段虎才 中國信息通信研究院泰爾終端實(shí)驗(yàn)室互聯(lián)網(wǎng)與軟件部高級(jí)研發(fā)工程師

郭 琛 中國信息通信研究院泰爾終端實(shí)驗(yàn)室互聯(lián)網(wǎng)與軟件部項(xiàng)目經(jīng)理

1 引言

軟件測試是為了確保用戶對(duì)于應(yīng)用程序的滿意度而進(jìn)行的必要程序——通過對(duì)軟件產(chǎn)品進(jìn)行驗(yàn)證和確認(rèn)，盡早盡快地發(fā)現(xiàn)軟件產(chǎn)品在整個(gè)開發(fā)生命周期中存在的各種缺陷，從而評(píng)估軟件的質(zhì)量是否達(dá)到可發(fā)布水平。隨著信息技術(shù)的高速發(fā)展，軟件產(chǎn)品更加趨向大型化、復(fù)雜化發(fā)展，軟件開發(fā)也逐漸由混亂無序的開發(fā)過程向結(jié)構(gòu)化開發(fā)過程發(fā)展，人們對(duì)軟件的質(zhì)量要求越來越高。隨著軟件開發(fā)的發(fā)展演進(jìn)，軟件測試相關(guān)的一些基礎(chǔ)理論和實(shí)用技術(shù)亦逐漸開始形成，“質(zhì)量”的概念也開始融入軟件測試中，測試不再是單純的發(fā)現(xiàn)錯(cuò)誤的過程，而是作為軟件質(zhì)量保證的主要職能而存在。

然而與軟件在各行各業(yè)的廣泛應(yīng)用所帶動(dòng)的軟件工業(yè)快速發(fā)展相比，軟件測試技術(shù)的發(fā)展仍然處于一個(gè)較低的水平。現(xiàn)有的軟件測試技術(shù)及理論和軟件測試工具還無法完全適應(yīng)現(xiàn)代軟件工業(yè)的開發(fā)需要。軟件測試技術(shù)的滯后嚴(yán)重影響了軟件項(xiàng)目的開發(fā)進(jìn)度。很多大型的開發(fā)項(xiàng)目，測試會(huì)占據(jù)項(xiàng)目周期一半以上的時(shí)間。以微軟的IE4.0為例，代碼開發(fā)時(shí)間為6個(gè)月，而穩(wěn)定程序花去了8個(gè)月的時(shí)間。面對(duì)應(yīng)用程序的復(fù)雜性增加和交付速度的加快，軟件測試的諸多問題日益凸顯，人們亟需尋求一種更高效的測試方法來應(yīng)對(duì)挑戰(zhàn)。隨著測試越來越多地朝著更自動(dòng)化的方向發(fā)展，我們將目光轉(zhuǎn)向了人工智能（Artificial Intelligence，AI），軟件測試需要它的幫助。

2 AI應(yīng)用于軟件測試的研究

2.1 人工智能概述

圖1展示了人工智能的概貌。什么是人工智能？通俗的說就是模擬和擴(kuò)展人的智能，讓機(jī)器像人一樣有感知、認(rèn)知以及計(jì)算的能力。從技術(shù)上看，人工智能的興起離不開大數(shù)據(jù)、云計(jì)算和深度學(xué)習(xí)等技術(shù)的突破，而就目前來說，人工智能更多的是用機(jī)器人來模擬人的多種行為以及能力。當(dāng)前AI主要依賴機(jī)器學(xué)習(xí)來實(shí)現(xiàn)，而在機(jī)器學(xué)習(xí)中，深度學(xué)習(xí)是最有效的一類算法，目前在深度學(xué)習(xí)上我們已經(jīng)獲得極大成功，Alpha Go就是一個(gè)范例。Alpha Go的出色表演讓人工智能名聲鵲起，而在不久前的全國兩會(huì)期間，人工智能被首次寫入政府工作報(bào)告，人工智能再次向人們展示出了它的魅力。毫無疑問，人工智能、萬物互聯(lián)是未來趨勢。

