人工智能是軟件開發(fā)行業(yè)中最新的流行語之一。但這到底是什么意思？在軟件測試自動化的背景下，人工智能與廣義定義有何不同？

當(dāng)我們談?wù)?/span>AI及其姊妹術(shù)語機(jī)器學(xué)習(xí)時，我們是什么意思？我以為我會清理我們的用法，所以很清楚我們?nèi)绾问褂肁I和機(jī)器學(xué)習(xí)來推動軟件測試的最新發(fā)展。

如何在測試自動化中實現(xiàn)AI（不僅僅是嗡嗡聲）

人工智能是市場上最繁瑣的流行語之一。“AI”讓人聯(lián)想到功能強(qiáng)大的超級計算機(jī)之類的圖像，這些圖像深深地被人類摧毀。通過Alexa或Siri的語音控制幫助；電腦象棋對手；或自動駕駛汽車。

維基百科將AI研究定義為“……對‘智能代理’的研究：任何能感知其環(huán)境并采取行動以最大程度地成功實現(xiàn)其目標(biāo)的設(shè)備。”但這有點太抽象了，我喜歡將AI看作是計算機(jī)程序或機(jī)器思考（自身原因）和學(xué)習(xí)（收集數(shù)據(jù)并以有益的方式修改未來行為）的能力。在AI對軟件開發(fā)工具和技術(shù)意味著什么的背景下，人們開始看到更有意義的東西。

同樣重要的是要意識到，“AI”的范圍會隨著時間而變化。例如，曾經(jīng)有一次，光學(xué)字符識別（OCR）被認(rèn)為是AI中的最新技術(shù)。或曾經(jīng)被認(rèn)為是最先進(jìn)的Siri和Alexa的問答式回答，現(xiàn)在在很大程度上被認(rèn)為是理所當(dāng)然的，并不總是被視為AI。軟件測試工具也將發(fā)生同樣的事情——隨著新功能的發(fā)展，當(dāng)今自動化領(lǐng)域的創(chuàng)新將成為人們期待的事情。但是現(xiàn)在，讓我們考慮一下2019年軟件測試自動化中的AI。

2019年軟件測試自動化中的AI

人工智能在軟件開發(fā)中的使用仍處于起步階段，其自主性水平遠(yuǎn)低于自動駕駛系統(tǒng)或語音輔助控制等更發(fā)達(dá)的領(lǐng)域，盡管它仍在朝著自主的方向發(fā)展測試。AI在軟件測試工具中的應(yīng)用旨在簡化軟件開發(fā)生命周期。通過推理、問題解決以及在某些情況下的機(jī)器學(xué)習(xí)的應(yīng)用，人工智能可用于幫助自動化和減少開發(fā)和測試中平凡而繁瑣的任務(wù)。

“還沒有測試自動化工具嗎？”你可能會問。

答案當(dāng)然是：“是！他們愿意！”......但是它們有局限性。

人工智能在軟件開發(fā)中大放異彩的地方就是它被應(yīng)用來消除那些限制，以使軟件測試自動化工具能夠為開發(fā)人員和測試人員提供更多價值。AI的價值來自減少開發(fā)人員或測試人員直接參與最普通的任務(wù)。（在應(yīng)用業(yè)務(wù)邏輯等方面仍然非常需要人類智能。）

例如，考慮到大多數(shù)（如果不是全部）測試自動化工具為您運行測試并提供結(jié)果。大多數(shù)人不知道要運行哪些測試，因此它們會運行所有測試或預(yù)定的一組測試。那么，如果啟用AI的機(jī)器人可以查看測試狀態(tài)的當(dāng)前狀態(tài)，最近的代碼更改，代碼覆蓋率和其他指標(biāo)，確定要運行的測試，然后再運行它們，該怎么辦？引入基于更改數(shù)據(jù)的決策是應(yīng)用AI的一個示例（順便說一下，Parasoft就是這樣做的）。該軟件可以有效地在決策過程中替代開發(fā)人員/測試人員。將其應(yīng)用于CI/CD管道的好處顯而易見。

人工智能和機(jī)器學(xué)習(xí)

那么，機(jī)器學(xué)習(xí)呢？機(jī)器學(xué)習(xí)可以通過應(yīng)用算法來增強(qiáng)AI，算法允許工具通過收集測試產(chǎn)生的大量數(shù)據(jù)來自動改進(jìn)。

