[[328252]]

人工智能對軟件工程和科技公司的影響不可否認(rèn)，而且還在不斷增加。 有許多組織正在利用這項(xiàng)革命性的技術(shù)來創(chuàng)建開箱即用的功能強(qiáng)大的Web和移動應(yīng)用程序。 無論大小，企業(yè)都可以利用AI來提高投資回報率，提高效率并很大程度地降低運(yùn)營風(fēng)險。

看看一些統(tǒng)計信息：

大型企業(yè)(擁有至少100,000名員工的企業(yè))最有可能從人工智能戰(zhàn)略中受益，但只有一半的企業(yè)(來源)。

• 大約47%的數(shù)字化成熟企業(yè)表示他們有明確的人工智能策略(來源)。
• 全世界大約63%的企業(yè)表示，降低成本的壓力將要求他們使用人工智能(來源)。
• 大約54%的高管表示，在其業(yè)務(wù)運(yùn)營中實(shí)施的人工智能解決方案已經(jīng)提高了生產(chǎn)力(來源)。
• 大約61%擁有有效策略的高級企業(yè)高管表示，他們正在使用人工智能來識別數(shù)據(jù)中否則會被錯過的機(jī)會(來源)。

人工智能是優(yōu)秀技術(shù)，是自動化革命的基石。

所有人都必須聽說過ALEXA，Google助手，Siri，Cogito，它們使用AI并正在滲入我們的生活。

AI是機(jī)器對人類智能過程的模擬，有時也稱為機(jī)器智能(MI)。 如今，幾乎所有企業(yè)都使用某種類型的AI，其中一些比其他類型的更為復(fù)雜。 AI可以分為弱AI和強(qiáng)AI。 弱AI是為諸如語音激活助手之類的特定任務(wù)而設(shè)計和培訓(xùn)的系統(tǒng)，但是弱AI的唯一缺點(diǎn)是，如果沒有人工干預(yù)，它就無法工作。

另一方面，強(qiáng)大的AI是具有廣義人類認(rèn)知能力的AI系統(tǒng)。 這意味著它可以解決任務(wù)并找到解決方案，而無需任何人工干預(yù)。

例如，無人駕駛汽車就是強(qiáng)大的AI的示例，它結(jié)合了計算機(jī)視覺，圖像識別和深度學(xué)習(xí)功能，可以在給定的車道上駕駛汽車并避免行人等意外障礙。

許多技術(shù)都融合了AI，包括自動化，機(jī)器學(xué)習(xí)，機(jī)器視覺，自然語言處理和機(jī)器人技術(shù)。 但是在不久的將來，人工智能取代人類的機(jī)會將會增加。 對此的最大答復(fù)是RPA的縮寫，即Robotic Process Automation。

在此博客文章中，我們將討論各種可幫助AI應(yīng)用程序開發(fā)公司創(chuàng)建功能豐富的基于AI的解決方案的工具。

讓我們開始：

Google ML kit 工具包

Google ML Kit(面向移動應(yīng)用程序開發(fā)人員的Google SDK Beta機(jī)器學(xué)習(xí))經(jīng)過創(chuàng)新設(shè)計，可讓應(yīng)用程序開發(fā)人員在iOS和Android手機(jī)上創(chuàng)建自定義和高級功能。 除此之外，它還允許移動應(yīng)用程序開發(fā)人員將機(jī)器學(xué)習(xí)技術(shù)與基于設(shè)備或云中運(yùn)行的移動應(yīng)用程序的各種API集成在一起。

這些功能包括一些高級功能，例如文本和面部識別，圖像標(biāo)記，條形碼掃描等等。 在集成API可能與用例不兼容的情況下，移動應(yīng)用開發(fā)公司還可以創(chuàng)建自己的TensorFlow Lite模型。

