【AI测试】人工智能测试、算法测试整体介绍

主要内容是 第一部分：人工智能和测试的介绍 第二部分：人工智能系统的特性和验收标准 第三部分：机器学习 第四部分：机器学习的性能指标和基准 第五部分：人工智能系统测试简介 第六部分：人工智能系统的黑盒测试 第七部分：人工智能系统的白盒测试 第八部分：测试人工智能的测试环境 第九部分：使用人工智能进行测试

传统系统的测试已被很好地理解，但是基于AI的系统对我们的日常生活变得越来越普遍和至关重要，它带来了新的挑战。 这篇内容涵盖了人工智能（AI）的关键概念，我们如何确定验收标准以及如何测试基于AI的系统。 这些系统通常是复杂的（例如深层神经网络），这给测试人员带来了许多新的挑战和机遇。 在整个文档中，首字母缩写词AI代表“人工智能”一词。

91％的技术主管认为AI将成为下一次技术革命的核心。

搜索算法•推理技术–逻辑程序–规则引擎–演绎分类器–基于案例的推理–程序推理•机器学习技术–人工神经网络•前馈神经网络•递归神经网络–贝叶斯网络 –决策树–深度学习•卷积神经网络–强化学习–转移学习–遗传算法–支持向量机 结合使用这些技术，可以将一些最有效的基于AI的系统视为AI混合体。

TensorFlow –基于数据流图，可用于Google的可扩展机器学习 PyTorch-用于使用Python语言进行深度学习的神经网络 MxNet –亚马逊用于AWS的深度学习开源框架 Caffe / Caffe2-使用C ++和Python接口编写的深度学习开放框架CNTK –微软认知工具包（CNTK），一种开源深度学习工具包 Keras-用Python语言编写的高级API，能够在TensorFlow或CNTK上运行

到目前为止，所有成功的AI都是“狭窄”的AI，这意味着它可以处理一项专门的任务，例如下围棋，充当垃圾邮件过滤器或驾驶自动驾驶汽车。 通用AI比狭窄的AI先进得多，它是指一种基于AI的系统，它可以处理许多完全不同的任务，与人类一样。 通用AI也被称为高级机器智能（HLMI）。 2017年发布的一项针对AI研究人员的调查报告称，HLMI何时实现的总体平均估计值是到2061年。在这些AI研究人员中，有15％的人认为HLMI对人类会产生不良或非常不良的后果。 一个普遍的假设是，一旦实现了一般的AI（并且允许基于AI的系统访问互联网），基于AI的系统将使用对可用信息，处理能力和存储的访问进入自我循环-改进。 片刻之后，这将意味着该系统将变得比人类更智能（继续变得超级智能）。 这种智能爆炸发生的时间点称为技术奇点。

标准化旨在促进创新，帮助提高系统质量并确保用户安全，同时创建一个公平开放的行业生态系统。 AI标准化发生在各个级别，包括：国际标准组织、区域标准组织、国家标准。

监管标准可以分为两大类：适用于安全相关系统的标准和适用于非安全相关系统的标准，例如财务，公用事业和报告系统。 与安全相关的系统是那些可能对人，财产或环境造成伤害的系统。