，从而全面提高软件质量。自动软件测试可以查看内存和文件内容，内部程序状态和数据表，以确定软件是否按预期运行。总而言之，测试自动化可以在每次测试运行中执行1,000多个不同的测试用例，从而提供手动测试无法实现的覆盖范围。
节省时间+金钱=加快上市时间每次修改源代码时都会重复进行软件测试，手动重复这些测试不仅耗时而且成本极高。相比之下，一旦创建 - 自动化测试可以一次又一次地执行，而零成本则以更快的速度增加。软件测试时间跨度可以从几天缩短到几小时，这直接转化为成本节省。
下面列出了一些常用的基于AI的测试自动化工具。
Testim.io该工具使用ML来创建，执行和维护自动化测试。它强调功能，端到端测试和用户界面测试。该工具变得更智能，运行更多，并提高了测试套件的稳定性。测试人员可以使用JavaScript和HTML编写复杂的编程逻辑。
AppvanceAppvance利用人工智能根据用户行为生成测试用例。测试组合全面涵盖了实际最终用户在生产系统上所做的工作，使其100％以用户为中心。
Test.aiTest.ai是一个使用AI进行回归测试的移动测试自动化。在获取应用程序的性能指标时，它非常有用，而且比功能测试工具更像是一种监控工具。
Functionize使用机器学习进行功能测试，与市场上其他工具非常相似，能够快速创建测试（无需脚本），在几分钟内执行多项测试，并进行深入分析。
随着人工智能逐渐进入软件开发生命周期，组织仍在考虑是否应该在其产品工程实践中完全采用它。
发布初始投资以在测试自动化中建立AI系统，组织必须以更少的资金产生更大的测试奖励。反过来，当涉及测试未覆盖区域或探索性测试或软件测试中更令人兴奋和创造性的部分时，这些节省可以重定向到质量保证工作。
鉴于行业发展的速度，可以安全地假设软件测试的新时代在这里是真实的！无可否认，机器学习和人工智能正在成为软件测试和质量保证的重要元素，同时也为竞争定位和更好的客户体验铺平了道路。
PS：想自学编程的小伙伴搜索圈T社区，免费视频教程哦！