Périphériques technologiques
IA
Vaut-il la peine d'implémenter l'intelligence artificielle dans les tests ?
Vaut-il la peine d'implémenter l'intelligence artificielle dans les tests ?
Apr 17, 2023 am 08:10 AM
L'approche de l'intelligence artificielle dans les tests de logiciels est un outil puissant qui améliore l'efficacité plus que l'automatisation traditionnelle.
En ce qui concerne le scénario, l'intelligence artificielle évoquée ici fait référence à son état moderne et non à un objectif idéal. Nous vivons dans un monde d’IA étroite, ou d’IA faible, qui bat les humains dans des taches individuelles, comme la résolution de bugs de base plus rapidement que les développeurs. Mais nous sommes encore à des années, voire des décennies, d’une IA véritablement puissante, capable de faire presque tout ce qu’un humain peut faire. Cela signifie que les tests d’IA ne seront pas effectués sans intervention humaine, mais que la charge de travail peut être minimisée.
Comment la mise en ?uvre de l'intelligence artificielle peut-elle améliorer le processus de test de logiciels ?
L'intelligence artificielle dans les tests de logiciels est une évolution naturelle des tests automatisés. L’automatisation des tests d’IA va plus loin que la simulation du travail humain. L’IA décide également quand et comment exécuter les tests en premier lieu.
L’innovation ne s’arrête pas là. Les tests d’intelligence artificielle sont devenus une réalité. En fonction de l'implémentation, les tests seront modifiés ou créés à partir de zéro sans aucune intervention humaine. Si la complexité du projet laisse les gens se demander comment tester, c'est une excellente solution : l'intelligence artificielle pourrait bien être la réponse.
Avantages de l'intelligence artificielle
Cette section à elle seule contient une série d'articles basés sur des définitions et d'autres facteurs. Tenons-nous en aux avantages des tests d’IA et aux autres utilisations de l’IA dans les tests.
?Les tests automatisés par l'IA font gagner du temps. Des merveilles de planification peuvent être réalisées à l’aide d’outils d’automatisation des tests, mais vous pouvez passer au niveau supérieur. Et s’il était possible de conserver uniquement les tests utiles ? Par exemple, les tests pourraient être automatiquement annulés ou mis en pause pour déterminer s’ils constituent effectivement une perte de temps.
? La cohérence des tests améliore la précision. Il est naturel de rencontrer occasionnellement des tests qui échouent sans raison apparente. Ces tests peuvent être automatiquement signalés pour examen par l'IA afin d'identifier les problèmes de codage ou de signaler les défauts conceptuels découverts lors de plusieurs tests.
?La maintenance des tests devient moins lourde. Ceci est particulièrement important pour les solutions B2C qui ajustent souvent quotidiennement (sinon plus fréquemment) leur interface utilisateur à des fins A/B. Pour les tests qui imitent le parcours utilisateur, de petits changements comme celui-ci peuvent toujours être perturbateurs, par exemple, un bouton n'existe pas du tout. La combinaison de l'IA et de l'automatisation des tests signifie que les tests peuvent s'adapter aux changements de l'interface utilisateur (UI) sans avoir besoin d'une intervention humaine.
Meilleures pratiques en matière de tests d'IA
Voici quelques recommandations issues d'essais et d'erreurs de fournisseurs à la pointe des tests d'IA.
? Sachez dans quoi vous vous embarquez. Pousser l’automatisation des tests sans préparation adéquate est une énorme perte de temps. Tout comme pour les tests automatisés, le manque d’experts chevronnés capables de montrer la voie peut être désastreux.
?Organisez votre suite de tests. Les balises manquantes ou incorrectes, les fautes d’orthographe et les bases de données héritées peuvent fausser les données que l’IA utilisera pour améliorer les tests.
?écrivez vos objectifs pour la mise en ?uvre de l'IA. Cela inclut les objectifs commerciaux que vous souhaitez atteindre (par exemple, améliorer considérablement la rétention grace à une expérience utilisateur plus fluide), des objectifs de test pour vérifier si l'effort d'IA en vaut la peine et un effort humain pour voir si vous êtes sur la bonne voie. piste.
?Alerter les collègues. L'intégration de l'intelligence artificielle dans les tests est un processus long qui peut avoir un impact sur la disponibilité des experts en tests et sur leur production dans les plus brefs délais. Vos chefs de projet, propriétaires de produits et la haute direction apprécieront d'être informés à l'avance de ce changement radical. Bien entendu, les développeurs doivent également le savoir, surtout s'ils gèrent les tests unitaires pour leur projet.
?Assurez-vous que la gestion des tests est tout aussi innovante. Les tests d'IA sont de peu d'utilité si votre équipe insiste toujours pour tester sur Excel. Il existe un besoin pour une solution de gestion des tests dédiée et conviviale pour les outils d’IA tiers.
Méthode d'automatisation des tests logiciels basée sur l'intelligence artificielle
La méthode d'intégration de l'intelligence artificielle dans les tests logiciels provient principalement de la technologie d'intelligence artificielle la plus populaire. Il s’agit de l’apprentissage automatique, du traitement du langage naturel (NLP), de l’automatisation/robotique et de la vision par ordinateur. Voici quelques exemples de la manière dont ces techniques peuvent être utilisées pour les tests.