機(jī)器學(xué)習(xí)研究是整個AI研究的一個子集，其重點是基于先前觀察到的數(shù)據(jù)進(jìn)行決策。這是整個AI的重要方面，因為隨著學(xué)習(xí)的改善，智能需要修改決策。但是，在軟件測試工具中，機(jī)器學(xué)習(xí)并非總是必要的——有時，最好手動微調(diào)支持AI的工具以適合使用該工具的組織，然后不管結(jié)果如何，任何時候都可以應(yīng)用相同的邏輯和推理。

在其他情況下，數(shù)據(jù)收集是決策過程的關(guān)鍵，并且機(jī)器學(xué)習(xí)可能非常有價值，首先需要一些數(shù)據(jù)，然后隨著收集更多數(shù)據(jù)而進(jìn)行改進(jìn)或調(diào)整。例如，隨著時間的流逝，代碼覆蓋率、靜態(tài)分析結(jié)果、測試結(jié)果或其他軟件指標(biāo)可將有關(guān)軟件項目狀態(tài)的信息告知AI。

深度學(xué)習(xí)

機(jī)器學(xué)習(xí)有其自己的名為“深度學(xué)習(xí)”的子集，該子集建立在處理大量數(shù)據(jù)以供學(xué)習(xí)的基礎(chǔ)上。在大多數(shù)情況下，此類數(shù)據(jù)由多層神經(jīng)網(wǎng)絡(luò)表示——它們是受人類神經(jīng)元網(wǎng)絡(luò)啟發(fā)的模型，可幫助計算機(jī)獲取新知識并高度智能地推理。

深度學(xué)習(xí)的關(guān)鍵方面是以神經(jīng)網(wǎng)絡(luò)為代表的大量信息，以驅(qū)動決策過程。如此大量的數(shù)據(jù)并不總是可用或不適用于軟件測試-也許這就是為什么我們在這些領(lǐng)域沒有看到很多深度學(xué)習(xí)案例的原因。一個可能的示例是從數(shù)千萬行代碼中“學(xué)習(xí)”，以了解不同類型的安全沖突，并基于這種深度學(xué)習(xí)模型來實現(xiàn)靜態(tài)分析引擎。

軟件測試中AI和機(jī)器學(xué)習(xí)的真實示例

這是Parasoft的重要研發(fā)領(lǐng)域。令人興奮的是，我們當(dāng)前的產(chǎn)品僅僅是開始，而我們對AI和ML的持續(xù)研究繼續(xù)為將這些技術(shù)集成到我們的產(chǎn)品中帶來新的方式。我們已經(jīng)采用了以下幾種方法。

使用人工智能自動執(zhí)行單元測試的生成和參數(shù)化

第一個示例在Parasoft Jtest中，這是我們針對Java開發(fā)人員的軟件測試解決方案，其中包括靜態(tài)分析、單元測試、覆蓋率和可追溯性等。在這里應(yīng)用AI，我們發(fā)布了自動測試用例生成，可幫助開發(fā)人員填補(bǔ)空白從稀疏的JUnit工具開始。

Parasoft Jtest的IDE插件通過簡單的一鍵式操作即可創(chuàng)建、擴(kuò)展和維護(hù)單元測試，從而為單元測試實踐提供了有用的自動化功能。通過使用支持AI的Jtest，用戶可以實現(xiàn)更高的代碼覆蓋率，同時將構(gòu)建全面而有意義的Junit測試用例套件所需的時間和精力減少一半。

實現(xiàn)此目的的一種方法是使創(chuàng)建存根和模擬程序更容易以隔離測試中的代碼。底層的AI使Jtest能夠觀察被測單元以確定其對其他類的依賴關(guān)系，并且在創(chuàng)建這些依賴關(guān)系的實例時，建議將其模擬給用戶以創(chuàng)建更多隔離的測試。自動創(chuàng)建必要的模擬和存根可以減少測試創(chuàng)建中最耗時的部分之一的工作量。

Parasoft Jtest還可以自動檢測現(xiàn)有測試套件未涵蓋的代碼，并遍歷源代碼的控制路徑，以找出需要將哪些參數(shù)傳遞給被測方法，以及如何初始化sub/mocks才能達(dá)到該代碼目的。通過啟用此AI，Jtest可以自動生成新的單元測試，并應(yīng)用修改后的參數(shù)來增加整個項目的總體代碼覆蓋率。

