作為一名測試人，我真心不擔心這個事情的發生，就是真有那一天，ai也是軟體，是軟體就有bug！找bug就是我們測試人員的專職

首先闡明本題觀點，軟體測試工程師絕非是首先被AI替代的職位。但是，隨著人工智慧在各個領域的不斷髮展，軟體測試也在悄悄的受到人工智慧的影響。

相信大家有段時間肯定被一篇叫做《AlphaGo Zero：這個世界人類是多餘的》的文章刷屏。總之，就是一個詞， 生無可戀。

從勞動（或者工作）的範疇來劃分，我們可以看到有以下的四個方面：

也就是說你的工作的比例，基本上可以從上面的四個方面上來做一個分佈。

想想你日復一日的點點點，榨乾腦力的自動化測試框架，上線前的程式猿祭天和讓產品經理立字據的勇氣，是不是和上面的四個方面各自有一個對應。

Tim Urban在《AI革命-通往超智慧道路》一文中指出，人工智慧分為三類：

弱人工智慧Artificial Narrow Intelligence (ANI): 弱人工智慧是擅長於單個方面的任務型驅動的人工智慧。例如能戰勝圍棋世界冠軍的人工智慧，但是它只會下圍棋，如果讓它解決怎樣更好地在硬碟上儲存資料的問題，它就無法做到。目前人工智慧的發展尚且達到了弱人工智慧階段。

強人工智慧Artificial General Intelligence (AGI): 人類級別的人工智慧。強人工智慧是指在各方面都能和人類比肩的人工智慧，人類能幹的腦力活它都能幹。創造強人工智慧比創造弱人工智慧難得多，Linda Gottfredson教授把智慧定義為“一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解複雜理念、快速學習和從經驗中學習等操作。”強人工智慧在進行這些操作時應該和人類一樣得心應手。

超人工智慧Artificial Superintelligence (ASI): 牛津哲學家，知名人工智慧思想家Nick Bostrom把超級智慧定義為“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能。”超人工智慧可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍的。超人工智慧將給人類世界帶來什麼樣的顛覆，是生存還是毀滅成為大眾關注的熱點。

從嚴格意義上說，測試領域尚未達到真正意義上人工智慧的應用階段，只能說目前還在向類人工智慧方向發展，發展的方向可以如下圖所示：

AI測試的進化.PNG

測試領域必將經歷三個階段才能邁向人工智慧的世界：手工測試。該階段偏向於用人工來做測試執行。

測試自動化（Automation Testing）。該階段偏向於測試執行的自動化，尤其將重複手工測試部分進行自動化，從而提高測試效率，降低人工成本。其本質是人工編寫指令碼，程式操作，屬於任務型程式。

自動化測試（AutomatedTesting）。雖然跟測試自動化前後顛倒一下，然而意義完全不一樣，它是將測試過程自動化，其包括了測試需求、測試用例設計、測試資料準備、測試環境搭建、測試版本部署、測試執行及測試報告都將自動化。然而這個過程仍然是人工設計干預，確定輸入，只是把過程進行自動化，機器本身並沒有達到自我學習的能力水平，屬於過程管理程式。

AI化測試（AI Testing）。進入人工智慧階段以後，測試人工智慧的流程和框架可能會發生顛覆性的改變，其過程及手段並不一定遵守當前的測試生命週期理論。

AI化測試將進行階段性的發展，測試工程師這一職業或許將不再存在，測試工作任務將會被AI逐步代替，結合上面的人工智慧的分類，整個測試領域會將隨著人工智慧的發展分為弱AI化測試、強AI化測試和超AI化測試。

弱AI化測試，測試工作任務化人工智慧，透過對人類提出的知識圖譜，根據知識點，處理結構或非結構化資料，並透過對程式程式碼的分析，計算出系統的可能的薄弱環節，自動提供測試方案，完成測試驗證，指出問題所在，給予問題解決方案，甚至修改好程式。測試階段會從過去的單元測試、整合測試、系統測試和驗收測試縮減為兩個階段：機器測試和使用者測試。由於最終使用者是人類，所以前端仍需要人類的介入，只是後端得到了整合，縮短了產品開發上市的時間。測試的本質還是基於傳統的“機器為人服務”的關係。

強AI化測試，將進一步的向測試領域上游滲透，對測試需求，甚至產品需求進行自我認知與學習，透過對使用者使用資料的分析，挖掘使用者需求、產品特性，根據得出的結果，提出產品需求，開發實現產品，並執行相關測試，與需求進行匹配運算，確認產品質量。因此在強AI化測試階段，測試概念已經進化到“機器為機器服務”的關係。

超AI化測試，對使用者的需求進行引導，使使用者在潛意識受到人工智慧的暗示做出決策，也就是說人工智慧引導需求，人類反而潛意識會認為這個需求是由自我產生。人工智慧的測試則演變成為人工智慧服務的工作，這已不是傳統意義的測試和驗證，更趨向於人類世界的醫生與病人的關係。測試已經演變成“人為機器服務”的階段了。

以上是對未來的一個暢想，在現在的這個節點上，AI測試方面的探索，CC先生也只看到了一些相關的探索，還屬於 弱AI化測試：

比如，瑞典的一家公司（http://King.com）採用Monte Carlo樹搜尋演算法、自動啟發式構建演算法、增強拓撲的神經元演化演算法 (Neuro Evolution of Augmenting Topologies，NEAT )來訓練 AI測試工具 (bots) ，模擬人類互動能力，完成對Candy Crush Soda遊戲的功能測試、穩定性測試和效能測試，並評估遊戲難度級別，預測遊戲的成功率。

或者對於APP的測試,有一家NimbleDroid公司（創始人是華人）有一個爬蟲可以發現 APP 有什麼用例，然後對每個用例可以進行分析，看它的效能是什麼樣的，有沒有記憶體洩露、效能問題、卡頓等現象，還包括程式啟動慢有哪些原因。

又或者，美國一家公司（Appdiff）推出測試機器人，能夠全面分析App應用中的每個介面、元素和操作流，進行效能測試和使用者體驗測試（懷疑嗎）。Appdiff的智慧機器人，可以克服經典的測試方法所存在的速度慢、開銷大的問題，具備類似人類的洞察力，就像魔術一樣快速完成測試，而且具有學習能力，App應用程式測試越多，工具會自動地變得越來越聰明。採用的AI，就可以替換過去指令碼的開發，讓自動化測試進行得更輕鬆，而且AI能處理的測試輸入，手工是無法相比的。

那現在，我們可以拷問自己一個問題：AI已來，人類測試人員的核心競爭力到底是很什麼？

我試圖從勞動的四象限裡去尋找一下答案。

既然體力已經不是問題，腦力上AI是完勝人類的學習消耗曲線。（從Alpha zero的學習曲線裡面就可以看到端倪）

風險上，AI也許比人類有更高一點的承受能力。

剩下的，估計就是情緒勞動這一片領地了。試想一下，如果開發和產品經理還是人類的情況下，他們會更願意對著一個AI進行交流還是和一個有著很好溝通能力的人類測試人員呢？

之前CC先生說過，測試人員需要的不僅是硬技能（比如程式設計，比如自動化技術等等），他/她還需要有各種的軟技能（溝通能力，總結能力等等）

回到蘋果公司的CEO庫克對人工智慧的看法上：“我並不擔心人工智慧可以讓計算機像人類一樣思考。我擔心的是人類會像計算機一樣思考，沒有自己的價值觀或同情心，不考慮事情的後果。”