AI測試與傳統測試不同，需要考慮十個要點

AI智慧是這兩年網際網路行業口號喊的最響亮的專案，AI簡單的來說就是一個離開人類的操作和控制，利用程式程式碼和資料分析為依託實現自動智慧化的效果。

AI智慧讓一個搜尋引擎公司（百度）為之瘋狂，可見其中的深奧與未來發展。讓大家認為的騙子瘋子賈躍亭，能一次又一次的死而復活，可見AI的無與倫比的魅力。

其實AI已經進入人類日常生活中了，例如智慧手機Siri，Alexa語音介面，華為手機AI智慧拍照，車站機場掃描等。透過大資料和資料科學實現資料儲存的進步，實現最低誤差和最高效率。

AI智慧的實現，需要龐大的資料和硬體設施，包括大量的人力。一步一步檢測，一步一步完善，一步一步接近智慧。除了開發團隊的付出，測試團隊更要嚴謹把關，一個小小的BUG都可能讓智慧變智殘。所以當涉及到AI系統的測試時，我們測試團隊決不能鬆懈！

1、人工智慧測試與傳統軟體測試有什麼不同？

簡單來說，具有AI的系統其實就是一個軟體，但這種軟體具有相應學習和改變其行為的能力。傳統的軟體功能測試涉及對給定輸入集的預期輸出與實際輸出的測試。在人工智慧的情況下，預期輸出可能隨著機器學習在一段時間內的進展而變化。因此，人工智慧系統測試不同於傳統的軟體測試，測試人員應該準備好接受這種AI測試程式。

2、AI系統的測試輸出是什麼？

對於同一組輸入，人工智慧中的輸出並不總是相同。因此，理解系統的底層——機器學習模型，並相應地更新測試用例非常重要。測試人員應該瞭解當資料輸入系統時機器將如何學習和表現。測試人員應該能夠在正面和負面情景中測試AI系統的行為。

3、測試AI系統的法律和道德要求

還記得好萊塢科幻電影《機械公敵》裡的劇情嗎？人類發明了超過人類本身的高階智慧系統和機械人，結果差點造成人類被毀滅。雖然有誇張手段，但是AI智慧確實是能威脅到人類自己的一個亦正亦邪產物。所以，在設計測試用例和場景之前，應該完全審查法律、道德和社會要求。測試人員有責任透過進行可能導致法律、道德和社會問題的負面測試來測試AI系統的這些方面。由此可見AI系統測試非常關鍵，應該非常仔細地進行，以確保我們正在構建對人類有用的機器。

4、AI演算法測試

在AI中，機器分析資料模式並使用這些模式來構建規則，也稱為啟發式規則。這是人類大腦所做的類似操作，有助於人類做出決定。機器在載入資料並分析模式後，它會了解模式，並在收到模式時自行更新模式。因此，機器的行為及其AI演算法不會總是表現得相同，因此我們不能指望輸出始終是100%完美的。它取決於機器基於資料模式在一段時間內發展起來的啟發式方法。

5、測試資料以測試AI演算法

機器學習是人工智慧的一部分，機器根據資料的型別和輸入的模式來構建自己的知識。測試人員應仔細選擇他們的測試資料來測試機器學習，以便他們輸送到機器的資料模式應該與AI系統的預期輸出相匹配。

6、AI架構和設計

AI系統測試人員應該對AI架構以及系統設計有充分的瞭解。這是因為在知道輸出隨著輸入資料模式到AI系統的變化而變化的事實之後，它將幫助測試人員設計其測試用例。因此，將AI系統作為黑盒測試應該涉及架構和系統設計方面的知識。

7、需要嚴格的測試 AI 系統

AI系統的行為與傳統軟體不同，因為它們具有學習能力，因為它們可以提供資料。因此，為了對AI系統進行深入分析，在以不同模式批次提供資料之後執行嚴格測試非常重要。更有意義的資料被饋送到機器，它將開發啟發式，機器可以執行決策，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 系統的理解行為，測試用例不能被宣告為失敗，因為實際的功能測試應該基於模式、規則和啟發式而不是針對同一組輸入的行為。在人工智慧機器中相應地學習和改變其行為。

9、輸出管理至關重要

在AI中，可以透過向其提供資料模式來動態地改進AI演算法。測試機制可以作為訓練AI系統並立即研究其影響的機會。訓練有素的機器即改進的演算法可以直接用於生產。但是，我們需要確保機器具有所需的知識。

10、迴歸測試

該資料集可用於之前測試過機器模式的迴歸測試。但重複測試用例可能不會一遍又一遍地獲得相同的結果。因此，除非它是為一個全新的人工智慧機器做的，否則迴歸測試可能不那麼有效。迴歸測試應該基於AI演算法行為，對被饋送到系統的資料集的測試。

總結：AI測試不同於傳統的軟體測試，測試人員在測試任何AI系統之前都要考慮到上面十點，避免所測之物出現BUG，更加要避免自己身上出現工作BUG。