圖1 人工智能概貌

2.2 傳統(tǒng)軟件測試痛點(diǎn)

2.2.1 被測產(chǎn)品日趨復(fù)雜

（1）運(yùn)行場景復(fù)雜。除了操作系統(tǒng)和設(shè)備外，APP還會(huì)在各種復(fù)雜的場景中運(yùn)行。比如說：Wi-Fi、2G、3G、4G等網(wǎng)絡(luò)狀態(tài)，移動(dòng)或靜止等運(yùn)動(dòng)狀態(tài)。這些復(fù)雜的場景都是傳統(tǒng)軟件都未曾面臨的，這些也成為測試的難點(diǎn)。

（2）功能高度復(fù)雜。一款A(yù)PP可能會(huì)處理很多傳統(tǒng)軟件所不曾面臨的復(fù)雜信息，比如手勢、GPS坐標(biāo)、加速度、攝像頭、推送通知、其它互操作設(shè)備、云端存儲(chǔ)、網(wǎng)絡(luò)交互、移動(dòng)支付等，對(duì)這些復(fù)雜信息的處理增加了軟件的復(fù)雜度，也增加了測試的難度。

2.2.2 測試耗時(shí)且昂貴

（1）測試工作量大。因?yàn)闇y試不僅僅包括測試用例，還包括測試數(shù)據(jù)、路徑、環(huán)境和應(yīng)用場景、上下文等。這經(jīng)常會(huì)導(dǎo)致測試過程中產(chǎn)生序列爆炸、組合爆炸、路徑爆炸等一系列問題。

（2）測試設(shè)備碎片化問題嚴(yán)重。長期以來，終端碎片化飽受詬病：設(shè)備繁雜、品牌眾多、版本各異、分辨率不統(tǒng)一等等。這些不僅對(duì)開發(fā)造成了巨大的障礙，而且也給測試帶來了高昂的成本。

（3）測試速度慢。目前很多的測試工作還是通過人工來完成，缺少必要的自動(dòng)化測試，如果需要加快測試速度，只能通過增加成本和精力的投入。除此之外，需求不穩(wěn)定、不清晰或者業(yè)務(wù)邏輯本身就比較復(fù)雜都會(huì)增加溝通成本，從而影響測試進(jìn)度。

（4）測試技術(shù)滯后。在用戶場景下發(fā)生的閃退，還是難以復(fù)現(xiàn)，難以追蹤，仍然是測試人員揮之不去的夢魘?，F(xiàn)有的自動(dòng)化測試投資回報(bào)率不高，層出不窮的軟件新版本，不斷出現(xiàn)的新特性和功能變更，讓測試人員疲于寫測試腳本，相比手工測試，似乎沒有節(jié)省太多的工作量。普通的自動(dòng)化測試雖然能夠通過機(jī)器的模擬能力來進(jìn)行一些人工重復(fù)性的測試工作，但實(shí)際上其投資回報(bào)率卻不高，這就導(dǎo)致了傳統(tǒng)自動(dòng)化測試與手工測試之間的一個(gè)尷尬關(guān)系。

2.2.3 測試結(jié)果可靠性低

（1）測試覆蓋不足

正因?yàn)闇y試工作量大，內(nèi)測用戶難以獲取，測試團(tuán)隊(duì)的時(shí)間和精力又有限，不能面面俱到，造成測試覆蓋程度不足，測試不足則意味著讓用戶來承擔(dān)隱藏錯(cuò)誤所帶來的危險(xiǎn)和損失。因此開發(fā)人員經(jīng)常面臨的一個(gè)問題是，產(chǎn)品正式上線后會(huì)爆發(fā)出各種在內(nèi)測環(huán)節(jié)所未曾遇到的嚴(yán)重的bug。

