在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域，測(cè)試自動(dòng)化已經(jīng)取得了長(zhǎng)足的進(jìn)步。通過(guò)引入智能測(cè)試自動(dòng)化工具，可以解決傳統(tǒng)測(cè)試自動(dòng)化的難點(diǎn)，從而獲得最佳結(jié)果。下面分享 5 種通過(guò)人工智能和機(jī)器學(xué)習(xí)實(shí)現(xiàn)完全自動(dòng)化的方法，這些方法能夠幫助項(xiàng)目團(tuán)隊(duì)減少測(cè)試工作量，提高測(cè)試覆蓋率。

1. 測(cè)試自動(dòng)化的自修復(fù)

測(cè)試自動(dòng)化中的自修復(fù)技術(shù)解決了測(cè)試腳本維護(hù)的主要問(wèn)題，即自動(dòng)測(cè)試腳本在對(duì)象屬性（包括名稱、ID、CSS 等）的每個(gè)變更階段都會(huì)中斷。測(cè)試自動(dòng)化中的自修復(fù)技術(shù)在實(shí)現(xiàn)過(guò)程中使用了動(dòng)態(tài)定位策略，程序可以自動(dòng)檢測(cè)到這些變更，并動(dòng)態(tài)地修正它們，無(wú)需人工干預(yù)。團(tuán)隊(duì)可以利用敏捷測(cè)試方法中的左移方法，使得過(guò)程更加高效，提高工作效率，加速交付。

舉個(gè)例子，當(dāng)開(kāi)發(fā)者對(duì) HTML 頁(yè)面中的對(duì)象標(biāo)識(shí)符進(jìn)行任何更改時(shí)，測(cè)試用例中的 UI 標(biāo)識(shí)符將自動(dòng)更改。雖然屬性改變了，但人工智能引擎仍然定位這些元素，并根據(jù)在源代碼中的更改來(lái)修改它們。這一自修復(fù)技術(shù)使開(kāi)發(fā)者不必花費(fèi)大量時(shí)間來(lái)識(shí)別變更，同時(shí)更新 UI。

2. 測(cè)試腳本的自動(dòng)生成

自動(dòng)化測(cè)試腳本的開(kāi)發(fā)是一項(xiàng)復(fù)雜的工作，需要用到 Java、Python、Ruby 等高技能的編程語(yǔ)言。同時(shí)還需要做大量的初始工作，并投入一定的時(shí)間和資源。使用自動(dòng)化腳本進(jìn)行開(kāi)發(fā)可將測(cè)試腳本的生成時(shí)間減少 50%。另外，在測(cè)試腳本設(shè)計(jì)過(guò)程中加入人工智能和機(jī)器學(xué)習(xí)技術(shù)，也能大大簡(jiǎn)化其設(shè)計(jì)流程。

目前市面上有各種各樣的測(cè)試工具，比如通過(guò)手動(dòng)測(cè)試用例構(gòu)建的 selenium 自動(dòng)化測(cè)試腳本，它可以讀取測(cè)試腳本，并自動(dòng)生成自動(dòng)化腳本。該人工智能算法使用自然語(yǔ)言處理，能夠理解用戶的意圖，并在 Web 應(yīng)用中模擬這些行為。它的優(yōu)點(diǎn)是可以減少 80% 的測(cè)試腳本設(shè)計(jì)和經(jīng)歷。

3. 大量測(cè)試數(shù)據(jù)的有效使用很多使用敏捷和 DevOps 方法執(zhí)行持續(xù)測(cè)試的組織都選擇了一種嚴(yán)格的測(cè)試方法，并在整個(gè)軟件開(kāi)發(fā)生命周期中每天進(jìn)行數(shù)次使用，其中包括單元、API、功能、可訪問(wèn)性、集成和其他類型的測(cè)試。在執(zhí)行這些測(cè)試用例時(shí)，系統(tǒng)將創(chuàng)建大量的測(cè)試數(shù)據(jù)。庫(kù)存的數(shù)據(jù)越多，管理人員就越難做出更準(zhǔn)確的決定。

通過(guò)可視化最不穩(wěn)定的測(cè)試用例和其他需要重點(diǎn)關(guān)注的部分，機(jī)器學(xué)習(xí)可以幫助開(kāi)發(fā)者更容易地識(shí)別關(guān)鍵的問(wèn)題區(qū)域。此外，通過(guò)人工智能和機(jī)器學(xué)習(xí)系統(tǒng)的參與，還可以輕松地對(duì)測(cè)試數(shù)據(jù)進(jìn)行切片、分塊和分析，并能夠讀取模式、量化業(yè)務(wù)風(fēng)險(xiǎn)和加快手頭項(xiàng)目的總體決策過(guò)程。

