Sisu
- Hübriidsed mootorid peavad eksisteerima, et olla edukas tänapäeva autonoomses kuristikus
- Inimesed ja masinad peavad töötama koos, et välja töötada skaleeritavad, stabiilsed ja turvalised rakendused
- Testimisautomaatika inseneride neli tüüpi
- Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
- Hübriidmeistrid ületavad jõudlusmõõdikuid
Allikas: karnoff / iStockphoto
Ära võtma:
Autonoomsete sõidukite tulekuga on automatiseeritud testimine tähtsam kui kunagi varem. Testimise automatiseerimiseks on aga mitmeid lähenemisviise.
Üheksakümmend viis protsenti müüdud uutest sõidukitest on aastaks 2040 täielikult autonoomsed. Kümmekond aastat tagasi tundus see ennustus igapäevasele tarbijale mõeldamatu, kuid see on usutavam toodete ja teenuste osas, mis on tehisintellekti meie igapäevaellu põiminud. Autoinseneride ühing (SAE) kirjeldab juhi muutuvat rolli juhita sõidukites kuuel tasandil kuni täieliku autonoomia saavutamiseni. (Vt joonis 1)
Esimesed kolm etappi on keskendunud jälgitavale sõidule, kus juht peab keskkonda aktiivselt analüüsima, ja kolm viimast etappi on keskendunud jälgimata juhtimisele, kus autonoomne juhtimissüsteem analüüsib keskkonda. Neist kahest erinevast lähenemisviisist üleminek nõuab muudatusi regulatsioonides, infrastruktuuris ja mõttemaailmas. Mis kõige tähtsam - see nõuab garantiid, et viimane, tehnoloogiline lähenemisviis on sama usaldusväärne ja täpne. (Lisateavet SAE erinevate automatiseerimistasandite kohta leiate teemast Juhita autod: autonoomia tasemed.)
Joonis 1: automatiseerimise SAE-tasemed, mis tähistavad automaatseks muutumise täielikust autonoomiaks muutmist
Allikas: kohandatud Mike Lemanski käest
Hübriidsed mootorid peavad eksisteerima, et olla edukas tänapäeva autonoomses kuristikus
Turule sisenevad isesõitvad autod vajavad hübriidmootoreid, mis võimaldavad lülituda manuaalkäigult isesõitmisrežiimi, võimaldades inimestel ja masinatel koos töötada, pakkudes autojuhtidele turvatunnet. See turvavajadus AI võimendamisel ei puuduta ainult autotööstust, vaid ka tarkvaraarendust. SAE raamistik alates jälgitavast kuni jälgimata juhtimiseni tõi esile laialdase autonoomse kuristiku, kus inimesed ja masinad peavad töötama koos, et pakkuda kindlust toodetele ja teenustele kõigis tööstusharudes.
Inimesed ja masinad peavad töötama koos, et välja töötada skaleeritavad, stabiilsed ja turvalised rakendused
Täieliku autonoomia saavutamiseks on vaja skaleeritava, stabiilse ja turvalise AI-toega süsteemide tagamiseks inimese ja masina kombinatsiooni. Tarkvarameeskonnad, mis võimendavad hübriidautomaatika testimise tööriistu, mis ühendavad omandipõhise ja AI-toega visuaalse äratundmise, ei saavuta mitte ainult jõudluse täiustusi, vaid saavutavad ka kiiruse kvaliteedi, kui tagavad rakenduse nõuetekohase toimimise testi katvuse kaudu. Testiautomaatide jaoks, kes tagavad nende rakenduste turvalisuse, on vaja kahe eraldi, kuid omavahel seotud mõõtme kombinatsiooni. (Vt joonis 2)
- Esimene, täpsuse taseon automatiseeritud testide tagamise stabiilsusmõõt ja testide loomise lihtsus erinevate rakenduste komponentide äratundmisest.
- Teine, hoolduse lihtsus, on mõõdetav automatiseeritud testide mastaapsuses ja võimaluses hõlpsalt säilitada testiskripte pärast rakenduste värskendusi, täiustusi ja parandusi.
