AI智能是這兩年互聯(lián)網(wǎng)行業(yè)口號喊的最響亮的項目，AI簡單的來說就是一個離開人類的操作和控制，利用程序代碼和數(shù)據(jù)分析為依托實現(xiàn)自動智能化的效果。

AI智能讓一個搜索引擎公司（百度）為之瘋狂，可見其中的深奧與未來發(fā)展。讓大家認為的騙子瘋子賈躍亭，能一次又一次的死而復(fù)活，可見AI的無與倫比的魅力。

其實AI已經(jīng)進入人類日常生活中了，例如智能手機Siri，Alexa語音接口，華為手機AI智能拍照，車站機場掃描等。通過大數(shù)據(jù)和數(shù)據(jù)科學(xué)實現(xiàn)數(shù)據(jù)存儲的進步，實現(xiàn)最低誤差和最高效率。

AI智能的實現(xiàn)，需要龐大的數(shù)據(jù)和硬件設(shè)施，包括大量的人力。一步一步檢測，一步一步完善，一步一步接近智能。除了開發(fā)團隊的付出，測試團隊更要嚴謹把關(guān)，一個小小的BUG都可能讓智能變智殘。所以當涉及到AI系統(tǒng)的測試時，我們測試團隊決不能松懈！

1、人工智能測試與傳統(tǒng)軟件測試有什么不同？

簡單來說，具有AI的系統(tǒng)其實就是一個軟件，但這種軟件具有相應(yīng)學(xué)習(xí)和改變其行為的能力。傳統(tǒng)的軟件功能測試涉及對給定輸入集的預(yù)期輸出與實際輸出的測試。在人工智能的情況下，預(yù)期輸出可能隨著機器學(xué)習(xí)在一段時間內(nèi)的進展而變化。因此，人工智能系統(tǒng)測試不同于傳統(tǒng)的軟件測試，測試人員應(yīng)該準備好接受這種AI測試程序。

2、AI系統(tǒng)的測試輸出是什么？

對于同一組輸入，人工智能中的輸出并不總是相同。因此，理解系統(tǒng)的底層——機器學(xué)習(xí)模型，并相應(yīng)地更新測試用例非常重要。測試人員應(yīng)該了解當數(shù)據(jù)輸入系統(tǒng)時機器將如何學(xué)習(xí)和表現(xiàn)。測試人員應(yīng)該能夠在正面和負面情景中測試AI系統(tǒng)的行為。

3、測試AI系統(tǒng)的法律和道德要求

還記得好萊塢科幻電影《機械公敵》里的劇情嗎？人類發(fā)明了超過人類本身的高級智能系統(tǒng)和機械人，結(jié)果差點造成人類被毀滅。雖然有夸張手段，但是AI智能確實是能威脅到人類自己的一個亦正亦邪產(chǎn)物。所以，在設(shè)計測試用例和場景之前，應(yīng)該完全審查法律、道德和社會要求。測試人員有責任通過進行可能導(dǎo)致法律、道德和社會問題的負面測試來測試AI系統(tǒng)的這些方面。由此可見AI系統(tǒng)測試非常關(guān)鍵，應(yīng)該非常仔細地進行，以確保我們正在構(gòu)建對人類有用的機器。

4、AI算法測試

在AI中，機器分析數(shù)據(jù)模式并使用這些模式來構(gòu)建規(guī)則，也稱為啟發(fā)式規(guī)則。這是人類大腦所做的類似操作，有助于人類做出決定。機器在加載數(shù)據(jù)并分析模式后，它會了解模式，并在收到模式時自行更新模式。因此，機器的行為及其AI算法不會總是表現(xiàn)得相同，因此我們不能指望輸出始終是100%完美的。它取決于機器基于數(shù)據(jù)模式在一段時間內(nèi)發(fā)展起來的啟發(fā)式方法。

5、測試數(shù)據(jù)以測試AI算法

機器學(xué)習(xí)是人工智能的一部分，機器根據(jù)數(shù)據(jù)的類型和輸入的模式來構(gòu)建自己的知識。測試人員應(yīng)仔細選擇他們的測試數(shù)據(jù)來測試機器學(xué)習(xí)，以便他們輸送到機器的數(shù)據(jù)模式應(yīng)該與AI系統(tǒng)的預(yù)期輸出相匹配。

6、AI架構(gòu)和設(shè)計

AI系統(tǒng)測試人員應(yīng)該對AI架構(gòu)以及系統(tǒng)設(shè)計有充分的了解。這是因為在知道輸出隨著輸入數(shù)據(jù)模式到AI系統(tǒng)的變化而變化的事實之后，它將幫助測試人員設(shè)計其測試用例。因此，將AI系統(tǒng)作為黑盒測試應(yīng)該涉及架構(gòu)和系統(tǒng)設(shè)計方面的知識。

7、需要嚴格的測試 AI 系統(tǒng)

AI系統(tǒng)的行為與傳統(tǒng)軟件不同，因為它們具有學(xué)習(xí)能力，因為它們可以提供數(shù)據(jù)。因此，為了對AI系統(tǒng)進行深入分析，在以不同模式批量提供數(shù)據(jù)之后執(zhí)行嚴格測試非常重要。更有意義的數(shù)據(jù)被饋送到機器，它將開發(fā)啟發(fā)式，機器可以執(zhí)行決策，這是測試人員可以準確測試機器行為的地方。

8、輸入相同但輸出與以前不同

這是 AI 系統(tǒng)的理解行為，測試用例不能被聲明為失敗，因為實際的功能測試應(yīng)該基于模式、規(guī)則和啟發(fā)式而不是針對同一組輸入的行為。在人工智能機器中相應(yīng)地學(xué)習(xí)和改變其行為。

9、輸出管理至關(guān)重要

在AI中，可以通過向其提供數(shù)據(jù)模式來動態(tài)地改進AI算法。測試機制可以作為訓(xùn)練AI系統(tǒng)并立即研究其影響的機會。訓(xùn)練有素的機器即改進的算法可以直接用于生產(chǎn)。但是，我們需要確保機器具有所需的知識。

10、回歸測試

該數(shù)據(jù)集可用于之前測試過機器模式的回歸測試。但重復(fù)測試用例可能不會一遍又一遍地獲得相同的結(jié)果。因此，除非它是為一個全新的人工智能機器做的，否則回歸測試可能不那么有效?；貧w測試應(yīng)該基于AI算法行為，對被饋送到系統(tǒng)的數(shù)據(jù)集的測試。

新夢想軟件測試總結(jié)：AI測試不同于傳統(tǒng)的軟件測試，測試人員在測試任何AI系統(tǒng)之前都要考慮到上面十點，避免所測之物出現(xiàn)BUG，更加要避免自己身上出現(xiàn)工作BUG。