具體來(lái)說(shuō)，在人工智能和機(jī)器學(xué)習(xí)的幫助下，分析人員可以獲得以下更好的特性：

測(cè)試影響分析

安全漏洞

平臺(tái)特有缺陷

測(cè)試環(huán)境不穩(wěn)定

測(cè)試失敗的重復(fù)模式

應(yīng)用元素定位器的脆性

4. 利用自動(dòng)視覺(jué)驗(yàn)證工具對(duì)圖像進(jìn)行測(cè)試當(dāng)前，在基于圖像的測(cè)試領(lǐng)域中，自動(dòng)視覺(jué)驗(yàn)證工具得到了越來(lái)越多的應(yīng)用。

軟件開(kāi)發(fā)中的視覺(jué)測(cè)試（也叫 UI 測(cè)試）可以確保開(kāi)發(fā)者構(gòu)建的 Web 或移動(dòng)應(yīng)用的 UI 呈現(xiàn)給最終用戶，這些工具旨在通過(guò)更新 UI 來(lái)幫助開(kāi)發(fā)者實(shí)現(xiàn)應(yīng)用的功能。不過(guò)當(dāng)前，大多數(shù)正在進(jìn)行的測(cè)試通常難以實(shí)現(xiàn)自動(dòng)化，而是采用人工測(cè)試的方式。

人工測(cè)試很容易導(dǎo)致一些元素被忽略，要想準(zhǔn)確識(shí)別這些元素，測(cè)試人員可以利用基于機(jī)器學(xué)習(xí)的視覺(jué)驗(yàn)證工具。這是一種基于圖像的測(cè)試注入，它動(dòng)態(tài)地改變了公司在任何系統(tǒng)中提供自動(dòng)測(cè)試服務(wù)的方式。測(cè)試分析人員可以創(chuàng)建自動(dòng)檢測(cè)軟件中所有視覺(jué)錯(cuò)誤的機(jī)器學(xué)習(xí)測(cè)試，這樣做有助于驗(yàn)證應(yīng)用的視覺(jué)正確性，而無(wú)需測(cè)試專家將輸入隱性地插入到系統(tǒng)中。

5. 人工智能搜索當(dāng)前，開(kāi)發(fā)者使用的基于人工智能的最新自動(dòng)化技術(shù)是使用 spidering 方法為應(yīng)用自動(dòng)編寫(xiě)測(cè)試。

開(kāi)發(fā)者需要為自己的 Web 應(yīng)用提供一些新的人工智能 / 機(jī)器學(xué)習(xí)工具，以便啟動(dòng)抓取。在抓取的過(guò)程中，該工具通過(guò)截圖收集數(shù)據(jù)，為每個(gè)頁(yè)面下載 HTML 代碼，測(cè)量復(fù)雜，并不斷重復(fù)運(yùn)行這些步驟。最后，這一工具會(huì)創(chuàng)建一個(gè)數(shù)據(jù)集，并訓(xùn)練機(jī)器學(xué)習(xí)模型，從而理解應(yīng)用程序的預(yù)期模式和行為。

此外，該工具還將其當(dāng)前階段與之前觀察到的所有模式進(jìn)行比較。如果有偏差，工具將把這部分標(biāo)記為測(cè)試期間可能出現(xiàn)的 Bug。下一步，開(kāi)發(fā)者需要確認(rèn)被標(biāo)記的問(wèn)題是否確實(shí)是 Bug。也就是說(shuō)，機(jī)器學(xué)習(xí)工具負(fù)責(zé) Bug 的檢測(cè)過(guò)程，但是開(kāi)發(fā)者在接受調(diào)用之前必須進(jìn)行最后的確認(rèn)。

結(jié) 論要想在測(cè)試中充分利用人工智能和機(jī)器學(xué)習(xí)技術(shù)，需要開(kāi)發(fā)者具備一定的機(jī)器學(xué)習(xí)測(cè)試算法基礎(chǔ)，并且要有戰(zhàn)略上的測(cè)試方法。同時(shí)，還需要擁有一支測(cè)試團(tuán)隊(duì)，團(tuán)隊(duì)需要知道如何將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)分解成能夠幫助開(kāi)發(fā)者加強(qiáng)決策過(guò)程，并提高總體項(xiàng)目效率和收益的簡(jiǎn)化表示。

作者介紹：

Mohit Shah，供職于 ImpactQA，高級(jí)技術(shù)內(nèi)容營(yíng)銷人員。

原文鏈接：

https://dzone.com/articles/5-great-ways-to-achieve-complete-automation-with-a

編輯：jq