AI智能是這兩年互聯網行業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，利用程序代碼和數據分析為依托實現自動智能化的效果。

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。通過大數據和數據科學實現數據存儲的進步，實現最低誤差和最高效率。

AI智能的實現，需要龐大的數據和硬件設施，包括大量的人力。一步一步檢測，一步一步完善，一步一步接近智能。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都可能讓智能變智殘。所以當涉及到AI系統的測試時，我們測試團隊決不能松懈！

1、人工智能測試與傳統軟件測試有什么不同？

簡單來說，具有AI的系統其實就是一個軟件，但這種軟件具有相應學習和改變其行為的能力。傳統的軟件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。在人工智能的情況下，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，人工智能系統測試不同于傳統的軟件測試，測試人員應該準備好接受這種AI測試程序。

2、AI系統的測試輸出是什么？

對于同一組輸入，人工智能中的輸出并不總是相同。因此，理解系統的底層——機器學習模型，并相應地更新測試用例非常重要。測試人員應該了解當數據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》里的劇情嗎？人類發明了超過人類本身的高級智能系統和機械人，結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。測試人員有責任通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算法測試

在AI中，機器分析數據模式并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，有助于人類做出決定。機器在加載數據并分析模式后，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據模式在一段時間內發展起來的啟發式方法。

5、測試數據以測試AI算法

機器學習是人工智能的一部分，機器根據數據的類型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數據來測試機器學習，以便他們輸送到機器的數據模式應該與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了解。這是因為在知道輸出隨著輸入數據模式到AI系統的變化而變化的事實之后，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件不同，因為它們具有學習能力，因為它們可以提供數據。因此，為了對AI系統進行深入分析，在以不同模式批量提供數據之后執行嚴格測試非常重要。更有意義的數據被饋送到機器，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，測試用例不能被聲明為失敗，因為實際的功能測試應該基于模式、規則和啟發式而不是針對同一組輸入的行為。在人工智能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，可以通過向其提供數據模式來動態地改進AI算法。測試機制可以作為訓練AI系統并立即研究其影響的機會。訓練有素的機器即改進的算法可以直接用于生產。但是，我們需要確保機器具有所需的知識。

10、回歸測試

該數據集可用于之前測試過機器模式的回歸測試。但重復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能機器做的，否則回歸測試可能不那么有效。回歸測試應該基于AI算法行為，對被饋送到系統的數據集的測試。

新夢想軟件測試總結：AI測試不同于傳統的軟件測試，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。