测试工程师的AI扫盲指南：一文搞懂人工智能核心术语
【摘要】 人工智能（Artificial Intelligence, AI） 是计算机科学的一个分支，致力于让机器模仿人类智能，能够像人一样思考、学习、判断和解决问题。根据智能程度的不同，AI可以分为强人工智能（AGI） 和 弱人工智能（ANI）。前者指能完成任何智力任务的系统，而后者则专注于特定任务，如图像识别或语音合成。实例：自动化测试中的视觉验证：利用AI进行UI元素的自动识别与验证。日志异常模...
实例：
- 自动化测试中的视觉验证：利用AI进行UI元素的自动识别与验证。
- 日志异常模式识别：通过AI算法自动检测并分类日志中的异常情况。
01
深入了解人工智能术语
对于测试工程师来说，理解一些基本的人工智能术语不仅有助于更好地与开发团队沟通，还能提高测试效率。以下是几个关键术语及其通俗解释：
机器学习(Machine Learning, ML)：通过数据让机器自己找到规律并做出预测。自然语言处理(NLP)：让 AI 理解、分析和生成自然语言。
文本生成(NLG)：AI 写文章、代码、故事等内容。
语义理解(NLU)：让 AI 明白句子的意思，而不仅仅是字面意思。
计算机视觉(CV)：让 AI 能“看懂”图像和视频。
图像识别：AI 判断图片中是什么物体。
图像生成(如 Stable Diffusion)：AI 根据描述生成图像或艺术作品。
OCR(文字识别)：AI 识别图片中的文字。
语音识别(ASR)：把语音转成文字。
语音合成(TTS)：把文字变成语音。
RAG(检索增强生成)：模型接入数据库或知识库，让回答更准确。
Agent(智能体)：能自主规划和执行任务的 AI 系统。
实战建议：
- Prompt工程：掌握如何向AI提出清晰的需求，比如：“为购物车功能设计测试用例，需覆盖商品添加/删除/数量修改。”
- RAG（检索增强生成）：让AI查文档再回答，例如查询公司内部的知识库来解答特定问题。
02
AI技术的实际应用
除了理论知识外，了解AI的实际应用也非常重要。例如：
- 自然语言处理（Natural Language Processing, NLP）：使AI能够理解和生成自然语言，广泛应用于聊天机器人、翻译软件等领域。
- 计算机视觉（Computer Vision, CV）：赋予AI“看”的能力，包括图像识别、目标检测等功能。
- 语音识别（Automatic Speech Recognition, ASR）：将人类的声音转换成文字，是智能音箱等设备的基础功能之一。
- 扩散模型（Diffusion Models）：一种新兴的图像生成技术，常用于艺术创作中。
实例：
- 图像生成：自动生成测试用的头像、商品图、证件照。
- 视觉回归测试：AI对比版本间UI差异，不仅仅是像素比对，而是“语义理解”差异。
03
给测试工程师的建议
-
掌握Prompt基础：用ChatGPT/文心一言练习生成测试用例，从简单的功能测试开始，逐步复杂化。 -
了解公司的AI布局：是否有AI测试相关项目？有没有内部的大模型平台？ -
体验主流AI测试工具：GitHub Copilot（辅助写测试代码）、Applitools（AI视觉测试）、Testim（AI驱动的测试录制）。
04
结语
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）