Testimisautomaatika inseneride neli tüüpi
Kui inimesed ja masinad töötavad koos testi automatiseerimise arendamisel, on kaks erinevat mõõdet - tarkvara testimise rollid on neli erinevat tüüpi. Testerid vasakus alanurgas on Traditsioonistid. Need testijad teevad automatiseerimisega väga vähe ja teostavad peamiselt käsitsi testimist, suurendades hooldusmeetmeid katvuse saavutamiseks. Nad ei pruugi olla teadlikud automatiseerimise võimalustest või võivad teha väikeseid investeeringuid ilma tõhusa juhi spondeerimise või ülalt juhitud muutusteta.
Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
Programmeerimisoskust ei saa parandada, kui keegi tarkvara kvaliteedist ei hooli.
Paremas allosas asuvad automaatikainsenerid Hooldajad. Testiautomaatsete skriptide täpsuse tagamiseks tuginevad nad konservatiivsetele ja kaalutletud meetmetele. Hooldajad mõistavad ulatusliku testkatte vajadust, kuid võivad olla skeptilised lähenemisviisi suhtes, mis pole nende rakenduse omaduste jaoks eraldi programmeeritud. Nende hoolikas lähenemine katse automatiseerimisele suurendab stabiilsust ja täpsust, eriti väga sarnaste objektide vahel katsetamisel, kuid dünaamiliste omaduste suhtes võib seda olla keeruline säilitada. (Lisateavet automatiseerimise kohta leiate artiklist Automaatika: andmetöötluse ja masinõppe tulevik?)
Testijad vasakus ülanurgas on Visuaalid kes on omaks võtnud visuaalse testimise võimalused, mis on sageli tehisintellekti toitel. Tarkvarakvaliteedi AI võimaldab automatiseeritud tööriistadel juurde pääseda rakenduste omadustele, mis tavapärastel objektide äratundmisvõtetel sageli puudu on. Näiteks hõlbustades kasutajaliidese elemente UI-ga koos AI-ga, saavad tarkvarameeskonnad hõlbustada dünaamiliste omaduste hooldamist ja laiendada keerukate konsoolide, andmete visualiseerimise tööriistade ja PDF-ide katvust.
Paremas ülanurgas olevad automaatikainsenerid on Hübriidmeistrid. Nad mõistavad tõeliselt, kuidas stabiilsete ja skaleeritavate testimismeetodite abil väärtust suurendada, et saavutada maksimaalne testide katvus ja turvalisus. Need ühendavad kõrget täpsust katseskriptide käsitsi skripteerimise ja lihtsa hooldamise kaudu AI-toega testimise abil, et saada kasu iga lähenemisviisi tugevustest: stabiilsus ja täpsus, mis tuleneb varasema tuvastamisest ja testimisest, ning kiirus ja mastaapsus viimase AI-toega visuaalsest testimisest.
Joonis 2: katseautomaatika inseneride neli tüüpi
Hübriidmeistrid ületavad jõudlusmõõdikuid
Tarkvarakvaliteedi meeskonnad, kellel on kas ulatuslik omandipõhine äratundmise või visuaalse testimise raamistik, edestavad manuaalseid testijaid aja kokkuhoiu ja katvuse osas. Hübriidmeistrid ületavad jõudluse mõõdikuid veelgi, kui lähenemisviiside kombinatsiooni võimendatakse. Lihtsalt omandipõhise objekti äratundmine, näiteks kahe pildi vahel väikeste erinevuste tuvastamine, võib masinate jaoks olla keeruline ja see, mis on masinate jaoks lihtne, näiteks andmete gigabaiti analüüsimine või piltide tõlkimine arvutisse loetavaks sisuks, on endiselt väga keeruline. ja inimestele aeganõudev. Töölaua-, veebi- või mobiilirakenduste testimine nõuab mõlemat tüüpi võimalusi.
Tehnoloogia areng on muutumas kiiremaks ja igas tööstuses tegutsevad tarkvarameeskonnad küsivad selle mõju kohta väga stabiilsete, skaleeritavate ja turvaliste rakenduste tootmisele. Meeskonnad seisavad silmitsi mitmesuguste alternatiivsete lähenemisviiside ja tööriistadega, et saavutada arengu- ja tulemuslikkuse eesmärke - mõnikord ebapiisavad ja sageli raskesti kasutatavad. AI infundeerimine traditsiooniliste automatiseeritud testimisriistadega loob hübriidmootori, mis võimaldab UI elemente hõlpsalt tuvastada ja testida, et testi maksimaalne ulatus oleks.