AI可行性实验之辅助测试工作
前言要说这段时间仅在软件测试领域有什么可以总结的内容，我想应该是人工智能了，简称AI（Artificial Intelligence，人工智能）。 在某本书中有位大佬曾经说过，AI是第四次工业革命。这种说法我消化不了，因为没有亲身体会过工业革命，我能理解的是在大量资本涌入的情况下，AI的推广速度会非常的快，即使不在AI领域内的人，看到哪些让人产生焦虑的视频或文章，也能从侧面感受到，说AI可以替代“这个”，也可以替代“那个”，是不是真的比人做的更好，我想还有待观察。 我始终相信AI只是一种工具，与一把斧子、一个扳手在本质上没什么区别，当然我用的AI都是通用AI，没用过专业AI，也就是专注于某一领域的AI，具体专业AI可以智能到什么程度，我想也只有接触过最前沿的人才有发言权。 再多说两句，现在的通用AI最擅长是生成内容，也就是所谓的AIGC（Artificial Intelligence GeneratedContent，人工智能生成内容），像视频、图片、文本等，但是这些东西你不用AI自己也可以做，即使你要让AI做一段视频，你至少也要清楚做视频的基本知识，才能做出符合要求的视频，如果都让AI做，一点要求都没有，门槛如此之低的视频内容，有什么价值。 同理，本篇文章讨论的是用AI工具辅助测试工作，那你就要具备一名测试工程师的基本知识，才能更好的向AI提问，以及“调教”（训练）AI，让它的正确答案更接近你的需求。 想要更好的向AI提问以及“调教”AI，就要写好提示词，这个和搜索引擎用的关键词差不多，目的都是缩小范围，以便得到更精确的输出，只不过这些提示词组合起来更像人话。 接下来，就要进行一个简单的实验，实验用的人工智能是百度的文心一言，非常方便注册和使用。 使用的示例我在51Testing测试圈中的免费讲堂《测试人员必备的测试技术》中也有引用，都是所有测试工程师都耳熟能详的示例。 正文一、 使用AI分析需求提取测试点程序名称：判断是否为三角形的软件程序需求：程序接收3个整数，代表三角形的三个边长，判断3个整数是否可以构成一个三角形，并进一步判断是一般三角形、等腰三角形还是等边三角形。 接下来，使用AI分析测试需求，并提取测试点。 向人工智能（百度文心一言）提出的问题，也就是描述需求，如下图所示。图1-1 向人工智能提问人工智能（百度文心一言）根据要求输出的回答内容如下图所示，由于太长，所以分成两个部分展示。图1-2 回答的第一部分
图1-3 回答的第二部分
当然这个需求说明非常简单，但我也不得不说，非常有参考价值，就不说很好了，免得它骄傲。
接下来，我们继续“调教”AI，把软件测试工程师的基本技能都赋予它，如下图所示。
图1-4 “调教”人工智能
人工智能（百度文心一言）这次输出的内容非常多，我们分成两个部分展示。图1-5 第一部分
图1-6 第二部分
怎么样？还可以吧，比较中规中矩，但是“调教”AI，重要的是“教”，也就是把你，一个资深的软件测试工程师的经验教给它，这一步实际上是最重要的。
图1-7 继续“调教”通过继续“调教”的步骤，也就是赋予经验给它，它的回答就会更加完善，如下图所示。
图1-8
在“调教”的时候，也可以根据AI自动生成的提示词继续完善回答内容，当然也需要我们根据自己的经验进行取舍，如下图所示。
图1-9
二、使用AI根据测试点生成测试用例
通过一个简单的示例，人工智能（百度文心一言）给出的结果确实具有参考价值，接下来，我们继续使用它，让它生成测试用例，问题非常简单就不截图了，就是根据以上总结的测试点用表格的形式生成测试用例，输出的回答如下图所示。
图1-10 第一部分
图1-11 第二部分
图1-12 第三部分
