人工智能、机器学习和软件开发的未来( 二 ) _软件开发

无代码革命带来了翻天覆地的变化，让非专家也能处理复杂的任务，让专家有更多时间处理其他任务。因此，在不久的将来，我们无疑会看到越来越多的面向各个行业的无代码解决方案。

2025？真正智能的自我测试软件
也就是说，在事物的计划中，无代码革命只是向前迈出的又一步，我相信软件测试的下一步是测试自身的软件。
在这方面我并不孤单：就像无代码革命一样，自我测试软件多年来一直是一个预期的现实。以技术的变化和增长速度，可以想象到 2025 年，无需人工干预即可测试 AI 运行的智能测试自动化（即自测试软件）将大大扩展，这一点也不荒谬。
目前，智能测试的有限实施通过依赖机器学习 (ML) 和人工智能平台提高了软件发布的速度和质量。这允许进行快速和连续的测试（并由此提高投资回报率）。此外， AI 可以复制人类智能，而 ML 则可以让计算机在没有人为干预的情况下进行学习。
人工智能和机器学习采用基于深度学习的算法来访问数据，并通过提取模式从数据中学习，从而更有效地进行调试和决策。此外，这项技术允许 QA 团队跨各种设备和不同的外形规格执行许多测试。
不是几天，而是几小时。现在这是一场革命。
没有代码仍然需要人；人不是机器：他们会犯错误。即使没有代码——虽然大大减少了——人为错误仍然是导致严重问题的一个因素。考虑由人工测试引起的资源、时间和精力的过度使用。
智能测试自动生成和维护测试用例并产生有价值的收益，这些收益可以概括为提高生产力和输出质量。但要实现智能测试自动化，必须首先结合以下要素：

从人类输入中学习：当机器进行测试时，它必须像人类一样行动。它必须了解人类需要和想要什么，以及人类如何使用设备。正如我们所讨论的，这可能很难预测，复杂的应用程序意味着复杂的测试场景和模式。然而，机器必须从这个有利的角度理解和操作。
从实际使用的产品数据中学习：机器必须了解应用程序在不同生产环境中的使用方式。这包括了解可能正在使用的设备、设备设置的语言及其使用流程，包括菜单、屏幕和操作的使用。
训练数据就像自动驾驶汽车（一个尚未破解的坚果）一样，机器学习需要训练数据来帮助概述软件模式。

这三项必须内化并针对每次代码更改进行彻底测试。然后，必须以无缝和智能的方式对它们进行聚合和优先级排序。这是一项不小的壮举，但我们将继续朝着下一步努力。
我们还没有。在我们继续前进之前，必须完成这些步骤中的每一步，但这实际上只是时间问题。
自我测试软件只是第一步：我预测我们可以期待其他刚刚投放市场的无代码示例向机器学习方向发展。我相信基于一些用户指定的参数生成整个网站成为现实只是时间问题。今天，无代码革命终于到来了，但随之而来的是另一场革命的开始。