ai是什么软件智能设备绝不是反乌托邦的——基于福特率先推出装配线一样

点击上方关注，AllinAI中国

智能手机、智能耳机、智能汽车、智能咖啡机……这样的事例不胜枚举。似乎我们周遭的一切都显得鲜活起来，聪明起来。尽管科幻电影的繁荣源于我们对机器人恶意接管的畏惧，但智能设备绝不是反乌托邦的——它们的存在实际上是为了让我们的生活更轻松，这样我们能够把更多的时间花在重要的事情上，而不是单调无趣的充实工作。

科技公司了解，提高自动化水准是将来的演进方向，就像当时福特正式启用装配线一样。像人工智能(AI)和机器学习(ML)这种的先进科技正在推进近代史上最令人欣喜的变革——思考自动驾驶车辆、虚拟现实和提高现实、自动化投资、改进医学成像等等。这项科技的弊端越来越显著，各个公司都在争先恐后地运用这项科技，并将其应用到自己的产品中。

随着这项科技开始在敏感、高风险的领域(如汽车、医疗和金融市场)更加越来越普遍，DevOps团队采用强有力的方式来进行QA测试是至关重要的。当公共安全、客户生计或患者数据存在风险时，即使是最聪明的算法也需要由人类工程师反复检查。

在深入探究智能产品检测方式之前，让我们先区分一下人工智能和机器学习。虽然这种词汇常常互换使用，但他们之间存在一些关键差别。

简单地说，人工智能指的是一个平台，它以我们人类觉得聪明或高效的方法执行任务，而机器学习是自动化的，利用已有数据的平台，持续执行自我训练。

测试人工智能系统

挑战和潜在的并发症

测试的主要方面

成功AI的关键是良好的数据。在将数据提供给AI系统之前，应该对数据进行清洁、清理和验证。您的QA团队必须谨慎也许使平台对数据的解释复杂化的人为偏见和多样性——例如车辆导航平台或智能电脑助手试图解释一种罕见的口音。

AI的核心是算法ai是什么软件，它处理数据并生成见解。一些常用算法涉及学习性(Netflix或Amazon学习用户喜好并提供新推荐的能力)、语音辨识(智能扬声器)和现实世界的传感器测试(手动驾驶车辆)。

这种必须通模型验证进行全面的检测，测试可学习性是否成功，算法是否有效，核心理解是否恰当。如果算法存在疑问，将来必定会带给更严重的后果。

与任何其它工具平台一样，AI系统必须密集的性能和安全性检测，以及法规遵循性测试。如果没有适度的测试，利基安全漏洞(使用录音来误导语音辨识工具或交谈机器人进行操作)将显得非常普遍。

AI系统可以连接到其它平台并在更大的环境中缓解问题。为了使所有这种集成正常工作，有必要对AI系统以及各类连接点进行全面评估。随着越来越多的系统吸收AI特性，对他们进行认真测试至关重要。

测试机器学习系统

ML系统的目标是在不进行显式编程的状况下独立获得知识。这应该将一致的数据流反馈到平台中——这是比传统测试基于（固定输入=固定输出）非常动态的方式。因此，质量保证（QA）专家必须从不同的视角为ML系统推进测试战略。

训练数据是用于训练平台模型的数据集。在这个数据集中，输入数据与预期输出一起提供。这往往是借助半自动的方法搜集的数据。

测试数据是训练数据的子集，逻辑建立用于检测所有可能的组合并确定模型的锻炼程度。根据检测数据集的结果，对模型进行调整。

需要构建测试套件来验证平台的建模。主算法分析所有提供的数据ai是什么软件，寻找特定的方式，并使用结果来研发最优参数来建立建模。在此基础上，随着迭代次数的降低和数据的丰富性降低，它将得到强化。

QA工程师习惯于用品质来表达测试结果，例如缺陷泄漏或缺憾严重性。但是基于机器算法的建模验证将形成近似结果，而不是准确结果。工程师和涉众需要确认可接受的确保级别。

来源HowtoQATestSoftwareThatUsesAIandMachineLearning-DZoneAI