写的很简单，这是因为我们“调教”的不够好，我们可以根据实际情况修改输出的测试用例的格式，比如更加专业的用例编号、测试项目、重要级别等等。
图1-13
通过以上的“调教”提示词，我们得到了进一步完善的测试用例，只是简单的训练，效果还可以，如下所示。
图1-14 第一部分
图1-15 第二部分图1-15 第二部分图1-15 第二部分
图1-15 第二部分
图1-16 第三部分
我们在问几个比较有趣的问题，看看AI怎么回答，如下图所示。
根据上面几个问题的答案，我们可以得出结论，待“调教”的AI还有很大的成长空间。
由于篇幅所限，这里仅仅使用等价类划分方法进行举例，其它的因果、场景、状态图、条件组合等方法，读者可以自行实验。
三、AI可行性实验总结
结论一，AI可以辅助测试工作，而且效率比搜索引擎要高。
结论二，使用AI的人经验越足，能力越高，则“调教”出来的AI能力越高，这个实际上在上述内容的演示中就可以看出来。一个专业的绘画高手，使用AI设计出的作品，与一个业余绘画爱好者使用AI设计的作品，差距会非常明显，很简单的道理，美学素养都不一样，“调教”出的AI肯定不一样，连专业术语都不熟悉的人，怎么设计提示词嘛。
结论三、AI在测试领域不止可以辅助功能测试，也可以辅助性能、自动化和安全测试，而且效率非常高。当然，需要有专业的人士进行“调教”，要承认一个事实，不同的人“调教”出的AI，能力是不同的。
结论四，“调教”AI实际上是把自己的经验赋给AI的一个过程，像老师教学生，但这个学生有一个超能力，就是强大的计算能力和大数据能力，就是没啥想象力，也会出错，所以需要教，教完以后绝不会犯第二次错。
结论五、这是最重要的，AI就是一个工具！用好了，有加成效果，用不好，那还不如用搜索引擎呢。
最后，我想基于一个问题说说自己的想法，那就是AI是不是可以替代人类工作？当然，你也可以直接问AI，但是问这种问题就好像在问一个卖瓜的人他的瓜甜不甜，他会说不甜吗，只能给你一个看似中肯的答案，还是别人喂给它的答案。
完全替代的可能性不大，反正在我可看见的未来应该机会不大，但是在某些领域减少工作，如果AI大力推广的话，应该问题不大，比如说，一间医院原来有10个医生，用了AI以后，也许5个就够了。
那技术领域会怎么样的？我说的技术领域范围只限定在开发和测试。
开发，先不说复杂多变及跨领域的需求或者基于客户意愿定制化的需求，仅仅从编码层面来看，用AI开发代码的程序员要有很强的测试思维，估计会有很多Bug或者安全漏洞，这很容易理解，因为“喂”给它的代码都是人写的，都有Bug，所以它写的代码也不会很完美，毕竟深度学习这个东西，是模拟人脑的神经元链接方式搞出来的，产生结果的原理具有不可解释性，你仔细体会一下不可解释性这个词。
还有就是测试，我觉得替代不了，用AI测试AI，它都不可解释了，能信任它吗，如果AI全领域覆盖，一旦出问题就是大问题，后果绝对不能承受，就算把所有的代码都规范化处理，AI生成代码完全依据规范开发，这个过程也需要有人监督。
我们都知道AI已经应用在安全领域的某些方面了，但是AI自身的安全性谁来保证，AI只是应用层面的技术，支撑它运行的基础设施从冯诺依曼以来就没变过，这是基础设施层面的，实际上AI系统自身也是非常脆弱的。
所以也不需要太神话AI，AI就是一个工具，到底是不是第四次工业革命，我看现在下结论还为时过早，就算是，也只是刚刚开始，都不一定能成功。
最后开一个玩笑，也许哪天基因工程领域实现了突破性的进展，人脑直接开发到百分之百，去看一下超脑那部电影，还用啥AI。
我不是反对AI。我使用后的感受就是，AI是一个非常有效率的工具，国内的AI产品做的也非常好，但是没必要过度神话AI，搞得很多人焦虑。
学习下 赞
页:
[1]