圖2中呈線性增長的直線代表測試覆蓋面，因?yàn)闇y試中一次只能添加一個(gè)測試元素。圖中曲線代表的是測試復(fù)雜度，它呈指數(shù)級(jí)增長，因?yàn)槌诵绿匦詭淼膹?fù)雜度以外，還會(huì)有新特性與現(xiàn)有特性相互作用產(chǎn)生的新的復(fù)雜度。中間的灰色區(qū)域就是覆蓋盲區(qū)，當(dāng)系統(tǒng)越來越復(fù)雜時(shí)已達(dá)到的測試覆蓋率與實(shí)際覆蓋率之間差距越大。由此可見，軟件測試覆蓋面的擴(kuò)展還有很大提升空間。

（2）測試決策主觀性強(qiáng)

傳統(tǒng)軟件測試不僅需要大量的人力，而且容易出現(xiàn)不準(zhǔn)確和不一致的情況。此外，不管是人工還自動(dòng)化測試總是容易受到無法識(shí)別新功能和錯(cuò)誤等小故障的影響。它只驗(yàn)證某些區(qū)域，忽略了添加的新功能。

2.3 AI助力解決軟件測試痛點(diǎn)

圖2 測試復(fù)雜度與覆蓋面的關(guān)系

如果傳統(tǒng)軟件測試能夠很好地契合人工智能的特點(diǎn)（大數(shù)據(jù)、云計(jì)算和深度學(xué)習(xí)），那么就可以在很大程度上解決一些之前用其他技術(shù)不能解決的問題。軟件測試在人工智能技術(shù)的幫助下能變得愈發(fā)簡單、快速和可靠。

（1）人工智能幫助測試工作近一步前移，使軟件測試更簡單

使用人工智能技術(shù)，在不運(yùn)行代碼（一般開發(fā)者的調(diào)試方式都是編譯、運(yùn)行，查看結(jié)果，然后人工分析代碼）的方式下，通過詞法分析、語法分析、控制流、數(shù)據(jù)流分析等技術(shù)對(duì)程序代碼進(jìn)行掃描，來驗(yàn)證代碼是否存在問題或滿足技術(shù)指標(biāo)，相應(yīng)流程如圖3所示。

圖3 AI靜態(tài)分析代碼流程

以數(shù)分鐘之內(nèi)掃描成千上萬行代碼的速率，像人一樣對(duì)代碼進(jìn)行思考，分析代碼存在的問題。將測試工作近一步前移，與開發(fā)相融合，貫穿整個(gè)開發(fā)過程，提前規(guī)避產(chǎn)品缺陷，降低后期維護(hù)成本。

（2）人工智能幫助自動(dòng)化測試全面升級(jí)，使軟件測試更快速

由于80%的測試都只是簡單地重復(fù)已有的測試內(nèi)容，AI可以更加高效地完成這些重復(fù)性操作，并且使測試流程更加自動(dòng)化。這樣，測試人員能得以轉(zhuǎn)而去做更人性化、更具創(chuàng)造性的事情，例如創(chuàng)建獨(dú)特和創(chuàng)新的測試環(huán)境來識(shí)別應(yīng)用程序問題等，而這些正是他們所擅長的。

軟件測試自動(dòng)化升級(jí)大體過程如圖4所示。通過深度學(xué)習(xí)功能，能夠化解自動(dòng)化測試想象力不足的缺陷，實(shí)現(xiàn)自動(dòng)計(jì)劃測試、執(zhí)行測試、決策診斷測試結(jié)果，讓機(jī)器承擔(dān)原本只能由人來完成的測試任務(wù)，較為輕易地達(dá)到手工和自動(dòng)化的融合，提升測試的效率。