使用AI和機(jī)器學(xué)習(xí)自動執(zhí)行API測試的生成和維護(hù)

另一個很好的例子是Parasoft SOAtest的Smart API Test Generator，它增加了機(jī)器學(xué)習(xí)功能，它超越了記錄和回放測試，它利用AI和機(jī)器學(xué)習(xí)將手動UI測試轉(zhuǎn)換為完整的自動化API測試方案。

智能API測試生成器使用推理來理解在執(zhí)行UI時進(jìn)行的不同API調(diào)用中的模式和關(guān)系。通過該分析，構(gòu)造了一系列API調(diào)用，這些API調(diào)用表示在UI流期間進(jìn)行的基礎(chǔ)接口調(diào)用。然后，它通過觀察有關(guān)不同API資源的內(nèi)容并將其作為模板存儲在專有數(shù)據(jù)結(jié)構(gòu)中，來應(yīng)用機(jī)器學(xué)習(xí)。通過檢查用戶庫中的其他測試用例，可以在學(xué)習(xí)API時學(xué)習(xí)不同類型的行為（例如，聲明或在正確的位置添加特定的標(biāo)頭）來更新此內(nèi)部結(jié)構(gòu)。

此處AI的目標(biāo)是創(chuàng)建更高級的測試（不僅僅是重復(fù)用戶所做的事情，就像通過簡單的記錄和播放測試一樣）。該工具可以識別流量內(nèi)部的模式，創(chuàng)建觀察參數(shù)的全面數(shù)據(jù)模型，生成自動化的API測試，并能夠?qū)W(xué)習(xí)到的模式應(yīng)用于其他API測試以增強(qiáng)它們，并幫助用戶創(chuàng)建更高級的自動化測試場景。由此產(chǎn)生的自動化API測試具有更完整的可重用性、可伸縮性和更改彈性。

使用機(jī)器學(xué)習(xí)自我修復(fù)Selenium測試的執(zhí)行

自動驗證UI層是測試策略的另一個關(guān)鍵組成部分，以確保產(chǎn)品在投入生產(chǎn)之前已得到完全驗證。Selenium框架已被廣泛用于UI測試，這是用戶的明確選擇，但用戶仍無法擺脫常見的Selenium測試在可維護(hù)性和穩(wěn)定性方面的挑戰(zhàn)。AI技術(shù)（尤其是機(jī)器學(xué)習(xí)）可以在此提供幫助，在運行時提供自我修復(fù)功能，以解決與UI測試執(zhí)行相關(guān)的常見可維護(hù)性問題。

我們通過提供此功能，它可以在定期執(zhí)行Selenium測試期間“了解”內(nèi)部數(shù)據(jù)結(jié)構(gòu)。引擎監(jiān)視每次運行，并捕獲有關(guān)被測應(yīng)用程序的Web UI內(nèi)容的詳細(xì)信息。它提取DOM元素，它們的屬性、定位符等，并將它們與UI驅(qū)動的測試執(zhí)行的操作相關(guān)聯(lián)。采用Parasoft專有的數(shù)據(jù)建模方法，將該信息存儲在其AI引擎中，并且該模型會不斷更新，分析所有測試的歷史執(zhí)行以繼續(xù)變得“更智能”。

如果網(wǎng)頁的UI元素被顯著移動或修改而導(dǎo)致測試失敗，則這是至關(guān)重要的時間節(jié)省。通過，引擎使用的AI啟發(fā)式算法可以將那些更改的元素與模型表示的歷史數(shù)據(jù)“匹配”，并自動生成可抵抗更改的“智能定位器”，以在運行時恢復(fù)Selenium測試的執(zhí)行。有關(guān)這些更改的信息會自動通過模型傳播，并且會根據(jù)這些更改來調(diào)整未來的新定位器。

人工智能和機(jī)器學(xué)習(xí)的未來

那么接下來呢？我們正在這一領(lǐng)域積極研發(fā)，繼續(xù)追求人工智能和機(jī)器學(xué)習(xí)的進(jìn)一步應(yīng)用，以擴(kuò)大我們的軟件測試工具套件。有很多研究途徑，但是最終目標(biāo)很明確：幫助團(tuán)隊更有效地開發(fā)和測試代碼，快速創(chuàng)建更高質(zhì)量的軟件。