人工智能一直科技最高级的地域，将程序代码、数据分析进行自动可视化，依托软件和硬件一体去模仿人类一些或繁琐或简单的工作。
此文也是关于人工智能技术的探讨，主题为：如何将人工智能技术应用到自动化测试上？
在测试中加入AI，自动测试也变为可能。将无聊、重复的工作交给AI，这样测试人员就可以用更多时间做其他测试方面的思考。
布道师、Applitools的高级架构师Gil Tayar为我们介绍了如何将AI技术应用到自动化测试的内容。
InfoQ采访了Tayar，咨询了他有关现如今测试面临的主要挑战，自动化测试分为哪六个层次，软件产业在这六个层次中取得了什么样的进展，如何实现自动可视化测试，我们在测试中如何应用机器学习技术，以及AI给测试人员的工作会带来什么影响。
现如今测试面临的主要挑战是什么？
Tayar：很遗憾的是，测试还没有成为主流。我还记得在80年代、90年代的时候，整个行业都没有把QA这个职业和手动测试软件当一回事。不只是说没有自动化测试，而是根本没有测试！好在现在时代已经不一样了，在交付产品之前测试人员都会定期测试软件，而且很多人开始使用自动化测试。
但在如今的“互联网时代”，这还不够。由于使用了敏捷方法，我们需要部署得越来越快，这其实是一件好事。因为越来越多开发人员会自己测试自己的软件，而不是慢悠悠地等待专门的测试人员来测试他们的软件。
但是，开发人员测试自己的软件还没有成为主流。大多数开发人员不会自己写测试来检查代码，他们选择手动测试，或者等待测试人员进行测试，保证他们的软件正常运作。
这正是测试面临的主要挑战，怎么让开发人员编写自己的测试。而不幸的是，AI在这方面起不到什么作用，AI只是测试时使用的工具，但如果你自己不测试，AI就没用了。事实就是这样，AI从现在到未来都只能作为测试的辅助，如果你自己不想测试，AI不可能自动帮你完成测试。
开发人员必须要有测试的想法，这就是我们在测试方面面临的主要挑战。
自动化测试的六个层次。它们分别是什么？
Tayar：这个概念来源于自动驾驶的五个层次。它们描述了AI如何帮助我们进行测试。
完全没有自动，你需要自己写测试！
驾驶辅助：AI可以查看到页面，帮助你写出断言。你还是要自己写“驱动”应用程序的代码，但是AI可以检查页面，并确保页面中的期望值是正确的。
部分自动化：虽然能分辨实际页面和期望值的区别这一点已经很好了，但是第二层次的AI需要有更深层的理解。比如说，如果所有页面都有相同的变更，AI需要认识到这是相同的页面，并向我们展示出这些变更。进一步来说，AI需要查看页面的布局和内容，将每个变更分类为内容变更或是布局变更。如果我们要测试响应式web网站，这会非常有帮助，即使布局有细微变更，内容也应该是相同的。这是Applitools Eyes这样的工具所处的层次。
条件自动化：在第二层，软件中检测的问题和变更仍然需要人来审查。第二层的AI可以帮助我们分析变更，但不能仅仅通过查看页面判断页面是否正确，需要和期望值进行对比才能判断。但是第三层的AI可以做到这一方面，甚至更多其他方面，因为它会使用到机器学习的技术。比如说，第三层的AI可以从可视化角度查看页面，根据标准设计规则，例如对齐、空格、颜色和字体使用以及布局规则，判断设计是否过关。AI也能查看页面的内容，基于相同页面之前的视图，在没有人工干预的情况下，判断内容是否合理。我们还不能达到这一层次，但我们正在向这个方面努力。
高度自动化：直到现在，所有AI都只是在自动化地进行检查。人类尽管使用自动化软件，还是需要手动启动测试，需要点击链接，而第四层的AI可以自动启动测试本身。AI将通过观察启动应用程序的真实用户的行为，理解如何自己启动测试。这层的AI可以编写测试，可以通过检查点来测试页面。但这不是终点，它还需观察人的行为，偶尔需要听从测试人员的指令。
完全自动化：我必须承认，这个层次有点恐怖。这个层次的AI可以和产品经理“交流”，理解产品的标准，自己写测试，不需要人的帮助。
软件产业在这六个层次中取得了什么样的进展？
Tayar：大多数公司肯定在第二层，目标向第三层努力。我相信要达到第四层需要一段时间，但我们终有一天是可以达到的。至于是否能达到第五层，我非常怀疑，但未来不可估量！（原文中引用了古犹太人毁坏第二圣殿的典故，比喻未来不可估量。）
如何实现自动可视化测试？
