Kecerdasan Buatan, Pembelajaran Mesin dan Masa Depan Pembangunan Perisian

Setiap interaksi yang berjaya anda lakukan dengan apl kegemaran anda adalah hasil usaha sama oleh pasukan Jaminan Kualiti (QA). Pemburu masalah tanpa jemu ini memastikan bahawa setiap aspek aplikasi yang pengguna peranti mudah alih di seluruh dunia bergantung kepada keperluan harian mereka berjalan lancar dengan setiap keluaran dan kemas kini.

Apabila anda bangun dengan bunyi penggera anda pada waktu pagi, menyemak cuaca atau menghantar mesej kepada orang tersayang, kita mesti berterima kasih kepada wira yang sering tidak didendang ini.

Apabila usaha pasukan gagal, mereka pasti akan mendengar berita: ramai pengguna tidak akan teragak-agak untuk memberikan maklum balas negatif pada tapak ulasan yang popular (dan sangat jelas).

Jangkaan pengguna aplikasi mudah alih moden - yang hampir sama dengan kita semua hari ini - adalah kesempurnaan, dan matlamat utama pasukan QA adalah untuk memastikan produk bebas pepijat setiap kali ia digunakan.

Kehadiran pepijat dan isu boleh menenggelamkan apl dengan cepat. Malangnya, memastikan pengalaman bebas pepijat bukanlah tugas yang mudah. Dan ia hanya menjadi lebih rumit. Dunia pembangunan perisian hari ini menjadi semakin kompleks, dan ujian terhadap banyak potensi dan senario yang dibawa oleh kerumitan ini bermakna ujian itu sendiri menjadi semakin kompleks dan intensif sumber.

Memandangkan sejarah pembangunan aplikasi mudah alih, adalah sangat munasabah untuk menjangkakan bahawa apl hanya akan menjadi lebih kompleks dan memerlukan ujian yang lebih maju dan kerap. Tetapi adakah ia mesti begini? Adakah kita ditakdirkan untuk memerlukan lebih ramai kakitangan dan pasukan QA yang lebih besar dan lebih besar?

Tahun 1980-an: Pengujian Manual

Mari kita luangkan sedikit masa untuk mempertimbangkan bagaimana kami sampai di sini. Sehingga baru-baru ini - "Wah - Saya rasa ini benar-benar tahun 1980-an sekian lama dahulu" - pasukan QA perisian sangat bergantung pada ujian manual peralatan mereka untuk memastikan produk yang mereka bawa ke pasaran berprestasi baik.

Ia lebih mudah masa apabila peranti mempunyai ciri yang jauh lebih sedikit dan senario aktif, jadi pengekodan tangan adalah cara yang mencukupi untuk menguji. Walaupun kerja yang membosankan mengambil banyak masa apabila dilakukan dengan teliti, ujian manual berfungsi dengan baik untuk penguji.

Tetapi teknologi, sebagai haiwan yang sentiasa berkembang dan bertambah baik, telah membawa perubahan dalam bentuk automasi, meningkatkan secara mendadak proses ujian. Perisian terus maju dan menjadi lebih kompleks.

1990-an – 2010-an: Automasi Ujian Pengekodan

Dalam dekad berikut, kemajuan dalam ujian membebaskan penguji QA daripada keperluan untuk melalui kes ujian secara fizikal. Mereka tidak lagi perlu mencari pepijat secara manual dalam timbunan kod spageti.

Mereka mempunyai senjata baharu dalam peperangan terhadap isu perisian: ujian manual berskala besar telah menjadi tidak praktikal, dan jika mana-mana pasukan QA akan menguji secara menyeluruh kemungkinan keluaran dalam jumlah masa yang munasabah, mereka perlu Berikut ialah alat automatik untuk melaksanakan skrip ujian.

Jadi, adakah perang kerumitan dimenangi? Tidak sepenuhnya. Adalah lebih baik untuk menganggap ujian automatik kurang sebagai inovasi revolusioner dan lebih sebagai satu lagi langkah dalam perlumbaan senjata dengan kerumitan perisian yang sentiasa berkembang.

Jam berdetik, tetapi tiada kemenangan yang jelas di kaki langit. Apabila apl mudah alih semakin popular dan menjadi alat teras dalam kebanyakan kehidupan seharian kita, ujian automatik semakin hilang. Nasib baik, perubahan yang lama ditunggu-tunggu akan datang, revolusi sebenar.

Tahun 2020: Automasi Ujian Tanpa Kod

Sehingga baru-baru ini, dilema pasukan ujian QA telah menjadi agak teruk. Untuk memastikan keluaran produk berkualiti tinggi, ujian automatik memerlukan alat pengekodan yang semakin canggih, yang bermaksud pasukan QA perlu mendedikasikan lebih ramai pengaturcara untuk menguji dan bukannya tugas lain, seperti menjana ciri baharu. Ini bukan sahaja semakin mahal, ia juga bermakna menolak tarikh keluaran lebih jauh ke belakang. Tetapi alternatifnya, pelancaran bencana, boleh jadi jauh lebih mahal (seperti yang telah dibuktikan oleh banyak pelancaran gagal berprofil tinggi).

Tetapi perkara yang tidak dapat dielakkan berlaku. Melalui prinsip abstraksi—perwakilan berasaskan antara muka membuka jalan untuk proses yang sangat kompleks (fikir, sebagai contoh, 1s dan 0s yang bersembunyi di sebalik artikel yang anda baca)—ramai pakar telah lama mengumumkan lapisan abstraksi baharu, yang Terdapat "revolusi tanpa kod", yang telah benar-benar membuahkan hasil sejak beberapa tahun lalu.

