?譯者 | 陳峻
審校 | 孫淑娟
近年來，自動化測試已經發生了重大的迭代。它在很大程度上協助QA團隊減少了人為錯誤的可能。雖然目前有許多工具可以被用于自動化測試，但合適的工具一直是自動化測試成敗與否的關鍵。同時，隨著人工智能、機器學習和神經網絡在各個領域的廣泛運用，面向人工智能的自動化測試也需要通過合適的工具，來承擔重復性的工作，以節省項目團隊寶貴的時間，去執行更加復雜和關鍵的任務。下面，我將和您深入探討面向未來的AI自動化測試工具。
什么是人工智能（AI）自動化測試?
AI自動化測試意味著現有的軟件自動化測試工具利用人工智能和機器學習，來生成改進的結果，并消除自動化測試所面臨的各種常見挑戰。
盡管AI自動化測試有助于加快產品生命周期，并提高組織的營收，但是它仍處于初期階段，需要持續改進，才能滿足不同場景下具體而有獨立的自動化測試需求。
人工智能如何協助自動化測試？
通常，測試人員需要維護和修改數千個測試用例。AI自動化測試工具則能夠通過處理重復性的任務，生成決策所需的相關數據，以及在開發生命周期的早期階段，檢測和糾正發現的問題，在提供透明度的基礎上，順利地加快自動化測試的處理過程。同時，AI還有助于維護自動化的測試套件，簡化單元、UI和API的測試。因此，我們可以歸納出如下方面的特點：
- AI測試工具可以在早期檢測和修復錯誤。對于應用中需要更改的地方，AI會使用其智能化的技術，動態修改腳本，以減輕測試人員維護測試用例的各項任務。
- AI自動化工具有助于提高流程的效率和透明度。
- 此類工具還能以更高的準確性和速度，提高測試的輸出質量。
總地來說，AI會通過提前生成相關數據，決策、檢測和糾正錯誤，進而有助于授權、執行和維護自動化測試，并提高QA流程的效率。
人工智能在軟件自動化測試中的優勢
AI能夠通過放大機制，來提升測試的能力范圍，改變測試設備的工作方式。與傳統方法想比，面向AI的自動化測試可以像人類一樣學習、適應、執行、改進和決斷各類復雜問題，而無需過多人工干預。AI在提高測試效率和克服自動化測試挑戰方面所帶來的改變是變革性的。它們主要針對的是如下痛點：
專業知識局限性
過去，一些開源的工具和不當的自動化測試工具，往往要求測試人員具備中等以上測試技能，才能創建出自動化的測試套件。但事實上，并非每一位測試人員都具有項目所需的編程技能與背景知識。
持續維護
自動化測試套件必須定期更新其對應產品的補丁和新功能。即使是使用高級的自動化測試工具，也不可避免地需要進行持續維護。例如：重構測試用例是一種常見的UI自動化挑戰。它們在被創建并測試沒幾天后，就需要通過定期維護，來保證其適用性。
測試報告
許多自動化測試工具要么無法提供報告功能（畢竟它們中的大多數都是開源的），要么提供的信息較少，而且沒有全面的洞見分析。如果您想添加額外的報告功能，則需要進行自定義的編程、或選用外部插件。
可擴展性
隨著自動化測試套件數量的增長，自動化框架需要支持大量的測試，并能夠以并行的方式快速地提供測試結果。此外，為了順利地執行測試，我們也需要對測試進行優先級排序，以實現在不同的設備和配置上執行測試。
可見，要能夠滿足上述需求，選擇合適的自動化測試工具是極富挑戰的。因此，我們想到了AI是否能夠給予適當的幫助。
面向未來的AI自動化測試工具
在QA團隊確定需要選擇什么樣的AI自動化測試工具之前，他們需要了解此類工具通常能夠達到什么樣的效果。在此，我為您總結如下：
- 可以執行預測性的自我修復。即，在應用程序迭代時，自動更新測試套件。
- 執行智能化的缺陷捕獲（Bug Hunting）。即，通過AI驅動的測試機制，智能地發現錯誤。該機制可以爬取整個應用程序，檢測到問題，并修復它們。
- 通過應用預測性自動擴展和持續適應度函數（fitness functions），來增強應用程序的魯棒性。
- 不僅僅是單純的自動化測試，它還能夠自動化執行各種端到端測試的業務流程和工作流。
以下是QA團隊值得關注的AI自動化工具：
Applitools
- 它是用于可視化UI測試和監控的、值得信賴的AI自動化工具。
- 作為唯一由視覺人工智能(Visual AI)驅動的工具，它可以讓機器模仿人眼和大腦，提供識別功能和各種回歸。
- 其Applitool Eyes工具只需一行代碼，即可分析應用程序的整個屏幕。
- 它利用人工智能和機器學習進行測試維護。其比較算法可以判斷應用的變化是有意而為，還是出現了錯誤。
