将人工智能引入自动化测试 是为跟紧软件开发和部署的脚步

随着软件复杂性的不断提高以及发布交付周期的缩短，测试人员需要立即为开发人员提供高质量的反馈。在这个持续测试的时代，企业正在采用一种新的口头禅：测试更智能，而不是更难。鉴于新软件的推出速度，没有别的选择。因为之前是每个月发生一次的版本更新，现在，每星期都会出现一次变化，甚至是一天发生几次。

Tricentis的首席产品官员Gerd Weishaar表示，人工智能（AI）可能会成为智能化和高效化软件测试的关键。出现通过整合可以准确模仿人类行为的机器，测试人员可以超越传统的手动测试模式，转向基于精度的自动化连续测试。

Tricentis已经将人工智能深度学习与持续测试结合了一年多的时间，根据Gerd的说法，Tricentis的持续测试平台可以比人类更精确地识别已更改的控件，而且随着算法的不断改进，即使是最细微的变化也能够被发现。

人工智能在测试自动化中用于所有用户界面（UI）的对象应用程序分类中。识别的控件在创建工具时被分类。用户可以预先训练通常用于开箱即用设置的控件。但光学字符识别（OCR）需要其他算法。一旦看到控件的层次结构，就可以创建一个技术图，以便人工智能查看GUI以获取控件的标签。

根据Gerd的说法，用学习算法看到积极的结果需要一段时间。更有希望的是人类用户和机器学习从业务使用深度学习来提取核心事物。 Tricentis已经成功地将这种方法与信息系统公司的合作伙伴一起使用，用于SAP监控和测试，以观察用户方面的信息、记录案例以及在不需要人工交互的情况下创建定制的案例。

测试是对于结果的验证，而这少不了测试数据。谷歌的 DeepMind就创建了一个人工智能程序，使用深度强化学习来自己玩视频游戏，从而生成大量的测试数据。

将来，人工智能将能够在测试现场观察用户使用人脑进行探索性测试，以确定正在测试的应用程序，这将使得商业用户进行测试。而客户也将能够完全自动化测试用例。

通过监控用户行为，你可以监控、分类和分配风险偏好。这些数据是自动化测试学习和查找异常的经典案例。热点地图将有助于查看过程中的瓶颈，并帮助确定你需要进行哪些测试。但是，经典的数据分析是有些问题的，Gerd建议测试人员寻找可以消除的冗余测试用例，并可以用自动化来替代手动测试，这样人们会更多地关注数据驱动的连接和决策。

Gerd还指出，当自动化测试进入云时，客户A将能够向客户B学习，同时他们的所有数据都保持隔离，同时也是安全的。在核心深处，存储库测试高度关联，给每个关系一个数据点。人工智能神经 络有数百个参数，随着更多数据的添加而变得更强。

基于风险的测试自动化可帮助用户确定在有限的测试时间内运行哪些测试以获得最大的覆盖范围。通过添加人工智能来测试创建、执行和数据分析，测试人员可以更快速地识别控件，找出缺陷与其他组件之间的链接，并消除通过手工方法不断更新测试用例的需求。