Beberapa platform telah muncul baru-baru ini yang membenarkan penggunaan penyelesaian tanpa kod dalam pelbagai industri. Salah satu contoh revolusi tanpa kod yang lebih jelas ialah populariti editor laman web WYSIWYG sebenar (fikirkan Squarespace atau Wix), dan dalam bidang ujian perisian yang kurang jelas, syarikat yang saya asaskan, Sofy, adalah platform yang unik , yang menyediakan ujian tanpa kod untuk aplikasi mudah alih.

Revolusi tanpa kod telah membawa perubahan yang menggegarkan bumi, membolehkan bukan pakar mengendalikan tugas yang rumit, memberikan lebih banyak masa kepada pakar untuk mengendalikan tugas lain. Oleh itu, kami sudah pasti akan melihat semakin banyak penyelesaian tanpa kod untuk pelbagai industri dalam masa terdekat.

2025? Perisian Pengujian Kendiri Benar-benar Pintar

Yang berkata, dalam skema perkara, revolusi tanpa kod hanyalah satu langkah ke hadapan, saya percaya langkah seterusnya dalam ujian perisian ialah menguji dirinya perisian.

Saya tidak bersendirian dalam hal ini: sama seperti revolusi tanpa kod, perisian ujian kendiri telah menjadi realiti yang dijangka selama bertahun-tahun. Pada kadar di mana teknologi berubah dan berkembang, tidak masuk akal untuk membayangkan bahawa menjelang 2025, automasi ujian pintar (iaitu, perisian ujian kendiri) yang boleh menguji operasi AI tanpa campur tangan manusia akan diperluaskan secara meluas.

Pada masa ini, pelaksanaan ujian pintar yang terhad meningkatkan kelajuan dan kualiti keluaran perisian dengan bergantung pada pembelajaran mesin (ML) dan platform AI. Ini membolehkan ujian pantas dan berterusan (dan oleh itu meningkatkan ROI). Selain itu, AI boleh meniru kecerdasan manusia, manakala ML membenarkan komputer belajar tanpa campur tangan manusia.

Kecerdasan buatan dan pembelajaran mesin menggunakan algoritma berasaskan pembelajaran mendalam untuk mengakses data dan belajar daripada data dengan mengekstrak corak untuk penyahpepijatan dan membuat keputusan yang lebih cekap. Selain itu, teknologi ini membolehkan pasukan QA melakukan banyak ujian merentas pelbagai peranti dan faktor bentuk yang berbeza.

Bukan hari, tetapi jam. Sekarang ini adalah revolusi.

Tiada kod yang masih memerlukan orang; orang bukan mesin: mereka membuat kesilapan. Walaupun tanpa kod—walaupun sangat berkurangan—kesilapan manusia masih menjadi faktor yang menyebabkan masalah serius. Pertimbangkan penggunaan sumber, masa dan usaha yang berlebihan yang disebabkan oleh ujian manual.

Ujian pintar secara automatik menjana dan mengekalkan kes ujian dan menjana faedah berharga yang boleh diringkaskan sebagai peningkatan produktiviti dan kualiti output. Tetapi untuk mencapai automasi ujian pintar, anda mesti terlebih dahulu menggabungkan elemen berikut:

• Belajar daripada input manusia: Apabila mesin melakukan ujian, ia mesti bertindak seperti manusia. Ia mesti memahami apa yang manusia perlukan dan inginkan, dan bagaimana manusia menggunakan peranti. Seperti yang kita bincangkan, ini sukar untuk diramalkan, dan aplikasi yang kompleks bermakna senario dan corak ujian yang kompleks. Walau bagaimanapun, mesin mesti difahami dan dikendalikan dari sudut pandang ini.
• Belajar daripada data produk kehidupan sebenar: Mesin mesti memahami cara aplikasi digunakan dalam persekitaran pengeluaran yang berbeza. Ini termasuk memahami peranti yang mungkin sedang digunakan, bahasa yang ditetapkan dan aliran penggunaannya, termasuk penggunaan menu, skrin dan tindakan.
• Data Latihan: Seperti kereta pandu sendiri (kacang yang masih belum retak), pembelajaran mesin memerlukan data latihan untuk membantu menggariskan corak perisian.

Tiga item ini mesti dihayati dan diuji secara menyeluruh untuk setiap perubahan kod. Ia kemudiannya mesti diagregatkan dan diutamakan dengan cara yang lancar dan bijak. Ini bukan kejayaan kecil, tetapi kami akan terus berusaha ke arah langkah seterusnya.

Kami belum memilikinya lagi. Setiap langkah ini mesti diselesaikan sebelum kita boleh bergerak ke hadapan, tetapi ia sebenarnya hanya menunggu masa.

Perisian ujian kendiri hanyalah langkah pertama: Saya meramalkan kita boleh menjangkakan contoh tanpa kod lain hanya akan memasuki pasaran ke arah pembelajaran mesin. Saya percaya ia hanya menunggu masa sebelum menjana keseluruhan tapak web berdasarkan beberapa parameter yang ditentukan pengguna menjadi kenyataan. Hari ini, revolusi tanpa kod akhirnya telah tiba, tetapi dengannya datang permulaan revolusi lain.

Atas ialah kandungan terperinci Kecerdasan Buatan, Pembelajaran Mesin dan Masa Depan Pembangunan Perisian. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!