AI在连续测试中的应用

希腊神话中宙斯之子、火与锻造之神Hephaestus造出了巨铜人Talos，《弗兰肯斯坦》中SimonHelder博士亲手搞出了怪物，还有电影中号称有完美记录从不犯错、人类最高科技的结晶Hal9000，都体现着人类对人工智能(AI)这一想法持续了几个世纪。创造会想想今天我中午和哪个美女约会的机器人是人类的第二大梦想——仅次于能够像鸟一样飞行。然而，当莱特兄弟在1903年起飞之时，AI的翅膀还没找到。数据、计算能力和算法是AI的铁三角，缺一不可。然而随着人类在算法领域探索多年，现在，大数据和强大的计算能力终于让我们突破了这个结界。Hephaestus，赫菲斯托斯——希腊神话中的火神、砌石之神、雕刻艺术之神，造出了三叉戟历史上的任何时候，AI的可行性都不会超过今天。数字经济的到来迫使企业以闪电般的速度创新。我们需要投入资源创造新的客户价值，同时不断提高运营敏捷性。Otherwise,weriskwakinguponedaytofindout—likeNokia—thateventhoughwedidnothing“wrong,”wesomehowlost.任何负责生产软件的人都知道，开发和交付软件的传统方式不足以满足这一新需求。很久之前，大多数公司每年都会发布软件或者每两年一次，也可能是每季度发行一次。现在，产品迭代通常持续两周或者更短。虽然交付周期正在变短，提供积极的用户体验和保持竞争优势所需的技术复杂度却在增加。而这意味着：我们需要引入令人信服的创新速度。交付周期逐渐缩短、技术复杂度不断提升逼迫着连续测试的到来在软件测试方面，这些竞争力创造了一个空白（如上图），而这个空白必将由连续测试来弥合。鉴于如此高的交付速度和技术复杂性，我们需要额外的帮助才能提供积极的用户体验，AI将是连续测试的完美执行者。如今我们已经迈过许多坑，走到了连续测试的门口。很早以前的测试是针对跨越几个月（有时甚至一年）的软件交付周期设计的，现如今的敏捷开发已经成为了为期两周的开发迭代规范，但现在我们仍需要更快的速度来满足今天对软件的迫切需求。我们想进一步加速这一过程，然后碰到了开发、测试和操作之间的鸿沟。DevOps与ContinuousTesting进行桥接才能突破瓶颈。今天，绝大多数的公司都在谈论连续测试，并付诸实践中。尽管如此，我们稍稍展望一下未来就知道，连续测试也可能没法满足我们日益庞大的需求。我们需要“数字测试”（“DigitalTesting”）来实现进一步的加速，以此来满足由物联网、机器人和量子计算驱包裹住的未来的需求。能模仿人类进行机器学习和预测分析的AI，可以帮助我们到达那里。我们需要AI的帮助在应用AI之前，先让我们回顾一下AI真正的意义。Forrester将AI定义为：通过编码、业务规则和越来越多的自学能力建立的系统，能够补充人类的认知和活动，并与人类自然交互，而且了解环境，解决人的问题，执行人的任务。“Asystem,builtthroughcoding,businessrules,andincreasinglyself-learningcapabilities,thatisabletosupplementhumancognitionandactivitiesandinteractswithhumansnatural,butalsounderstandstheenvironment,solveshumanproblems,andperformshumantasks.“另一个有趣的定义是：AI是一个研究领域，使计算机能够在没有明确编程的情况下学习。“Afieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed.”AI的要点之一是不需要明确编程算法。算法肯定被使用，但它们并不是为解决问题而设计的——因为这些算法的主要目的是让机器可以通过数据自主学习，进而解决问题。AI——应对随着技术复杂性增加而加快交付速度所带来的挑战在这里需要遵循一个非常简单的要求：Testsmarter,notharder例如，考虑如何使用图像识别将UI测试提升到一个新的水平，以便动态UI控件(例如，对于响应的站点)可以以其各种形状和形式自动识别。我们已经可以从人的角度识别UI控件，这超越了机器的纯模板匹配。UI的像素结构可以被解释为目标是识别图像模式和诸如文本的识别信息。例如，可以使用边缘检测来将以下控件标识为按钮，并且可以使用OCR/GDI层来识别其文本。使用AI，软件测试工具可以学习在扫描和测试执行过程中识别控件，而不受控件大小，颜色，文本对齐等的影响。其中的一种学习方法：在扫描和测试执行期间，通过添加新的图像模式和调整已有的图像模式来识别图像。每个控件通过锚定识别图形界面知道其上下文。从图像图案中提取控制属性，并且可以在测试执行期间用于限制某些控件(例如，滚动条)的自动化。这消除了从技术层面(ID等)识别它们的需要。那这个学习的最终结果是什么呢?AI即使在响应式UI上，也能够进行可重复且稳定的测试执行，这将是UI测试自动化的下一步。