?La reconnaissance de formes utilise l'apprentissage automatique pour trouver des modèles dans un test ou une exécution de test qui peuvent être transformés en informations exploitables. Si un problème dans la même classe entra?ne l'échec de plusieurs tests, la solution d'IA demandera à l'équipe de revoir le code potentiellement problématique. La reconnaissance de formes peut également être utilisée dans le code logiciel lui-même pour découvrir et prédire les vulnérabilités potentielles.
?Si les tests automatisés commencent à provoquer des maux de tête, l'auto-guérison peut les corriger. Les tests instables peuvent finalement être retracés à l'origine du problème. Les défauts qui semblent irréproductibles seront détectés et résolus. à mesure que les projets prennent de l’ampleur, les tests d’auto-réparation vont véritablement changer la donne.
?Les tests de régression visuelle garantissent le bon fonctionnement de vos logiciels et de vos tests. Il s'agit de l'exemple de réglage de l'interface utilisateur (UI) mentionné précédemment. Une bonne auto-réparation élimine beaucoup de travail redondant, rend les équipes produit plus ambitieuses en matière de tests A/B et les aide à réagir rapidement aux tendances.
?La génération de données est très utile avec les principaux outils de test de logiciels. L’IA peut être utilisée pour paramétrer des tests à plus grande échelle, par exemple en générant un grand nombre de photos de profil avec des résolutions et des métadonnées rares pour voir si les utilisateurs peuvent les télécharger correctement.
Le meilleur outil de test pour les tests de logiciels d'intelligence artificielle
(1)Launchable
Launchable utilise la reconnaissance de formes pour voir la probabilité d'échec des tests. Ces informations peuvent être utilisées pour interrompre la suite de tests et éliminer certaines redondances évidentes. De plus, les tests peuvent être regroupés, par exemple, pour exécuter uniquement les tests les plus problématiques avant de déployer un correctif.
(2)Percy
Percy est un outil de test de régression visuelle. C'est idéal pour maintenir la pertinence des tests d'interface utilisateur et vous aide à maintenir la cohérence de l'interface utilisateur sur différents navigateurs et appareils.
(3)mabl
mabl est une plateforme d'automatisation de tests simple avec fonction d'auto-réparation. Il pr?ne une approche low-code mais fonctionne parfaitement bien de manière traditionnelle.
(4)Avo
Avo dispose d'un outil dédié à la gestion des données de test, et cette fonctionnalité inclut également la génération de données d'intelligence artificielle. La solution prétend simuler des données du monde réel à grande échelle et effectuer une découverte de données en plus.
Conclusion
L'approche de l'intelligence artificielle dans les tests de logiciels est un outil vraiment puissant qui augmente l'efficacité encore plus que l'automatisation classique. Certains sous-ensembles peuvent sembler excessifs (par exemple, la génération de données existait avant que les gens ne commencent à tout qualifier d'? intelligence artificielle ?), mais les tests d'auto-réparation et la reconnaissance de formes ne sont pas une mince affaire. Tant que vous fixez les bons objectifs et trouvez les bonnes personnes, la mise en ?uvre de l’IA dans votre programme d’assurance qualité en vaut certainement la peine.
Cependant, cela ne sert à rien d’introduire l’intelligence artificielle dans les tests logiciels sans une bonne solution de gestion des tests. Une organisation de test solide est nécessaire pour se lancer dans l’IA, et tout effort sérieux entra?nera la complexité supplémentaire de l’utilisation de plusieurs outils de test d’IA. Avant de vous lancer dans les tests de logiciels d'IA, vous devez vous assurer de trouver une solution de gestion des tests tout-en-un idéale.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undress AI Tool
Images de déshabillage gratuites
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Clothoff.io
Dissolvant de vêtements AI
Video Face Swap
échangez les visages dans n'importe quelle vidéo sans effort grace à notre outil d'échange de visage AI entièrement gratuit?!
Article chaud
Outils chauds
Bloc-notes++7.3.1
éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
Bytedance Cutting lance le super abonnement SVIP?: 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses?: l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est ? réifiée ? en fin de formation. à la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grace à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre fa?on de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les ? Cinq écoles d'apprentissage automatique ?. Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un r?le essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Une nouvelle ère de développement front-end VSCode?: 12 assistants de code IA hautement recommandés
Jun 11, 2024 pm 07:47 PM
Dans le monde du développement front-end, VSCode est devenu l'outil de choix pour d'innombrables développeurs grace à ses fonctions puissantes et son riche écosystème de plug-ins. Ces dernières années, avec le développement rapide de la technologie de l'intelligence artificielle, des assistants de code IA sur VSCode ont vu le jour, améliorant considérablement l'efficacité du codage des développeurs. Les assistants de code IA sur VSCode ont poussé comme des champignons après la pluie, améliorant considérablement l'efficacité du codage des développeurs. Il utilise la technologie de l'intelligence artificielle pour analyser intelligemment le code et fournir une complétion précise du code, une correction automatique des erreurs, une vérification grammaticale et d'autres fonctions, ce qui réduit considérablement les erreurs des développeurs et le travail manuel fastidieux pendant le processus de codage. Aujourd'hui, je recommanderai 12 assistants de code d'IA de développement frontal VSCode pour vous aider dans votre parcours de programmation.
SK Hynix présentera de nouveaux produits liés à l'IA le 6 ao?t?: HBM3E à 12 couches, NAND à 321 hauteurs, etc.
Aug 01, 2024 pm 09:40 PM
Selon les informations de ce site le 1er ao?t, SK Hynix a publié un article de blog aujourd'hui (1er ao?t), annon?ant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, états-Unis, du 6 au 8 ao?t, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
