至顶网软件与服务频道消息: 2019年10月26日,由Testin主办的第二届NCTS中国云测试行业峰会在北京国际会议中心正式召开,此次峰会以“AI+未来”为主题,汇聚来自国内外测试领域的知名专家学者、领先企业决策者、高层技术管理者、媒体从业者等,共同探讨高端云测试技术,共话云测试行业最火热的AI应用成果,技术革新,以及最前沿的市场趋势。此次会议是测试行业和“AI应用”领域权威的年度峰会,现场共吸引了来自金融、电商、互联网、高校等20多个领域的近千位企业和从业者参加。Testin总裁徐琨坦言,举办NCTS峰会的初衷,就是希望借助这个平台,与测试从业者一同推动云测试产业的升级,分享行业应用,让测试变得更加美好。
2019NCTS峰会现场
中国测试技术的转型和革新是中国互联网飞速发展的缩影,从最初的人工手动测试,到后来的工具测试,再到目前市面上主流的自动化测试,整个行业已经进入到了一个成熟和稳定的阶段,尤其是云测试模式的出现,将整个行业又推到了新的高度。近年来,以AI技术为核心的测试新模式成为了行业争相讨论和想突破的焦点,新技术、新方法、新思维、新未来成为了测试行业最大的变量。
变量之下,总有“黑马”出现。在本次大会的开场发布环节,Testin正式发布全新AI测试产品iTestin,作为Testin人工智能战略中的重要一环,iTestin融合了目前测试领域顶尖的自然语言处理、文本识别、图标识别技术,全面提升测试产品的易用性和自动化效率,在提升脚本编写效率一倍的同时,将脚本的维护成本降低了一倍。
在现场的发布环节,徐琨用自然语言在iTestin上现场演示AI+测试的真正能力,引起了现场观众的惊叹和称赞。使用iTestin的测试人员只需在界面中输入点击、等待、检查、长按、输入等自然语言的文字描述,后台的AI就能准确实时的在真机上进行完整无误的操作和相关指令。
Testin总裁徐琨演讲
传统的测试脚本需要大量的人工介入,通过手工框选目标控件来实现脚本录制和维护,而iTestin这种全新的自然语言脚本大幅降低了脚本录制的难度,也极大提升了产品易用性和脚本维护效率。Testin总裁徐琨表示:“这只是AI测试新时代的开始,未来的测试产品会更智能,更简单,更易用。Testin会不断推进AI测试的演进,为客户创造更大的价值。”
在大会接下来的演讲和讨论中,来自阿里、搜狗、京东、埃森哲、VIPKID、平安集团、汽车之家、饿了么等众多行业翘楚以及北京大学的资深教授发表了最新研究和测试实践,AI+测试成为业内共识,人工智能在测试行业的落地将开启整个测试行业的新时代。
来自北京大学信息科学技术学院计算机科学技术系副系主任郭耀指出:“当今,人们的生活已经离不开手机应用和小程序了,为了保障它们的良好体验,没有过硬的测试是不可能实现的。这次云测试大会汇聚了中国测试行业里顶尖的测试高手,是一次非常难得的技术及经验分享机会。这不仅有利于移动互联网行业,也让我们看到测试行业在未来的发展方向。”
我们正处在一个激动人心的时代, 人工智能技术的发展速度,已远远超出了我们的想象。随着技术的逐渐成熟,人工智能将深刻的改变各行各业,Testin希望携手各方伙伴,共同探索、推动产业智能化升级。 作为一家人工智能技术驱动的企业服务平台,Testin提供测试、安全、推广及AI数据采集与标注服务,旗下的测试业务Testin云测拥有行业前沿的测试技术与深度企业服务经验。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。