AI和机器学习如何实现测试以跟上IOT

物联网已经渗透到我们生活的方方面面，它正在改变我们测试和开发软件的方式。随着物联网市场的预计价值到2024年达到14903.1亿美元在美国，这种爆炸性增长将继续下去。然而，测试过程和流程还没有准备好测试物联网，如果没有发生更改，很可能导致部署、更新和用户接受的延迟。

那么，这种疯狂的增长对测试意味着什么呢?

由于IOT继续滚雪球，因此由于涉及广大的系统和变化，它会呈现与无数挑战的测试。IOT应用程序进行端到端软件测试更复杂，许多组织低估了测试策略的问题。在物联网中,公司需要了解应用程序的所有元素,它们如何一起工作和人们如何使用它们,从大量的移动设备和复杂的后端microservices管理一个广泛的传感器和设备优势,以及数据收集、分析和决策在云中。我只想说，这是手工测试的最后一击;然而，测试自动化也需要大修来尝试和跟上。

由于IOT应用程序的许多应用程序由应用程序控制之外的服务组成，因此测试自动化策略可以跟上的唯一方法是接受AI和机器学习。随着从创建到分析的整个测试过程，测试执行的自动化是不够的，需要自动化。为此需要智能模型来自动生成测试，使用AI和机器学习允许团队分析来自测试的数据，并识别具有错误的模式。

人工智能驱动的智能测试可以自己构建模型来持续测试和监控一个系统。不同的人工智能方法可以查看用户界面、网络流量、系统资源等来构建完整的验证模型。扩展测试自动化除了简单的测试执行之外，自动化创建测试是实现复杂物联网系统中实现高水平的测试覆盖和信心的唯一方法。

一旦测试可以自动生成，那么就需要机器学习来对焦于真正重要的领域的测试，“学习”是最风险的区域和最重要的区域，然后重点关注测试那个地区。今天，大多数团队只有几百个测试脚本，所以很容易运行所有测试;但是一旦我们可以自动生成数十亿的测试，我们需要机器学习帮助确保我们正在执行正确的项目，以交付一个健壮的产品。

机器学习也越来越多地被用来理解哪些行为是bug，哪些是特性。目前，开发团队手动定义每个测试用例的正确行为。然而，一旦我们有了数十亿个测试用例、高度复杂的系统、相互交互的物联网系统和突发行为，人类显然无法定义每种情况下什么是正确的。特别是因为“正确”将是一个范围的值，而不仅仅是一个，而且可能根据用户和上下文的不同而有所不同。

所以，人工智能和机器学习是物联网测试的未来作为自动生成测试，确定要运行哪些测试并确定哪些测试失败。

如果您认为IOT系统的不同示例 - 从可穿戴物到智能冻结到亚马逊 - 他们是复杂的应用程序，包括通常在完全不同的技术堆栈上建立的大量互连系统，因此智能测试变得必不可少。智能测试，使用AI和机器学习，是关于测试的更加可操作的智能：当自动化，认知系统和高级分析成为测试生态系统的组成部分时，我们应该具有很高的期望，特别是在主动处理用户界面周围的问题时用户体验。

对于IOT继续实现快速增长的路径，智能测试不再是愿望，而是必不可少的。通过合并AI和机器学习，测试不仅更智能，而且它将成为拥抱它的IOT业务的关键业务加速器。

所有物联网议程网络贡献者对其帖子的内容和准确性负责。观点是作者的，并不一定传达物联网议程的思想。