ジョンP.デズモンド、AIトレンドエディター
AIが登場する前は、ソフトウェアテストはソフトウェア開発ライフサイクルの重要なステップでした。 AIの後、それはまだです。 しかし今、AIはテストを支援することができます。
AIと機械学習はソフトウェアテストに適用されており、テストプロセスをより速く、より正確にする新しい時代を定義しています。 AZビッグメディア.
著者は、ソフトウェアテストに適用されるAIの利点を次のように概説しています。
改善された自動化テスト。 品質保証エンジニアは、新しいコードが既存の機能しているコードを不安定にしないことを確認するために、テストの実行に時間を費やします。 より多くの機能が追加されると、より多くのコードをテストする必要があり、QAエンジニアを圧倒する可能性があります。 手動テストは実用的ではなくなります。
テストを自動化するツールは、長期間にわたって繰り返しテストを実行できます。 これらのツールへのAI機能の追加は強力です。 機械学習技術は、AIテストボットがコードの変更に伴って進化し、新しい機能を学習して適応するのに役立ちます。 コードの変更を検出すると、それがバグなのか新機能なのかを判断できます。 AIは、マイナーなバグをケースバイケースでテストできるかどうかを検出することもでき、プロセスをさらに高速化します。
APIテストの支援、 開発者は、サーバー、データベース、およびその他のコンポーネントと通信するさまざまなプログラム間の相互作用の品質を評価するために使用します。 テストにより、要求が正常に処理され、接続が安定し、ユーザーが正しい出力を取得することが確認されます。
このプロセスにAIを追加すると、接続されたアプリケーションの機能を分析し、テストケースを作成するのに役立ちます。 AIは、大規模なデータセットを分析して、コードの潜在的に危険な領域を特定することができます。
QAエンジニアは、さまざまなツールと専門知識を使用してAIアプリをテストします
AIがテストに移行すると、QAエンジニアがテストを実行するために使用するツールが変更されます。 のアカウントで テクビーコン、著者Paul Merrillは、のCEO兼創設者であるJasonArbonの逸話について語っています。 テスト.ai, AIを使用してモバイルアプリをテストする会社。 Arbonは、GoogleとMicrosoftで開発者およびテスターとしても働いていました。 彼は本を書いた、 Googleがソフトウェアをテストする方法 とします。
アーボンは子供たちに、手動のウィンドウクランク付きの車を持っていた昔のことを話し、彼らは笑います。 間もなく、QAエンジニアリングは、テスト対象システム（SUT）の選択、管理、および駆動の概念を笑うでしょう。 「AIはそれをより速く、より良く、そしてより安くするでしょう」とメリルは述べました。
test.aiは、アプリケーションを探索し、アプリケーションと対話し、画面、要素、パスを抽出するボットを提供します。 次に、テスト用のAIベースのモデルを生成します。このモデルは、顧客が決定したスケジュールでテスト対象のアプリケーションをクロールします。 このサイトには、「レガシーソフトウェアテスト自動化ツールを超えて」という声明があります。
創業者の アプリツールは、「ビジュアルAI」と呼ばれるものを利用したテスト自動化プラットフォームを提供し、意思決定AIをトレーニングするのと同じデータから期待されるテスト結果をサポートする必要があるテストインフラストラクチャについて説明します。 「「これは、テスト対象のシステムを使用した現在の作業とは大きく異なります」と、ノースカロライナ州ケアリーを拠点とするソフトウェアテストコンサルタントであるBeaufortFairmontのプリンシパルであるMerrill氏は述べています。
彼は、Twitterでテスト中の元シニアソフトウェアエンジニアであるAngie Jonesの経験について説明し、2017年の最近の記事で次のように書いています。 「機械学習のテスト自動化：経験レポート」 ジョーンズは、システムの学習アルゴリズムをシステム自体から体系的に分離し、現在のデータを分離して、システムがどのように学習し、与えたデータに基づいて何を結論付けるかを明らかにする方法について説明しました。 ジョーンズは現在、Applitoolsの開発者関係のシニアディレクターです。
メリルはこれらの質問を提起します。「これらのようなプロセスはベストプラクティスになりますか？ それらは、私たち全員がシステムのテストに使用する方法論に組み込まれるのでしょうか？」
