本文中的人工智能指的是其現代狀態，而不是理想目標。我們生活在一個狹隘或弱人工智能的世界中，它在個別任務上擊敗了人類，例如比開發人員更快地嘗試基本的故障排除選項。我們距離真正強大的人工智能還有幾年或幾十年的時間，它幾乎可以做人類能做的任何事情。這意味著人工智能測試不會在沒有人工輸入的情況下進行，但您可以最大限度地減少工作量。

　　AI 實施如何改進軟件測試過程？

軟件測試中的人工智能是自動化 QA 的自然演變。人工智能測試自動化比模擬手動工作更進了一步。“機器”還首先決定何時以及如何運行測試。

創新不止于此。人工智能測試已經成為現實。根據實現的不同，測試將被修改和/或從頭開始創建而無需任何人工輸入。如果項目的復雜性讓你想知道如何測試，這是一個很好的解決方案——人工智能很可能是答案。

　　人工智能的好處

根據定義等因素，僅本節就有一系列文章。讓我們堅持人工智能測試的好處以及人工智能在 QA 中的其他用途。

• AI 自動化測試可以節省時間。我們已經介紹了使用測試自動化工具來實現調度奇跡，但讓我們更上一層樓。如果你也可以只維護有用的測試呢？例如，您可以自動取消或暫停測試，以調查它們是否確實是在浪費時間。
• 測試一致性可以提高很多。偶爾會遇到無緣無故失敗的片狀測試是很自然的。可以自動標記此類測試以供人工智能審查，以識別編碼問題或指出在多個測試中發現的概念缺陷。
• 測試維護變得不那么麻煩。這對于經常每天（如果不是更頻繁地）調整用戶界面以實現 A/B 目的的 B2C 解決方案尤其重要。對于模擬用戶旅程的測試，這樣的小變化仍然可能是破壞性的，例如，按鈕根本不再存在。結合人工智能 + 測試自動化意味著您的測試無需人工輸入即可針對 UI 更改進行調整。

　　最佳實踐

以下是來自處于人工智能測試前沿的公司的反復試驗的一些建議。

• 知道你在做什么。在沒有充分準備的情況下推動測試自動化是一個巨大的時間消耗。就像自動化測試一樣，缺乏能夠帶路的高級專家是災難性的。
• 整理好你的測試套件。缺少或不正確的標簽、拼寫錯誤和遺留數據庫都可能會扭曲人工智能將用于改進測試的數據。
• 寫下實施人工智能的目標。這包括您希望解決的業務目標（例如，通過更流暢的 UX 顯著提高留存率）、驗證您的 AI 努力值得付出努力的 QA 目標，以及一些用于查看您是否走在正確軌道上的 AI 測試基準。
• 提醒你的同事。將人工智能納入測試是一個漫長的過程，它可能會在最短的時間內影響 QA 專家的可用性及其輸出。您的項目經理、產品負責人和高層管理人員會很高興提前通知這種劇烈的變化。當然，開發人員也應該知道，特別是如果他們處理項目的單元測試。
• 確保您的測試管理同樣具有創新性。如果您的團隊仍然堅持在 Excel 上進行 QA，那么 AI 測試幾乎沒有用處。您需要一個對第三方人工智能工具友好的專用測試管理解決方案。

　　基于人工智能的軟件測試自動化方法

將人工智能融入軟件測試的方法主要來自最流行的人工智能技術。它們是機器學習、自然語言處理 (NLP)、自動化/機器人和計算機視覺。以下是這些技術如何用于 QA 的一些示例。

• 模式識別采用機器學習來查找測試和/或測試執行中的模式，這些模式可以轉化為可操作的見解。如果同一個類的問題導致多個測試失敗，您的 AI 解決方案將要求團隊重新查看可能有問題的代碼。模式識別還可用于您的軟件代碼本身，以發現和預測潛在漏洞。
• 如果自動化測試開始令人頭疼，自我修復可以糾正它們。不穩定的測試最終可以追溯到問題的路徑。看似不可重現的缺陷將被捕獲并解決。隨著您的項目變得越來越大，自我修復的測試將真正改變游戲規則。
• 視覺回歸測試使您的軟件和測試都保持正常工作。這就是前面提到的 UI 調整示例。良好的自我修復消除了許多多余的工作，使產品團隊對 A/B 測試更加雄心勃勃，并幫助他們快速響應趨勢。
• 數據生成與主要的軟件測試工具一起非常有用。可以使用人工智能對更大規模的測試進行參數化，例如，生成大量具有稀有分辨率和元數據的個人資料圖片，以查看用戶是否可以正常上傳它們。

　　人工智能軟件測試的最佳測試工具

讓我們看一些使用上述方法的工具。

Launchable

Launchable使用模式識別來查看測試失敗的可能性。此信息可用于切斷測試套件并消除一些明顯的冗余。此外，您可以對測試進行分組，例如，在部署修補程序之前只運行最有問題的測試。Launchable 最受認可的客戶是寶馬。

Percy

Percy是一個視覺回歸測試工具。它非常適合保持 UI 測試的相關性，并幫助您在不同瀏覽器和設備之間保持用戶界面的一致性。Google、Shopify 和 Canva 都在 Percy 的客戶組合中。

mabl

mabl是一個簡潔的測試自動化平臺，具有自我修復功能。它宣揚一種低代碼方法，但可以以傳統方式完美使用。Riot Games、JetBlue 以及 Stack Overflow 和 Splunk 等 IT 公司作為客戶出現在 mabl 的網站上。

Avo測試數據管理

Avo有一個用于管理測試數據的專用工具，該功能還包括 AI 數據生成。該解決方案聲稱可以大規模模擬真實世界的數據，并在頂部進行一些數據發現。Avo 被索尼、普華永道以及 aqua 的客戶之一——Tech Mahindra 使用。

　　結論

軟件測試中的人工智能方法是一種真正強大的工具，它比常規自動化更能提高效率。一些子集可能看起來有點過分（例如，數據生成是人們開始將所有東西標記為“AI”之前的事情），但自我修復測試和模式識別是不小的壯舉。只要您制定適當的目標并找到合適的人員，在您的質量保證程序中實施 AI 肯定是值得的。

但是，如果沒有好的測試管理解決方案，將 AI 引入您的軟件測試是沒有意義的。你需要一個堅實的測試組織來涉足人工智能，任何認真的努力都會增加使用多個人工智能 QA 工具的復雜性。在開始軟件測試 AI 之旅之前，請確保您找到了一個好的多合一測試管理解決方案。