之前都是測試人員運(yùn)行測試用例，發(fā)現(xiàn)bug，然后給開發(fā)人員，開發(fā)人員對(duì)其診斷決策，然后修復(fù)bug。當(dāng)引入AI后，流程就變成了：測試人員運(yùn)行一堆寫好的測試用例，然后發(fā)現(xiàn)bug。AI生成一些可能的診斷，如果只有唯一的診斷結(jié)果，就直接交給開發(fā)者進(jìn)行修復(fù)。否則的話，AI就會(huì)規(guī)劃新一輪的測試來排除診斷結(jié)果直到只有一個(gè)。具體過程如圖5所示。

人工智能測試消除了導(dǎo)致低操作效率的業(yè)務(wù)風(fēng)險(xiǎn)，因?yàn)榛贏I測試可以很容易地適應(yīng)并圍繞產(chǎn)品的所有新路徑和特性進(jìn)行工作。它維護(hù)成本低，可以從測試資產(chǎn)中學(xué)習(xí)，提供諸如應(yīng)用程序穩(wěn)定性、缺陷熱點(diǎn)、故障模式和故障預(yù)測等智能洞察。這些見解能夠預(yù)測、自動(dòng)化和增強(qiáng)決策能力，從而在項(xiàng)目生命周期的早期構(gòu)建質(zhì)量。

（3）人工智能幫助進(jìn)行用戶預(yù)驗(yàn)證，使軟件測試更可靠

當(dāng)測試數(shù)據(jù)大量累積，自動(dòng)化測試配合云計(jì)算技術(shù)引入，能夠針對(duì)不同領(lǐng)域的應(yīng)用進(jìn)行用戶角度的預(yù)驗(yàn)證，并根據(jù)大數(shù)據(jù)分析來提前為迭代變化做準(zhǔn)備。

人工智能測試技術(shù)是靈活的。他們會(huì)自動(dòng)發(fā)現(xiàn)產(chǎn)品中的每一個(gè)新特性，并對(duì)其進(jìn)行評(píng)估，以確定它是一個(gè)bug還是一個(gè)新特性?；贏I的測試從最終的使用角度分析應(yīng)用，記錄性能。它能在短時(shí)間內(nèi)構(gòu)建和執(zhí)行大量的測試用例。

圖5 軟件測試自動(dòng)化升級(jí)具體過程

開發(fā)人員可以在機(jī)器中輸入大量數(shù)據(jù)，以測試各種功能。機(jī)器可以自行調(diào)整，并學(xué)會(huì)識(shí)別并利用其測試經(jīng)驗(yàn)，為人類的參與提供建議。測試團(tuán)隊(duì)可以接管并進(jìn)行部署決策。更重要的是，人工智能將比人類測試人員在許多領(lǐng)域做得更好，因?yàn)樗鼤?huì)使人為誤差最小化。

3 國內(nèi)外AI軟件測試發(fā)展概況

3.1 國外AI軟件測試發(fā)展概況

（1）King采用AI測試工具測試Candy Crush Saga手機(jī)游戲

2016年8月，作為手機(jī)游戲下載量連續(xù)排名第一的糖果大戰(zhàn)Candy Crush Saga手機(jī)游戲的瑞典開發(fā)商King，采用Monte Carlo樹搜索算法、自動(dòng)啟發(fā)式構(gòu)建算法、增強(qiáng)拓?fù)涞纳窠?jīng)元演化算法（Neuro Evolution of Augmenting Topologies，NEAT）來訓(xùn)練 AI測試工具（bots），模擬人類交互能力，完成對(duì)Candy Crush Saga游戲的功能測試、穩(wěn)定性測試和性能測試，并評(píng)估游戲難度級(jí)別，預(yù)測游戲的成功率。要知道這款游戲是當(dāng)今手機(jī)上最大的游戲之一，有1000多個(gè)難度級(jí)別，在增加新功能或新級(jí)別時(shí)，如何驗(yàn)證新增的難度水平與之前級(jí)別是平衡的，對(duì)測試人員來說，非常有挑戰(zhàn)性。而且這款游戲的用戶越來越多，對(duì)游戲質(zhì)量的期望也越來越高，希望游戲非常穩(wěn)定、流暢。