Tayar：其实在几年前，即使是开发人员都不能自动进行可视化测试，更不要说使用AI了！由于基于像素的算法误报率过高，截图应用程序，根据预期进行检查是不可能的。
但是随着计算机视觉算法和现代人工智能（AI）技术的应用的发展，编写可视化测试已经成为现实。人们发现测试中缺少可视化测试。由于可视化测试的存在，现在我们可以测试到软件的方方面面。
那我们如何使用AI技术避免误报，AI是否能比单纯比较像素的算法做得更好？答案不仅仅牵涉到一个技术，需要将不同算法结合在一起，一个算法解决一个准确度的问题，通过决策树结合不同算法的结果（有时候将一个算法的结果应用到另一个算法中）来确定最后的结果。但要使用什么算法呢？分割算法就是一个例子，这个算法试图确定图片的文字和图像部分。这不是一个简单的问题，因为我们需要弄清，表情符号其实是文字，而图像中的文本是图像的一部分，并不是新的文字。这就是深度学习的魅力所在，由于我们代码中使用了深度学习技术，我们的准确率从88%提高到了96%。
所以要做到自动视觉化测试，你需要使用现代的数据化测试工具，比如Applitools Eyes。这些工具有一些简单的高级AI技术，因此你不需要理解并实现。看看这个例子：
在这个例子中，我们验证了一个博客应用程序。在常规的、非视觉化、非AI的测试里面，我们需要验证主页和特定的博文，对于页面中的每个元素进行几十次检查（即使这样我们还是会遗漏一些）。但是在这个例子里面，我们只是“checkWindow”，截图上传到服务器，服务器使用AI技术检验截图。
我一直觉得，测试是为开发过程服务的，它避免了在代码中添加新功能的烦恼，更重要的是，避免了代码重构的烦恼。但为什么这只能运用在业务逻辑上？为什么我们的可视化代码（在CSS、HTML和JS文件中）不能测试，我们还要再为它们担忧？AI可以帮助我们实现这一目标。
Appraise是另外一款可以用于视觉化测试的工具。早先，InfoQ采访了Gojko Adzic有关使用Appraise进行自动视觉化测试的内容：
Adzic：Appraise采用实例化需求的方式，但将其运用于视觉化内容。我们采用具体的例子，让其从自动化层面创建可执行的实例化需求，用headless Chrome截屏，与预期的结果进行对比。和普通的实例化需求工具（期望结果和实际结果不同就认为是错误的）不一样，Appraise采用确证测试方法。它将所有的不同展现给人来评估，让人决定差别是否正确，如果是的话就进行确认。
我们在测试中如何运用机器学习？
Tayar：我最近看到了一个讲座，讲的是如何使用机器学习测试Candy Crush游戏。由于Candy Crush是高随机的游戏，任何情况都可能发生，标准的测试技术很难实现。King的目标是想要了解是否这局游戏可以成功完成，要完成有多复杂。他们一开始使用蛮力法尝试所有路径，计算其中有多少可以成功。这个方法确实有用，但需要花好几个小时，因为组合可能太多了（使用去除无效路径组合的算法）。要解决这个问题，他们使用了Genetic Algorithms，使用一些最基本的算法（如只使用粉色糖果，一直消除障碍等），在一局游戏中进行试验。之后他们使用最佳算法（基于如何胜利完成一局游戏的算法），再结合两者，“创建”一个新的算法。不断重复，最后得到一个最佳算法。
再举一个例子，卷积神经网络帮助我们分析图像，并从中提取语义信息。在生成图像的应用程序中是非常实用的。可视化测试工具使用它来理解页面的不同部分，以及相互之间的联系，正如我上文所述一样提取不同的文字和图像块。
AI会对测试人员的工作产生什么影响？
Tayar：请问拖拉机会给农民的工作带来什么影响？当然是巨大的影响！农民不再需要做枯燥、乏味的体力劳动工作，只要交给机器来做就可以了。我相信AI也会给测试人员带来相同的影响。乏味、重复的工作交给AI，测试人员就可以用更多时间来思考。
大多数测试人员已经习惯思考测试相关的方方面面：思考产品，思考怎么测试，思考边界情况等等，他们也需要工具来完成无聊、重复的工作。一些测试人员需要学会怎么思考更高层次的问题，确实会有一部分测试人员无法适应，但我相信他们只是少数。
创新互联面向全国提供域名注册、虚拟主机、云服务器、服务器托管与租用，如需了解，请联系QQ: 171356849 微信：zh18159893430 咨询，谢谢！