テストにおけるAIについて、Applitoolsの共同創設者であるMosheMilmanとAdamCarmiは、次のように述べています。テスト結果を分析しますが、それでも、結果を承認してそれに基づいて行動するために、テストプロセスの不可欠で必要な部分になります。 これは、ApplitoolsEyesなどのAIベースのテスト製品ですでに見られます。」
これについて、Merrill氏は、「AIがテスターの作業を減らし、テストする場所を特定するのに役立つ場合は、BFFのステータスを考慮する必要があります」と述べています。
AIテスターが必要とするスキルを説明する、ミルマンとカルミは Applitoolsブログ、 「テストエンジニアは、AIベースの製品をテストするAIベースのテストスイートを構築および維持するために、異なるスキルのセットを必要とします。 職務要件には、データサイエンスのスキルに重点を置くことが含まれ、テストエンジニアはいくつかのディープラーニングの原則を理解する必要があります。」
ソフトウェアテストにおけるAIへのXNUMXつのアプローチの概要
XNUMXつのAI主導のテストアプローチは、 ソフトウェアテストにおけるAI：2021、のサイトで テストの専門家、ペンシルバニア州メカニクスバーグに拠点を置くソフトウェアテスト会社。
XNUMXつのアプローチは、差分テスト、視覚テスト、宣言型テスト、および自己修復の自動化です。
In 差分テスト、QAエンジニアは違いを分類し、ビルドごとにアプリケーションのバージョンを比較します。
これをサポートする製品の例には、 起動可能、これは、過去の実行に基づいて、およびテスト中にソースコードが変更されるたびに、各テストの失敗の可能性を予測するMLアルゴリズムに基づいています。 このツールを使用すると、ユーザーはテストスイートを記録して、失敗する可能性のあるテストが最初に実行されるようにすることができます。 このツールを選択して、失敗する可能性のあるテストの動的サブセットを実行することで、長時間実行されるテストスイートを数分に短縮できます。
In 視覚的テスト、 エンジニアは、画像ベースの学習と画面比較を活用して、アプリケーションのルックアンドフィールでテストします。 これを組み込んだ製品の例には、Applitoolsのプラットフォームが含まれます。ApplitoolsEyesなどのビジュアルAI機能を備えています。 テストカバレッジを増やし、メンテナンスを減らします。 超高速グリッドは、クロスブラウザーおよびクロスデバイスのテストに役立ち、機能テストと視覚テストを高速化すると言われています。 Applitoolsプラットフォームは、すべての最新のテストフレームワークと統合され、Selenium、Appium、Cypressなどの既存のテストツールと連携すると言われています。
In 宣言型テスト、 エンジニアは、自然言語またはドメイン固有言語でテストの目的を指定することを目指し、システムがテストの実行方法を決定します。 製品の例には、からのテストスイートが含まれます UIパス 一元化されたテストプロセスを自動化するために使用され、ロボットプロセスの自動化を通じてテストを実行するロボットの構築を支援します。 このスイートには、インターフェイスのテスト、テストの管理、およびテストの実行のためのツールが含まれています。
また、からのツール トリセンティス ソフトウェアアプリケーションのエンドツーエンドテストなどの機能を使用して、アジャイルチームとDevOpsチームがテスト自動化の目標を達成できるようにすることを目指しています。 このツールには、テストケースの設計、テストの自動化、テストデータの設計、生成、分析が含まれます。
In 自己修復の自動化、テストするために選択された要素は、UIの変更に合わせて自動的に調整されます。 製品の例は次のとおりです マビ、継続的インテグレーションと継続的デプロイ（CI / CD）用に構築されたテスト自動化プラットフォーム。 Mabiはアプリの画面をクロールし、ほとんどのアプリケーションに共通のデフォルトのテストを実行します。 MLアルゴリズムを使用して、テストの実行と欠陥の検出を改善します。
からのソース記事と情報を読む AZビッグメディアで テクビーコンで「機械学習のテスト自動化：経験レポート」 アンジージョーンズから、 Applitoolsブログ とから ソフトウェアテストにおけるAI：2021 TestingXpertsのサイトで。
PlatoAi。 Web3の再考。 増幅されたデータインテリジェンス。
アクセスするには、ここをクリックしてください。