（2）APP diff推出測試機(jī)器人

2016年9月，美國的一家初創(chuàng)公司APP diff推出測試機(jī)器人，能夠全面分析APP應(yīng)用中的每個(gè)界面、元素和操作流，進(jìn)行性能測試和用戶體驗(yàn)測試。APP diff的智能機(jī)器人可以克服經(jīng)典的測試方法所存在的速度慢、開銷大的問題，具備類似人類的洞察力，就像魔術(shù)一樣快速完成測試，而且具有學(xué)習(xí)能力，APP應(yīng)用程序測試越多，工具會(huì)自動(dòng)地變得越來越聰明。采用的AI，就可以替換過去腳本的開發(fā)，讓自動(dòng)化測試進(jìn)行得更輕松，而且AI能處理的測試輸入，手工是無法相比的。

（3）Bugdojo創(chuàng)建基于AI的測試平臺(tái)

2017年4月，總部位于澳大利亞墨爾本的一家初創(chuàng)型公司Bugdojo創(chuàng)建了一個(gè)基于AI的測試平臺(tái)，該平臺(tái)致力于用bot技術(shù)來降低軟件測試的時(shí)間和金錢成本，讓軟件測試變得更簡單。Bugdojo的核心是bot，當(dāng)開發(fā)人員需要測試的時(shí)候，只需要在GitHub或Bitbucket綁定的賬戶內(nèi)向Bugdojo授權(quán)，然后輸入相關(guān)的bot指令就可以了，剩下的工作就由Bugdojo來完成。根據(jù)Bugdojo的描述，目前開發(fā)人員需要通過固定的bot指令觸發(fā)bot，然后bot根據(jù)開發(fā)人員提供的素材進(jìn)行分析，并且依靠人工智能分配最合適的測試人員進(jìn)行測試，然后將測試結(jié)果+視頻反饋給相關(guān)開發(fā)人員。雖然現(xiàn)在Bugdojo還無法做到完全的智能識(shí)別，但他們相信在不久的將來，能讓人機(jī)自然語言的對(duì)話代替現(xiàn)在的固定指令。

（4）DiffBlue發(fā)布三款A(yù)I軟件測試產(chǎn)品

2017年6月，從牛津大學(xué)分拆出來的人工智能初創(chuàng)公司DiffBlue剛剛完成了規(guī)模為2200萬美元的A輪融資，該公司致力于開發(fā)能夠檢查和糾正軟件編碼錯(cuò)誤的技術(shù)。Diffblue目前已經(jīng)發(fā)布了三款產(chǎn)品，其中一款可以自動(dòng)檢索計(jì)算機(jī)程序中的代碼錯(cuò)誤，代碼錯(cuò)誤的排查對(duì)于軟件開發(fā)來說非常關(guān)鍵，稍有差錯(cuò)就可能造成安全和金錢的巨大損失，但這個(gè)一般由軟件測試人員完成的工作其實(shí)非常繁重，而且常被認(rèn)為是一項(xiàng)低端工作。Diffblue的出現(xiàn)不僅可以大大提升這一流程的準(zhǔn)確度和可靠性，也將大量分擔(dān)甚至替代人工。Diffblue的另外兩款產(chǎn)品與上述產(chǎn)品相輔相成，其中一款可以在軟件正式發(fā)布后實(shí)時(shí)監(jiān)測程序中崩潰的漏洞，而另一款產(chǎn)品則可以自動(dòng)重寫或更新老舊的源代碼，來實(shí)現(xiàn)軟件的自動(dòng)升級(jí)。