- 通過與現有的測試進行順利的集成，它能夠減少編寫和學習新測試的步驟，并擴展現有的測試。
Testim.io
- Testim是一種端到端的AI測試工具，可用于編寫、執行和維護自動化測試，并通過并行運行多個測試，來減少測試從創建到執行的時間。
- 它的優勢主要體現在功能測試和UI測試上。
- 它克服了UI中由于頻繁更改和發布所導致的構建緩慢和不穩定等測試問題。
- 其智能定位器可以檢測到應用中的更改，并按需運行自動化測試。
- 通過與CI/CD工具的無縫集成，它可以提供詳細的錯誤報告，并對失敗的測試執行根本性原因分析（root-cause analysis），以便快速采取各項補救措施。
Mabl
- 作為一種領先的AI自動化測試工具，它旨在跨CI/CD創建和運行測試。
- Mabl的Google Chrome擴展，能夠幫助開發人員創建無腳本的測試，實現在Firefox上創建和運行測試。
- 它是一個基于云的工具，具有自我修復和可視化測試的功能。
- Mabl使用機器學習算法，來檢測代碼中的問題或威脅，并能改進測試的執行。
Parasoft SOAtest
- 它是一個API和Web服務相集成的AI自動化工具，提供包括：API測試、WebUI集成、移動測試、負載測試、性能和API安全測試等各種端到端的功能。
- 其直觀的界面可自動執行各種API、負載、性能和安全相關的關鍵問題測試。
- 它能夠對變更及其影響提供持續分析，從而簡化測試的各項維護任務。
- 其測試技術能夠為進一步建模、屏蔽和生成附加數據，提供真實的測試數據。
- 可以直接在瀏覽器中輕松地協調多通道測試的執行，以實現持續測試。
TestProject
- 該AI測試工具通過縮減測試的設置、維護、以及對接服務器及驅動程序等的麻煩，來簡化測試工作。
- 它配備了內置的自動化助手、AI自我修復、以及自適應等待等功能。
- 它帶有一個支持AI的無代碼測試記錄器，可與開源的SDK--Selenium API相兼容。
- 它還帶有一個附加的庫、特殊的測試報告、儀表板、以及與CI/CD管道的集成。
AccelQ
- 作為一個基于云的無代碼AI自動化測試工具，它專注于自動化WebUI、API、桌面和移動端平臺。
- 它帶有自然英語編程（natural English programming）、智能元素瀏覽器、自動測試生成、以及自我修復等功能。
- 它能與流行的DevOps工具鏈很好地集成，以提供完整的QA生命周期的統一性視圖。
- 它為開發測試場景、最大化測試覆蓋率模型的UI和數據流，提供了預測和路徑分析（Predictive and Path analysis）。其中，開源對齊是該工具的另一個顯著特征。
Functionize
- 該工具屬于AI測試工具的聲明性類別。作為一種基于云的自動化測試工具，它使用機器學習和人工智能來創建、驗證和維護測試。
- 其由AI驅動的智能代理可以快速創建測試，并使用自然語言，處理基于英語的流程。
- 其SmartFix功能可以輕松地檢測到UI的更改和測試上的失敗。
TestCraft
- 這是一個AI驅動的回歸和連續自動化測試的測試工具。
- 它使用機器學習算法，實現了在應用程序的變更期間，正確地識別出各種Web元素。
- 它使測試人員能夠直觀地創建基于Selenium的自動化測試，并在多個瀏覽器和平臺上運行這些測試。
- 它的On-the-Fly模式可以在測試場景之外創建測試模型，從而更容易地實現測試步驟的重用。
- 具有一定的自愈能力。
小結
如今，AI早已進入軟件測試的領域。各種AI測試工具已經具備了傳統的自動化測試所無法涵蓋的機器學習與深度學習的能力。雖然它們目前尚無法完全取代人工測試，但是已經可以補充和加速現有的自動化測試需求與進程。
譯者介紹
陳峻 （Julian Chen），51CTO社區編輯，具有十多年的IT項目實施經驗，善于對內外部資源與風險實施管控，專注傳播網絡與信息安全知識與經驗；持續以博文、專題和譯文等形式，分享前沿技術與新知；經常以線上、線下等方式，開展信息安全類培訓與授課。
原文標題：??Top Powerful AI Test Automation Tools for the Future???，作者：Priyanka Charak user avatar?