Tensorflow

如果您從事人工智能領(lǐng)域的工作，則可能已經(jīng)嘗試，發(fā)現(xiàn)或?qū)嵤┝四撤N深度學(xué)習(xí)計算。 Tensorflow上最令人驚奇的事情之一是，當(dāng)使用Python編程語言創(chuàng)建程序時，您可以輕松地繼續(xù)運(yùn)行并組織CPU或GPU。 因此，無需創(chuàng)建CUDA或C ++級別即可繼續(xù)在GPU上工作。

此外，它使用多層中心布局，可讓您快速訓(xùn)練，創(chuàng)建和發(fā)送帶有大數(shù)據(jù)集的偽造系統(tǒng)。 這使Google能夠識別照片或語音識別應(yīng)用程序中口頭表達(dá)的單詞中的問題。

mxnet

這使您可以通過"忘記背景"來交換內(nèi)存計算的時間，這對于以很長的順序重復(fù)大量網(wǎng)絡(luò)非常有用。 考慮到可擴(kuò)展性構(gòu)建(對多臺機(jī)器和多個GPU進(jìn)行培訓(xùn)非常容易使用的支持)。

有許多有趣的功能，例如輕松地用高級編程語言編寫自定義層。 與所有其他關(guān)鍵框架不同，它們并不直接隸屬于任何關(guān)鍵公司，這是任何社區(qū)創(chuàng)建的開源框架的健康狀態(tài)。

TVM兼容性，這將增強(qiáng)與移動應(yīng)用程序的兼容性，并使其可以在大量新設(shè)備上使用。

Infosys Nia

這是一個基于知識的人工智能平臺，由Infosys于2017年創(chuàng)建，目的是在自學(xué)知識庫中收集來自個人，流程和遺留系統(tǒng)的組織數(shù)據(jù)。

它是由開發(fā)人員設(shè)計的，用于解決業(yè)務(wù)挑戰(zhàn)性任務(wù)，例如預(yù)測需要創(chuàng)建和理解客戶行為的產(chǎn)品和收入等等。 該工具還使全球各地的公司都可以使用安全的現(xiàn)金訂單流程輕松地管理客戶查詢，了解實(shí)時呈現(xiàn)的風(fēng)險。

Accord.NET 框架

這是一個集成了圖像處理庫和C#語言的機(jī)器學(xué)習(xí)框架。 它是為移動應(yīng)用程序開發(fā)人員精心設(shè)計的，用于創(chuàng)建應(yīng)用程序，例如計算機(jī)視覺，模式識別，收聽計算機(jī)(或收聽機(jī)器)以及各種商業(yè)用途的信號處理。

它分為多個庫，供最終用戶選擇。 它包括信號處理，科學(xué)計算，圖像和支持庫，并具有大量功能，例如實(shí)時人臉檢測，自然學(xué)習(xí)算法等。

H2O

H2O是領(lǐng)先的開源軟件工具之一，為開發(fā)人員和公司提供了與人工智能平臺集成的工具。 該平臺由H2O.ai設(shè)計并用Python，Java和R等各種編程語言編寫，該平臺采用開發(fā)人員熟悉的語言進(jìn)行設(shè)計，以促進(jìn)預(yù)測分析和機(jī)器學(xué)習(xí)的移動應(yīng)用。

除此之外，H2O還可以用于分析各種云文件系統(tǒng)和Apache Hadoop中的數(shù)據(jù)集。 它也可以在macOS，Linux和Microsoft Windows操作系統(tǒng)上使用。

軟件測試中的AI工具

持續(xù)交付和DevOps的出現(xiàn)促使企業(yè)在軟件交付周期的多個階段中探索實(shí)時評估。 我們已經(jīng)到了一個階段，CIO積極尋找AI可以幫助他們實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型目標(biāo)的方法。

AI和ML的綜合能力已達(dá)到頂峰，因此組織也有充分的理由將它們總結(jié)為理想的工具。 應(yīng)用人工智能技術(shù)已成為現(xiàn)實(shí)，它不再是一個新概念。

一直以來，將AI與ML相結(jié)合已成為日常工程流程的一部分。 說到哪個，這僅僅是機(jī)器將取代人類的時代的開始嗎? AI將如何轉(zhuǎn)變功能測試自動化? 讓我們開始一個個地處理這些查詢：

