AI技術在軟件測試領域的應用比軟件開發早。早在上個世紀七、八十年代，軟件測試就開始應用采用遺傳算法生成測試數據，到九十年代，其研究和應用逐漸增多，從單元測試、接口測試到GUI的系統測試，提供自動化的測試用例生成、自動化的測試執行和評估等功能，取得了不少成功的實例，幫助研發團隊節省了大量時間和成本，提高了測試的質量和可靠性。

1. 單元測試中的應用AI：AI技術可以幫助自動生成單元測試用例。通過使用機器學習和符號執行等技術，AI算法可以分析代碼和程序的結構、邏輯，AI算法可以自動識別潛在的邊界條件、異常情況和路徑覆蓋需求，并生成相應的測試用例自動生成覆蓋率較高的單元測試用例，從而提高單元測試的效率和準確性。例如智能測試工具evoSuite就是其中的一個代表，國內也有公司推出智能單元測試工具：smartUnit。

除了開源的evoSuite，Microsoft開發了一個名為SAGE的自動化測試工具，它使用了AI技術來生成和執行單元測試用例。SAGE能夠自動分析代碼和執行路徑，生成具有高覆蓋率的測試用例，并發現潛在的錯誤和異常。

大模型推出之后，AI賦能單元測試，其能力有了明顯的提升，根據實驗評測結果：ChatGPT 生成測試的覆蓋率與人工編寫的測試相接近，并高于現有的測試生成技術；而且ChatGPT 生成的測試具有良好的可讀性，與人工編寫的測試相比具有相近的可讀性水平（詳見論文：No More Manual Tests? Evaluating and ImprovingChatGPT for Unit Test Generation）。但受Test Oracle制約，其生成腳本在執行時容易出錯，主要由于ChatGPT生成的錯誤斷言語句導致的。加上人工檢查，容易修正斷言的問題。

2. 接口測試中應用AI，我們可以通過使用機器學習和模型驅動測試等技術，AI算法可以分析系統的結構和接口，自動生成集成測試用例，并自動執行和評估測試結果，從而提高集成測試的效率和覆蓋率。也可以借助NLP技術，分析接口測試文檔，從而生成接口測試數據，從而高效、全自動地完成接口測試。

3. GUI系統測試中的應用AI：通過使用圖像識別和自然語言處理等技術，AI算法可以自動分析和識別GUI界面的元素和操作，自動生成測試用例，并自動執行和評估測試結果，從而提高GUI系統測試的效率和準確性。

之前，智能模糊測試工具也具有代表性，如Facebook（Meta）的Sapienz就是基于搜索的“遺傳算法”(GA)來實現的，只是指導GA算法進化的適度函數(fitness function)非常復雜：有多個目標，由“帕累托最優”（Pareto optimality）交織在一起，每一次成功的進化都必須實現這些目標，效果不錯，但不能用在功能測試上，而是穩定性測試上。

之后，深度學習和強化學習技術在GUI測試中的應用得到了廣泛關注，我們可以使用深度學習模型來分析GUI界面的特征和行為，生成測試用例，檢測異常和錯誤，并優化測試過程；我們使用強化學習算法來學習最佳的用戶交互策略，從而自動生成各種用戶交互和操作序列，以測試GUI應用程序的各種功能和用戶體驗，以最大化測試的效果和覆蓋率。

大模型發布之后，軟件測試的智能化明顯得到提升，想象空間迅速擴大。

例如，我自己親自嘗試用GPT完成驗收標準、測試用例生成等工作，詳情見：又一次被震驚：從生成和細化需求到應用各種方法設計測試用例。這樣例子很多，最近，我看到一篇論文（Fill in the Blank- Context-aware Automated Text Input Generation for Mobile GUI Testing），是由中科院軟件所研究團隊寫的，他們借助GPT進行Android的功能測試，開發了基于大模型的測試工具GPTDroid，在這216個應用程序中，發現了135個漏洞，涉及115個應用程序。其中，48個漏洞涉及39個應用程序是新發現的。令人更為關注的是，這些新的漏洞并未被之前的靜態分析工具所發現。這48個漏洞提交給開發人員，他們已修復了其中的31個，確認存在的有17個，但沒有一個被拒絕。這進一步證明GPT的能力是最強的。

審核編輯：劉清