인공 지능, 기계 학습 및 소프트웨어 개발의 미래

귀하와 즐겨 사용하는 앱 간의 모든 성공적인 상호 작용은 QA 팀의 공동 노력의 결과입니다.

좋아하는 앱과의 모든 성공적인 상호 작용은 품질 보증(QA) 팀의 공동 노력의 결과입니다. 이러한 지치지 않는 문제 사냥꾼은 전 세계 모바일 장치 사용자가 일상적인 요구에 의존하는 응용 프로그램의 모든 측면이 모든 릴리스 및 업데이트에서 원활하게 실행되도록 보장합니다.

아침 알람 소리에 잠에서 깨어날 때, 날씨를 확인할 때, 사랑하는 사람에게 메시지를 보낼 때 우리는 자주 언급되지 않는 영웅들에게 감사를 표해야 합니다.

팀의 노력이 실패하면 그들은 반드시 소식을 듣게 될 것입니다. 많은 사용자는 인기 있는(그리고 매우 명백한) 리뷰 사이트에 주저하지 않고 부정적인 피드백을 제공할 것입니다.

현대 모바일 앱 사용자(현재 우리 모두)의 기대는 완벽함이며, QA 팀의 주요 목표는 버그 없는 제품의 모든 배포를 보장하는 것입니다.

버그와 문제가 있으면 앱이 빠르게 싱크될 수 있습니다. 안타깝게도 버그 없는 경험을 보장하는 것은 쉬운 일이 아닙니다. 그리고 점점 더 복잡해지고 있습니다. 오늘날의 소프트웨어 개발 세계는 점점 더 복잡해지고 있으며, 이러한 복잡성으로 인해 발생하는 많은 잠재력과 시나리오에 대한 테스트는 테스트 자체가 점점 더 복잡해지고 리소스 집약적이 되고 있음을 의미합니다.

모바일 앱 개발의 역사를 고려하면 앱이 더욱 복잡해지고 더욱 발전되고 빈번한 테스트가 필요할 것으로 예상하는 것이 상당히 합리적입니다. 하지만 꼭 이래야 할까요? 우리는 점점 더 많은 직원과 더 큰 QA 팀이 필요하게 됩니까?

1980년대: 수동 테스트

잠시 시간을 내어 어떻게 여기까지 왔는지 생각해 보겠습니다. 최근까지 - "와, 정말 1980년대였나 봐요." - 소프트웨어 QA 팀은 시장에 출시되는 제품이 제대로 작동하는지 확인하기 위해 장비의 수동 테스트에 크게 의존했습니다.

그것은 더 단순한 시대였습니다. , 장치에는 기능과 활성 시나리오가 훨씬 적었으므로 수동 코딩이 테스트하기에 적합한 방법이었습니다. 지루한 작업을 철저히 수행하면 많은 시간이 걸리지만 수동 테스트는 테스터에게 적합합니다.

그러나 끊임없이 진화하고 개선되는 기술은 자동화 형태의 변화를 가져왔고, 이는 테스트 프로세스를 크게 개선했습니다. 소프트웨어는 계속해서 발전하고 더욱 복잡해지고 있습니다.

1990년대 – 2010년대: 코딩 테스트 자동화

다음 수십 년 동안 테스트의 발전으로 인해 QA 테스터는 테스트 사례를 물리적으로 살펴봐야 하는 요구 사항에서 해방되었습니다. 더 이상 스파게티처럼 쌓인 코드에서 버그를 수동으로 찾을 필요가 없습니다.

그들은 소프트웨어 문제와의 전쟁에서 새로운 무기를 가지고 있습니다. 대규모 수동 테스트는 실용적이지 않으며 QA 팀이 합리적인 시간 내에 잠재적 릴리스를 철저히 테스트하려면 스크립트를 통해 테스트를 수행해야 합니다. 자동화 도구.

그럼 복잡성 전쟁에서 승리한 걸까요? 완전한 것은 아니고. 자동화된 테스트를 혁명적인 혁신이라기보다는 끊임없이 진화하는 소프트웨어의 복잡성으로 인한 군비 경쟁의 또 다른 단계로 생각하는 것이 가장 좋습니다.

시간은 흐르고 있지만 아직 확실한 승리는 보이지 않습니다. 모바일 앱이 인기를 얻고 일상 생활의 많은 핵심 도구가 되면서 자동화된 테스트는 그 기반을 잃어가고 있습니다. 다행히 오랫동안 기다려온 변화, 즉 진짜혁명이 다가오고 있습니다.

2020년대: 코드 없는 테스트 자동화

최근까지 QA 테스트 팀의 딜레마는 참으로 심각했습니다. 고품질 제품 출시를 보장하기 위해 자동화된 테스트에는 점점 더 정교한 코딩 도구가 필요합니다. 이는 QA 팀이 새로운 기능 생성과 같은 다른 작업 대신 테스트에 점점 더 많은 프로그래머를 투입해야 함을 의미합니다. 이는 비용이 점점 더 많이 들 뿐만 아니라 출시 날짜를 점점 더 뒤로 미루는 것을 의미합니다. 그러나 재앙적인 발사라는 대안은 훨씬 더 비쌀 수 있습니다(많은 주목을 받는 발사 실패가 입증되었듯이).

하지만 피할 수 없는 일이 일어났습니다. 추상화 원칙을 통해(인터페이스 기반 표현은 매우 복잡한 프로세스의 길을 열어줌(예를 들어 읽고 있는 기사 뒤에 숨어 있는 1과 0을 생각해 보세요)) 많은 전문가들은 오랫동안 새로운 추상화 계층을 예고해 왔습니다. 지난 몇 년간 실제로 결실을 맺은 '노코드 혁명'이 있습니다.

