AI测试与传统测试不同，需要考虑十个要点–新梦想软件测试

AI智能是这两年互联 行业口 喊的最响亮的项目，AI简单的来说就是一个离开人类的操作和控制，利用程序代码和数据分析为依托实现自动智能化的效果。

AI智能让一个搜索引擎公司（百度）为之疯狂，可见其中的深奥与未来发展。让大家认为的骗子疯子贾跃亭，能一次又一次的死而复活，可见AI的无与伦比的魅力。

4、AI算法测试

在AI中，机器分析数据模式并使用这些模式来构建规则，也称为启发式规则。这是人类大脑所做的类似操作，有助于人类做出决定。机器在加载数据并分析模式后，它会了解模式，并在收到模式时自行更新模式。因此，机器的行为及其AI算法不会总是表现得相同，因此我们不能指望输出始终是100%完美的。它取决于机器基于数据模式在一段时间内发展起来的启发式方法。

5、测试数据以测试AI算法

机器学习是人工智能的一部分，机器根据数据的类型和输入的模式来构建自己的知识。测试人员应仔细选择他们的测试数据来测试机器学习，以便他们输送到机器的数据模式应该与AI系统的预期输出相匹配。

6、AI架构和设计

AI系统测试人员应该对AI架构以及系统设计有充分的了解。这是因为在知道输出随着输入数据模式到AI系统的变化而变化的事实之后，它将帮助测试人员设计其测试用例。因此，将AI系统作为黑盒测试应该涉及架构和系统设计方面的知识。

7、需要严格的测试 AI 系统

AI系统的行为与传统软件不同，因为它们具有学习能力，因为它们可以提供数据。因此，为了对AI系统进行深入分析，在以不同模式批量提供数据之后执行严格测试非常重要。更有意义的数据被馈送到机器，它将开发启发式，机器可以执行决策，这是测试人员可以准确测试机器行为的地方。

8、输入相同但输出与以前不同

这是 AI 系统的理解行为，测试用例不能被声明为失败，因为实际的功能测试应该基于模式、规则和启发式而不是针对同一组输入的行为。在人工智能机器中相应地学习和改变其行为。

9、输出管理至关重要

在AI中，可以通过向其提供数据模式来动态地改进AI算法。测试机制可以作为训练AI系统并立即研究其影响的机会。训练有素的机器即改进的算法可以直接用于生产。但是，我们需要确保机器具有所需的知识。

10、回归测试

该数据集可用于之前测试过机器模式的回归测试。但重复测试用例可能不会一遍又一遍地获得相同的结果。因此，除非它是为一个全新的人工智能机器做的，否则回归测试可能不那么有效。回归测试应该基于AI算法行为，对被馈送到系统的数据集的测试。

新梦想软件测试总结：AI测试不同于传统的软件测试，测试人员在测试任何AI系统之前都要考虑到上面十点，避免所测之物出现BUG，更加要避免自己身上出现工作BUG。