背景

你所需要的網站建設服務，我們均能行業靠前的水平為你提供.標準是產品質量的保證，主要從事網站建設、成都網站設計、企業網站建設、手機網站制作設計、網頁設計、品牌網站設計、網頁制作、做網站、建網站。創新互聯公司擁有實力堅強的技術研發團隊及素養的視覺設計專才。

從計算機科學誕生開始，其主要目標一是計算（用計算機對大量數據進行處理），二是自動化（用計算機代替機械重復的人工勞動）。在半個多世紀后的今天，我們驚訝地發現，引導計算機科學發展的仍然是這兩個范疇：大數據和人工智能（AI）。

而自動化測試，是人工智能領域下的一個應用方向，和無人駕駛、機器人等一樣，都是AI技術的應用場景。從技術的發展角度看，自動化測試一共經歷了四代發展變化。從最早提出自動化測試思想，到如今將AI引入自動化測試，貫穿其發展的核心訴求就是希望能有效的解決自動化測試中的時間與人力成本問題。

1.png

在過去很長一段時間內，自動化測試都局限于傳統的測試腳本驅動。無論是游戲開發人員使用的Lua接口，還是類似Xcode的UI Test，抑或是通過ADB/minicap對Android設備進行簡單操控的Python Script，其本質都是人為定義規則的自動化操作模擬。傳統方式盡管工作量大，但實現門檻較低，容易上手，容易調試，也容易修改，在很長一段時間里都是自動化測試的主流方案。相關主流方案的差異通常也只限于自動化腳本接口或規則定義形式的不同。

然而，這種人工定義規則的方案都存在一些很明顯的問題：版本迭代頻繁。每次版本變化往往需要重新修改、調整腳本。對于較為復雜或具有一定隨機性（例如游戲對局）的場景，難以通過簡單的腳本調整對其提供支持。實際上，對于隨機性極強的游戲產品，通常不會對游戲對局過程進行太多測試。

部分測試腳本需要產品本身提供對應的操作接口，用于獲取游戲內部數據。而這種專用測試接口通常不會在正式發布版本中提供，因此對于真正上線的產品，難以用自動化腳本進行測試，只能靠人工測試。這一點可以說是導致自動化測試工具至今無法大規模商業化、產品化的核心原因。

AI與自動化測試

從20世紀50年代到20世紀70年代初，人工智能的研究處于“推理期”。1981年，Werbos提出了多層感知器，引入了反向傳播（BP）算法，此后，神經網絡得到了快速發展；1986年，決策樹的機器學習算法被J.R.Quinlan提出，也就是ID3算法；1995年，Vapnik和Cortes提出了支持向量機（SVM），其被作為一種能使機器學習取得重大進展的方法而得到推廣；2005年，三層的NN模型強勢崛起，諸多專家在理論和實踐上徹底激活了深度學習。2012年，Hinton課題組首次參加ImageNet圖像識別比賽，通過CNN網絡——AlexNet奪得冠軍，CNN網絡吸引了眾多研究者關注；2015年，深度殘差網絡（ResNet）被提出，在眾多比賽中表現突出；2016年，由谷歌旗下的DeepMind公司研發的阿爾法圍棋（AIphaGo）戰勝了當時的圍棋世界冠軍李世石，成為第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智能機器人，引起世界輿論的嘩然。越來越多的技術領域開始嘗試結合AI技術進行開發。至今，AI技術已經在圖像處理、語音識別、藝術創作、自動駕駛等許多方面有了成熟的技術與穩定的應用。

在2015年和2016年Google DeepMind發表多篇游戲自動控制的論文，以及AlphaGo在棋類游戲上有了戰勝人類的先例之后，騰訊互動娛樂事業群的TuringLab團隊開始思考如何利用最新的AI技術解決上述問題，并將其融入自動化測試工具中。從2017年到今天，通過多個產品的實驗和騰訊內部多個部門的協作，TuringLab團隊成功地開發出一套基于深度學習的自動化AI測試框架，并應用在多款世界知名游戲產品的日常測試上。

AI技術的核心思想是利用已有的歷史數據，訓練出一個較好的AI網絡，通過已經訓練好的AI網絡來處理當下的輸入數據。與傳統的編程方法不用，通過AI算法訓練出來的網絡模型通常會有更好的泛化性。而在傳統的自動化測試中，項目測試的維護成本很高，只要版本更新或功能發生變動，就有可能產生大量的維護工作。引入AI技術后，其帶來的泛化性可以有效地減少自動化測試的維護成本，在AI模型中編程可以不做改動，或者直接增加訓練數據就可以很好的完成測試需求。

2020年，TuringLab團隊基于深度學習的自動化AI測試框架基礎，將其開發與應用經驗詳細整理成了《AI自動化測試：技術原理、平臺搭建與工程實踐》一書，與讀者分享騰訊游戲是如何將AI技術與自動化測試相結合完成測試需求的。

主創團隊

書籍簡介

《AI自動化測試：技術原理、平臺搭建與工程實踐》一書共分了三個部分。

第一部分是原理篇，重點介紹圖像識別算法、基于值函數和策略梯度的強化學習、模仿學習的研究現狀與在自動化測試中的運用等相關的AI算法原理，還詳細講解了Android設備調試相關問題，為后續學習具體工具的落地應用打下基礎。

2.png

第二部分是平臺篇，將用長達117頁的詳細介紹為工程師們講解騰訊游戲AI自動化開發工具的設計與實現，包括和Android設備的對接、數據標注流程、AI算法在游戲自動化中的具體實現、AI SDK平臺二次開發等。

第三部分是最佳實踐篇，將通過不同需求場景下的實踐案例，為工程師們展示在實際游戲產品的測試如何使用本書介紹的測試平臺完成各類不同的需求，并可嘗試在此基礎上實現定制化功能。

結語

AI作為近些年的技術熱門話題詞，有不少企業行業打出“人工智能”的標簽制造噱頭，吸引大眾的眼球。在自動化測試技術多種多樣的背景下，與AI技術結合的自動化測試方法卻已經在諸多適當的場景達到了提高生產效率，節省企業的人力成本的效果。

　從目前騰訊公司的AI自動化測試實踐來看，多分辨率手機的相關測試如兼容性、性能、回歸等節省的成本是最明顯且有效的。現在，TuringLab團隊將AI測試平臺免費開源開放，如果用戶覺得已有的算法或者功能不能滿足測試需求，可以自己開發一些更適合自己業務的功能與算法。《AI自動化測試：技術原理、平臺搭建與工程實踐》一書也將更好的為你指引AI+自動化測試的開發方向。 現在 點擊購買，還可享受限時8折特惠！