최근 다양한 산업 분야에서 코드 없는 솔루션을 사용할 수 있는 여러 플랫폼이 등장했습니다. 코드 없는 혁명의 가장 분명한 예 중 하나는 진정한 WYSIWYG 웹 사이트 편집기(Squarespace 또는 Wix를 생각해 보세요)의 인기이며, 소프트웨어 테스트라는 덜 분명한 영역에서는 제가 설립한 회사인 Sofy가 독특한 플랫폼입니다. , 모바일 애플리케이션에 대한 코드 없는 테스트를 제공합니다.

노코드 혁명은 비전문가가 복잡한 작업을 처리할 수 있게 하고 전문가는 다른 작업을 처리할 수 있는 더 많은 시간을 제공하는 등 엄청난 변화를 가져왔습니다. 따라서 우리는 가까운 미래에 다양한 산업 분야에서 점점 더 많은 노코드 솔루션을 보게 될 것입니다.

2025? 진정한 스마트 셀프 테스트 소프트웨어

즉, 노코드 혁명은 단지 또 다른 진전일 ​​뿐이며 소프트웨어 테스트의 다음 단계는 자체 테스트하는 소프트웨어라고 믿습니다.

저뿐만이 아닙니다. 코드 없는 혁명과 마찬가지로 자체 테스트 소프트웨어도 수년간 예상된 현실이었습니다. 기술이 변화하고 성장하는 속도로 볼 때, 2025년까지 사람의 개입 없이 AI 작동을 테스트할 수 있는 지능형 테스트 자동화(즉, 자체 테스트 소프트웨어)가 대폭 확장될 것이라고 상상하는 것은 터무니없는 일이 아닙니다.

현재 스마트 테스트의 제한적인 구현은 기계 학습(ML) 및 인공 지능 플랫폼을 활용하여 소프트웨어 릴리스의 속도와 품질을 향상시킵니다. 이를 통해 신속하고 지속적인 테스트가 가능하므로 ROI가 향상됩니다. 또한 AI는 인간의 지능을 복제할 수 있는 반면, ML은 인간의 개입 없이 컴퓨터가 학습할 수 있습니다.

인공 지능과 기계 학습은 딥 러닝 기반 알고리즘을 사용하여 보다 효율적인 디버깅 및 의사 결정을 위해 패턴을 추출하여 데이터에 액세스하고 데이터에서 학습합니다. 또한 이 기술을 통해 QA 팀은 다양한 장치와 다양한 폼 팩터에 걸쳐 많은 테스트를 수행할 수 있습니다.

며칠이 아니라 몇 시간이 걸립니다. 이제 이것은 혁명입니다.

아직도 사람이 필요한 코드는 없습니다. 사람은 기계가 아닙니다. 사람은 실수를 합니다. 코드가 없더라도(크게 줄어들긴 했지만) 인적 오류는 여전히 심각한 문제를 일으키는 요인입니다. 수동 테스트로 인해 리소스, 시간 및 노력이 과도하게 사용되는 것을 고려하십시오.

Smart Testing은 자동으로 테스트 사례를 생성 및 유지 관리하며 생산성 및 출력 품질 향상으로 요약할 수 있는 귀중한 이점을 생성합니다. 그러나 지능형 테스트 자동화를 달성하려면 먼저 다음 요소를 결합해야 합니다.

• 사람의 입력에서 배우기: 기계가 테스트를 수행할 때 사람처럼 행동해야 합니다. 인간이 필요로 하고 원하는 것이 무엇인지, 인간이 장치를 어떻게 사용하는지 이해해야 합니다. 논의한 바와 같이 이는 예측하기 어려울 수 있으며 복잡한 애플리케이션은 복잡한 테스트 시나리오와 패턴을 의미합니다. 그러나 기계는 이러한 유리한 지점에서 이해되고 작동되어야 합니다.
• 실제 사용 제품 데이터에서 배우기: 기계는 애플리케이션이 다양한 생산 환경에서 어떻게 사용되는지 이해해야 합니다. 여기에는 사용 중인 장치, 장치가 설정된 언어, 메뉴, 화면 및 작업 사용을 포함한 사용 흐름을 이해하는 것이 포함됩니다.
• 훈련 데이터: 자율 운전 자동차(아직 깨지지 않은 너트)와 마찬가지로 기계 학습에는 소프트웨어 패턴의 윤곽을 잡는 데 도움이 되는 훈련 데이터가 필요합니다.

이 세 가지는 코드 변경 시마다 철저하게 내부화되고 테스트되어야 합니다. 그런 다음 원활하고 지능적인 방식으로 집계하고 우선순위를 지정해야 합니다. 이는 결코 작은 일이 아니지만, 우리는 다음 단계를 향해 계속해서 노력할 것입니다.

아직 없어요. 앞으로 나아갈 수 있으려면 이러한 각 단계를 완료해야 하지만 실제로는 시간 문제일 뿐입니다.

자체 테스트 소프트웨어는 첫 번째 단계일 뿐입니다. 기계 학습 방향으로 시장에 출시될 코드 없는 다른 사례도 기대할 수 있을 것으로 예상합니다. 나는 일부 사용자 지정 매개변수를 기반으로 전체 웹사이트를 생성하는 것이 현실이 되는 것은 시간문제라고 믿습니다. 오늘날 노코드 혁명이 마침내 도래했지만, 이와 함께 또 다른 혁명이 시작되었습니다.

위 내용은 인공 지능, 기계 학습 및 소프트웨어 개발의 미래의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!