摘要：软件测验，在软件范畴经常被从业者看来是不直接创造价值的作业环节，行业内也一向促进软件测验从业者追求高质高效低本钱的测验。跟着AI&大数据技能的飞速开展，也给软件测验带来了福音。百度MEG质量效能平台自2018年开始探究AI技能在软件测验范畴的使用场景，跟着探究的不断突破，发现软件测验蕴含了极其丰富的AI场景。咱们把智能测验定义为：使用数据和算法相结合赋能质量活动的测验办法；经过讨论和探究，咱们将智能测验分为核算、感知和认知智能三个阶段。

01智能测验开展第一阶段：核算智能

该阶段使用软件进程发生的行为数据+算法+机器算力嵌入到质量活动中，辅助、干涉测验行为，从而达到提质增效的目标；该阶段不追求高精尖的算法，意图是证明数据和算法能够在软件测验中发挥极大的作用。

在该阶段咱们根据遗传算法与使命优先级算法完成测验使命排队时长缩短、根据DTW算法使用内存泄露检测、根据皮尔逊相关系数和分桶算法完成百亿级流量的精准回放、根据JC间隔用例筛选技能完成用例执行的大幅下降等场景。

咱们用了近两年时间在软件测验活动中挖掘50+使用场景，均得到了十分正向的作用。但是在实践进程中，也认识到核算智能的限制，比如根据掩盖率的用例引荐，如出现底层代码的修改，就会将大部分用例都选出，但实践用例仍无揭错能力，形成极大糟蹋，为了解决此类问题感知智能应运而生。

02智能测验开展第二阶段：感知智能

该阶段的决心来源于两个软件测验范畴的实践：1、不是所有的软件改变行为都会带来危险；2、不是所有软件测验活动都能揭露危险。因此在软件测验范畴有极大的资源糟蹋和问题露出，促使咱们竭力探究感知智能。

该阶段使用软件进程发生的行为数据+更高阶的算法+机器算力，能够像人相同感知危险并做出决策，主要意图期望能够像人相同感知、辨认危险并做出决策以更高效的指导质量活动，在该阶段的探究有：视觉技能在前端主动化用例编撰、去弹窗、UIDIFF等范畴的使用；根据危险预估贝叶斯+catboost的用例引荐技能完成用例引荐比从50%到10%的提高；根据LR模型预估项目危险的自主测验系统完成70%低危险无人干涉上线；根据深度学习的白盒代码缺陷检测等。这些场景和技能使用的突破证明了AI在软件测验完全能够代替人去感知、辨认危险，并决策质量活动，使得软件测验活动满足高效。百度智能测验现在主要在该阶段进行继续探究。

03智能测验开展第三阶段：认知智能

该阶段是感知智能的连续，感知智能阶段能够感知辨认危险并决策要付诸何种质量活动，但该质量活动仍然可能是由人完成，如用例编撰、场景规划、人工点击等，认知智能寄期望在感知到危险后，能够由机器做出实践反响去揭露危险，在该阶段咱们探究了根据AST的智能反常单元测验代码生成技能完成C++的反常单测召回core、死循环等问题、根据UCB优先级策略遍历技能完成单位时间内更高的页面掩盖、使命失败智能定位技能下降人工排查本钱、交付继续集成流水线自愈技能等场景；该阶段现在还刚刚起步，但咱们信任跟着AI技能的不断老练和创新，认知智能阶段也会迎来大爆发。