（5）微軟發(fā)布“AI安全風(fēng)險(xiǎn)檢測”工具

2017年7月，微軟開發(fā)了一套基于云的工具——微軟安全風(fēng)險(xiǎn)檢測（Microsoft Security Risk Detection，以前稱為Project Spring field）。該工具可借助人工智能對(duì)即將發(fā)布或已投入使用的軟件進(jìn)行安全測試，查找追蹤軟件中的錯(cuò)誤和其他安全漏洞。在軟件發(fā)布之前就找到其中漏洞，可以為企業(yè)省去軟件發(fā)布后再修復(fù)錯(cuò)誤、處理崩潰或應(yīng)對(duì)攻擊等一系列麻煩。

微軟安全風(fēng)險(xiǎn)檢測服務(wù)的獨(dú)特之處在于它使用人工智能來提出一系列“假如……會(huì)怎樣”的問題，試圖發(fā)現(xiàn)可能觸發(fā)崩潰并引發(fā)安全隱患的因素。每次運(yùn)行時(shí)，它都會(huì)重點(diǎn)關(guān)注最為關(guān)鍵的區(qū)域，以尋找其他未采用智能方法的工具可能會(huì)忽視的漏洞。

（6）Facebook發(fā)布名為Sapienz的工具

2017年10月，F(xiàn)acebook公布了一款名為Sapienz的工具，實(shí)現(xiàn)了這一領(lǐng)域的巨大跳躍。這一工具最初是由倫敦大學(xué)學(xué)院研發(fā)的，它能夠通過自動(dòng)測試識(shí)別安卓軟件中的漏洞。Sapienz含有一種進(jìn)化算法，它能夠根據(jù)軟件反應(yīng)做出新的選擇，它的目標(biāo)就是發(fā)現(xiàn)最大量的故障并且完成最大量的測試，盡可能高效的完成任務(wù)。Sapienz工具只在夜間工作，系統(tǒng)會(huì)對(duì)計(jì)算機(jī)編碼進(jìn)行微小改變，并且檢查這種調(diào)整是否修復(fù)了報(bào)告的漏洞。每次代碼運(yùn)行的反饋信息都用于推斷哪種變化將成為下一次測試的最佳選擇。

早在2015年6月，F(xiàn)acebook還發(fā)布過一款開源AI工具infer。Facebook的Infer是一個(gè)靜態(tài)分析工具。Infer可以分析Objective-C、Java或者C代碼，報(bào)告潛在的問題。任何人都可以使用Infer檢測應(yīng)用，這可以將那些嚴(yán)重的bug扼殺在發(fā)布之前，同時(shí)防止應(yīng)用崩潰和性能低下。

3.2 國內(nèi)AI軟件測試發(fā)展概況

（1）阿里Ripper

Ripper是阿里集團(tuán)基于機(jī)器學(xué)習(xí)開發(fā)的智能AI程序，具備場景判斷能力、自主決策能力，能夠模擬人的操作，例如雙擊、長按、連擊、手勢操作、中文輸入等豐富的動(dòng)作，測試執(zhí)行速率高達(dá)2動(dòng)作/s，極大提高APP測試效率。此外，Ripper還能夠復(fù)現(xiàn)bug，不需要人工參與，能記憶跑過的路徑,操作便于回溯。Ripper在頁面覆蓋度、bug檢出率上相較傳統(tǒng)Monkey和遍歷程序有明顯優(yōu)勢。

（2）中國信息通信研究院泰爾終端實(shí)驗(yàn)室的智測云測試平臺(tái)引入AI技術(shù)

中國信息通信研究院泰爾終端實(shí)驗(yàn)室旗下的智測云測試平臺(tái)借助AI技術(shù)搭建起一套完整的APP測試流程，保證自動(dòng)化測試更加完整和流暢。

首先，系統(tǒng)可以通過訓(xùn)練自動(dòng)采集APP界面元素?cái)?shù)據(jù)，完成對(duì)象識(shí)別和分割深度學(xué)習(xí)模型，支持對(duì)任意APP界面截圖，并可根據(jù)模型標(biāo)記截圖中的界面元素對(duì)象，從而解決H5頁面元素的識(shí)別問題。

