The Role of Artificial Intelligence and Machine Learning in Software Testing

要約

人工知能 (AI) と機械学習 (ML) は、ソフトウェア開発を含むさまざまな業界に大きな影響を与えています。
ソフトウェア開発ライフサイクル (SDLC) の重要な部分であるソフトウェア テストは、ソフトウェア製品の品質と信頼性を保証します。
従来、ソフトウェアのテストは、多大な手作業を必要とする労働集約的なプロセスでした。
しかし、AI と ML の出現により、自動化とインテリジェントな意思決定機能が導入され、この状況は一変しました。
AI および ML テクノロジーは、テスト ケースの生成、テストの実行、結果分析などの複雑なタスクを自動化することで、ソフトウェア テストの効率と有効性を高めます。
これらのテクノロジーにより、テストに必要な時間が短縮され、欠陥検出の精度が向上し、最終的にはソフトウェアの高品質化につながります。
AI は履歴データを分析してパターンを特定することで、潜在的な障害領域を予測できるため、より的を絞った効率的なテストが可能になります。
このペーパーでは、既存の文献をレビューし、現在のツールと手法を分析し、これらのテクノロジの実際的な利点を示すケーススタディを提示することによって、ソフトウェア テストにおける AI と ML の役割を探ります。
文献レビューでは、ソフトウェア テストにおける AI および ML アプリケーションの進歩の包括的な概要を提供し、主要な方法論とさまざまな研究の結果に焦点を当てています。
現在のツールの分析では、Eggplant AI、Test.ai、Selenium、Appvance、Applitools Eyes、Katalon Studio、Tricentis Tosca などの人気の AI 駆動テスト ツールの機能が紹介され、それぞれが独自の機能と利点を提供します。
このペーパーに含まれるケーススタディでは、ソフトウェア テストにおける AI と ML の実際のアプリケーションを示し、テストの効率、精度、およびソフトウェア全体の品質が大幅に向上していることを示しています。

要約(オリジナル)

Artificial Intelligence (AI) and Machine Learning (ML) have significantly impacted various industries, including software development. Software testing, a crucial part of the software development lifecycle (SDLC), ensures the quality and reliability of software products. Traditionally, software testing has been a labor-intensive process requiring significant manual effort. However, the advent of AI and ML has transformed this landscape by introducing automation and intelligent decision-making capabilities. AI and ML technologies enhance the efficiency and effectiveness of software testing by automating complex tasks such as test case generation, test execution, and result analysis. These technologies reduce the time required for testing and improve the accuracy of defect detection, ultimately leading to higher quality software. AI can predict potential areas of failure by analyzing historical data and identifying patterns, which allows for more targeted and efficient testing. This paper explores the role of AI and ML in software testing by reviewing existing literature, analyzing current tools and techniques, and presenting case studies that demonstrate the practical benefits of these technologies. The literature review provides a comprehensive overview of the advancements in AI and ML applications in software testing, highlighting key methodologies and findings from various studies. The analysis of current tools showcases the capabilities of popular AI-driven testing tools such as Eggplant AI, Test.ai, Selenium, Appvance, Applitools Eyes, Katalon Studio, and Tricentis Tosca, each offering unique features and advantages. Case studies included in this paper illustrate real-world applications of AI and ML in software testing, showing significant improvements in testing efficiency, accuracy, and overall software quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google