测试智能化系统：从手工到自动的演进

摘要：智能化测试（AI Driven Testing）和测试智能化（AI Testing）很多时候被交织在一起，这两个是完全不同的两个概念。其中，智能化测试，英文AI Driven Testing，简称AIDT。人工智能驱动的……

智能化测试（AI Driven Testing）和测试智能化（AI Testing）很多时候被交织在一起，这两个是完全不同的两个概念。其中，智能化测试，英文AI Driven Testing，简称AIDT。人工智能驱动的测试，就是研究如何使用计算机去做过去只有人能够做的智能的测试工作内容。而测试智能化是指被测试的系统是一个智能化的系统、服务或者应用。

现在越来越多的系统开始有AI或者机器学习的属性，AI技术已经在各个行业里不断的被应用。为了适应AI技术的快速发展，很多公司在数字化转型过程中也不断的引用了新的AI技术来帮助公司提升价值收益。在2021年麦肯锡的全球人工智能调查报告中指出：“调查中56%的受访者表示至少参与了一项有AI相关的功能，79%的受访者认为应用人工智能可以显著的解决成本”。随着越来越多的团队将AI引入到他们的系统中，势必会出现很多新型缺陷以及能够发现这些新型缺陷的测试方法。在该领域的测试工程师需要对人工智能的一些专有技术有一定的了解，这样才能有能力发现人工智能、机器学习等方面的特有的缺陷。但是，这并不是说测试智能化系统不需要传统的测试理论、测试方法以及测试工具，对于普通的测试工程师的要求对于测试智能化系统的测试工程师同样适用。那么，关于人工智能的一些特别的技能都包涵哪些呢？

• 开始的准备

最开始，应该理解AI解决问题的逻辑方式。AI是通过数据的学习而不是经验的学习来解决问题，所以，如何选择数据（例如人脸识别中的人脸数据和关联的名字数据库）训练机器学习的模型是这个部分最为重要的点，下一步才是准备对应机器学习算法数据格式的数据。当我们有了数据以后，就需要采用那个ML算法才能解决我们想要解决的问题。ML的算法我们可以从一些

三、智能化要点

• 自动 → 用例/执行/报告全链路自动化，省人力。
• 数据 → 测试数据管理与 Mock，解耦上下游。
• 度量 → 覆盖率+缺陷密度驱动质量改进。

测试智能化不是”多写脚本”：自动化打底、数据解耦、度量闭环，测试才从上线前的守门员变成全程质量驱动器，而不是重复点点的工具人。