其次，借助AI自動(dòng)捕獲功能，可以在測試過程中自動(dòng)檢測APP當(dāng)前窗口是否屬于權(quán)限窗口，根據(jù)結(jié)果進(jìn)行處理。也可以自動(dòng)判斷被測APP所在的頁面是否屬于登錄界面，并自動(dòng)輸入用戶預(yù)先配置的登錄信息進(jìn)行自動(dòng)登錄。

對(duì)于需要輸入動(dòng)態(tài)驗(yàn)證碼的頁面，預(yù)先收集1.3萬張驗(yàn)證碼圖片建立數(shù)據(jù)集，通過引入AI，訓(xùn)練該數(shù)據(jù)集后，選取2000張數(shù)據(jù)進(jìn)行測試，經(jīng)測試驗(yàn)證識(shí)別率達(dá)到96%，該模型已經(jīng)投入港航測試腳本中實(shí)用。

對(duì)于金融行業(yè)自定義動(dòng)態(tài)鍵盤的識(shí)別問題，使用AI技術(shù)對(duì)采集的行業(yè)內(nèi)大量的動(dòng)態(tài)鍵盤圖片數(shù)據(jù)進(jìn)行訓(xùn)練，得到一個(gè)能自動(dòng)識(shí)別動(dòng)態(tài)鍵盤的模型，使用該模型能幫助我們識(shí)別動(dòng)態(tài)鍵盤上的每一個(gè)按鈕內(nèi)容以及位置信息。

此外為了減少測試的人力需求，實(shí)現(xiàn)了基于AI的自動(dòng)化深度遍歷測試，幫助遍歷APP所有的功能，并對(duì)遍歷軌跡進(jìn)行記錄，能探索APP潛在的缺陷，能自動(dòng)對(duì)比新舊版本功能的差異。

4 結(jié)束語

AI軟件測試有據(jù)可依的歷史并不算長，但是由于人工智能在軟件測試中的應(yīng)用日益增多，這些數(shù)據(jù)正在迅速增多，相關(guān)的規(guī)范也會(huì)快速形成。就軟件測試中的機(jī)器學(xué)習(xí)而言，機(jī)器人的訓(xùn)練速度比人類更快，他們可以成為軟件測試方面的專家。在感知方面，AI可以模擬人的視覺，感知UI控件。在認(rèn)知方面，AI可以模擬人思考，認(rèn)知和決策BUG，預(yù)測下一步測試，識(shí)別運(yùn)行場景。在計(jì)算方面，AI能夠高速計(jì)算，加快測試進(jìn)程；高量級(jí)的記憶存儲(chǔ)使測試操作便于回溯，并且能夠7×24h工作，擴(kuò)展了測試時(shí)間。這些給未來的軟件測試帶來的是更少的工作負(fù)載、更精確的操控、更高的測試效率和更連續(xù)化的測試。

人工智能是一場革命。市場會(huì)隨著技術(shù)的逐漸成熟與滲透而趨步前行，各個(gè)行業(yè)都是如此。而軟件測試作為尋找軟件體系中存在漏洞的重要方式，在人工智能的實(shí)際發(fā)展過程中，必須依賴于軟件測試技術(shù)，準(zhǔn)確找尋出自身存在的缺陷，繼而對(duì)其進(jìn)行修改和完善，以保證人工智能產(chǎn)業(yè)的健康穩(wěn)固發(fā)展。在此背景下，軟件測試產(chǎn)業(yè)將會(huì)得到極大的發(fā)展。雖然目前人工智能在測試領(lǐng)域的應(yīng)用可以說是鳳毛麟角，場景也十分受限，但是隨著人工智能的蓬勃發(fā)展，全面實(shí)現(xiàn)軟件測試智能化指日可待。