質(zhì)量保證工程師日新月異地克服了許多困難，浪費(fèi)了大量時間來尋找合適的解決方案。 同樣，在進(jìn)行任何新添加時，即使經(jīng)過測試，現(xiàn)有代碼也可能會停止工作。

擴(kuò)展現(xiàn)有代碼時，開發(fā)團(tuán)隊(duì)將進(jìn)行新的測試。 由于回歸測試周期很長，因此手動進(jìn)行分析會淹沒質(zhì)量保證。

可以解釋為："如果在代碼中添加了新功能，則先前創(chuàng)建的自動測試將成功完成。 即使新添加的功能沒有響應(yīng)，該自動測試也不會引起任何問題。" 在這種情況下，只有手動研究才能發(fā)現(xiàn)這些變化。

盡管SDLC每天變得越來越復(fù)雜，交付周期正在縮短，但測試人員需要立即將評估和反饋傳達(dá)給開發(fā)團(tuán)隊(duì)。 鑒于產(chǎn)品發(fā)布和新軟件的發(fā)展速度更快，唯一可用的選擇是進(jìn)行更智能的測試。

現(xiàn)在過去每個月發(fā)布一次，現(xiàn)在每周發(fā)布一次，幾乎每天都會列出更新。 因此，很明顯，簡化軟件測試并使之更高效/更智能的關(guān)鍵是AI。

測試人員團(tuán)隊(duì)可以通過包含可以準(zhǔn)確模仿人類行為的機(jī)器來更改傳統(tǒng)的手動測試模型方法。 然后，他們可以穩(wěn)步推進(jìn)基于精度和自動化的連續(xù)測試過程。

由AI驅(qū)動的連續(xù)測試平臺可以比人工更有效地識別更改的控件，并不斷更新其算法。 他們有能力觀察甚至很小的變化。

在談?wù)撟詣踊瘻y試時，人工智能已廣泛用于各種用戶界面的對象應(yīng)用程序分類中。 在此，當(dāng)測試人員可以在創(chuàng)建通常在開箱即用的設(shè)置中看到的工具之后可以對控件進(jìn)行預(yù)培訓(xùn)時，將對所有公認(rèn)的控件進(jìn)行分類。 在觀察控件的層次結(jié)構(gòu)之后，這些測試人員以AI看到GUI(圖形用戶界面)獲取各種命令標(biāo)簽的方式創(chuàng)建了技術(shù)準(zhǔn)則。

一個人需要訪問多余的測試數(shù)據(jù)，因?yàn)闇y試全部與結(jié)果認(rèn)證有關(guān)。 有趣的是，由Google DeepMind推出的AI程序利用真誠的學(xué)習(xí)支持自行玩電子游戲。 因此，帶來了大量的測試數(shù)據(jù)。

在這條線下，AI觀察到用戶在測試站點(diǎn)內(nèi)實(shí)施探索性測試。 該測試?yán)萌四X來識別和評估正在測試的應(yīng)用程序。 反過來，這將導(dǎo)致顧客使測試用例自動化并使業(yè)務(wù)用戶充分地進(jìn)行測試。

在評估用戶的行為時，將對風(fēng)險偏好進(jìn)行監(jiān)視，分配和分類。 這些數(shù)據(jù)有助于消除不同的異常情況并評估自動化測試。 特定的分析工具(例如熱圖)將有助于確定過程中的障礙，并幫助您確定可以進(jìn)行的測試。 通過自動執(zhí)行冗余的手動測試和測試用例，測試人員可以更加專注于制定數(shù)據(jù)驅(qū)動的決策和連接。

總結(jié)一下：

當(dāng)您雇用開發(fā)人員時，您可以確保他/她知道其中一些工具，以便您可以使用最好的基于AI的軟件解決方案。 有許多頂級軟件開發(fā)公司都使用這種工具來制作功能豐富的高級軟件解決方案。

那你還在等什么? 使用基于AI的工具來擁有自己的軟件應(yīng)用程序。