А конкретно мова піде про інструменти для тестувальників і розробників. В обох сферах йде стрімкий розвиток ШІ-технологій, що дозволяє розглядати варіанти дистанційної зайнятості для програмістів, що активно використовують штучний інтелект.
Чому штучний інтелект актуальний для тестувальників
За допомогою машинного навчання, наприклад, можна виявляти закономірності та прогнозувати майбутні тенденції. Пізніше ми трошки розкриємо цю тему.
Штучний інтелект може значно допомогти в налаштування та підвищення надійності результатів, знижуючи залежність від ручного тестування, що в перспективі призводить до більшої ефективності, прозорості та швидкості в автоматизації цього процесу. А, відповідно, тепер робота для студентів онлайн у сфері тестування вже не виглядає фантастикою.
Тестування ПЗ дозволяє виявляти невідповідності очікуваним результатам у поведінці системи, завдяки чому користувачі ресурсу чи якоїсь програми досить рідко стикаються з так званими багами. Але ніхто не відміняв помилку чи неуважність тестувальника, і потім баг каже комусь "привіт, давно не бачились!". Погодьтесь, неприємна історія, особливо якщо розробникам заплатили серйозні гроші.
Ось тут своєрідну цифрову руку допомоги нам і може подати ШІ-тестування. Оскільки вона не втомлюється, не вигорає і не втрачає працездатність ближче до вечора, вона може виконати дуже великий обсяг роботи, притому швидше за людину. Так "машина" покращує наше мислення та допомагає нам у повсякденних завданнях.
А чи можна реально застосувати ШІ в тестуванні?
Приклади практичного застосування ШІ у роботі тестувальників численні. Один із них полягає в автоматизації взаємодії з інтерфейсами користувача. Припустимо, нам потрібно було перевірити взаємодію нашого користувача із різними випадаючими меню та як отримуються певних значення з DOM-локаторів на веб-сайті, який використовує HTML, CSS та JavaScript.
В популярний нині ChatGPT дослідники записали всі потрібні завдання і почали спостерігати за тим, як він "думає". Головною метою було визначити, чи зможе електронний мозок видати такий самий екземпляр, як, наприклад недосвідчений джун чи новачок, який тільки що почав свою кар'єру у галузі тестування.
Результат здивував багатьох, машина успішно впоралась зі своєю місією і генерувала все що потрібно.
Таким чином, самі бачите - певною мірою автоматизація можлива, якщо задача чітко визначена, зрозуміла і тепер потрібна лише технічна перевірка, яка потребує "переборки" різних варіантів.
Але які б неосяжні можливості нам не давала автоматизація, повністю людину вона не замінить. Тож можете не переживати, якщо ви працюєте тестувальником, вашу зарплату не віддадуть на користь купівлі платного акаунта якогось ШІ-процесора.
Такі важливі особливості і якості людини як критичне мислення або інтуїцію не зможе замінити штучний інтелект, як би цього не хотілося. А отже, тестувальники можуть використовувати подібні технології лише як допоміжні і не більше того.
Реальні кейси застосування ШІ у тестуванні на ринку
Назвемо кілька прикладів, бо назвати їх всі може мабуть, тільки і сам штучний інтелект, щоб себе прорекламувати. Тож кілька знакових:
- Компанія Mindfire Solutions застосовує штучний інтелект , щоб швидесенько розробляти нові тести та прогнозувати, які будуть потрібні в подальшому. Вже з'ясувалось, що це значно сприяло підвищенню швидкості роботи в цілому
- А от платформа Functionize (що мабуть, відома вже всім, бо з ними багато хто співпрацює) пішла трохи далі, і використовує ШІ для створення та управління тестами в реальному часі. Тепер те, на що раніше уходили години - по 50 чи 40 годин підряд, тепер можливо зробити за лічені години. А по мірі "навчання" цей строк, мабуть, ще більше скоротиться!
- Третім назвемо Perforce, бо ці хлопці пішли ще далі. Вони віддали на відкуп ШІ навіть прогнозування самих тестів, розробку стратегії їх застосування. Компанія запевняє, що це значно скоротило кількість можливих помилок, а до того ж пришвидшило усі процеси в цілому.
Загалом же подібних прикладів можна називати ще багато. Як бачите, технології активно впроваджують, хоч повністю довіряти їм, мабуть, ще не дуже варто. Наприклад, питання безпеки та конфіденційності у випадку з ШІ гарантувати важко. Пам'ятаєте нещодавній "злив" діалогів? Ось-то й воно, хто знає чи не зіллють ваш код кудись, де ним скористаються?
ШІ і його впровадження у розробці
Тут ситуація теж подібна до тестування. З використанням штучного інтелекту можна створювати великі фрагменти коду, які є суто технічними і не потребують глибоких знань, зате потребують фактичних зусиль і часу на виконання. Адже з ними цілком може впоратись і машина. Все частіше можна зустріти онлайн вакансії на роботу з штучним інтелектом навіть у розробці, що колись вважалось поганим тоном. Зараз все вже не зовсім однозначно.
Але поряд із цим спостерігається і справжній бум використання ШІ там де треба і там де не треба. Внаслідок цього вже відмітили і тривожні моменти, зокрема що процес розробки тепер перетворився на зборку пазла з фрагментів, написаних штучним інтелектом. І відповідно, тепер розробники перестають взагалі задумуватись над тим, як код працює, перетворюючись на операторів по бесіді з штучним інтелектом. Але поки не будемо про погане.
Бот, що допомагає створити ігру з ботами
Так, штучний інтелект активно застосовується, наприклад, у геймдеві. Наведемо цей приклад, бо він дуже показовий. Якщо ви колись грали у комп'ютерні ігри, то напевне доводилось боротись з комп'ютерними противниками у гонках, головоломках, стрілялках тощо.
Але насправді боти допомагають і створювати ігри. Окрім геймплею, штучний інтелект використовується для розробки ігор. Тут AI допомагає відразу в кількох областях:
- Розробка та тестування рівнів. Наприклад, боти можуть пройти або проїхати по всій ігрокарті і виявити непрохідні області, "застрявання" та інші нюанси, щоб потім ніхто не застрягав у текстурах.
- Тестування балансу. Наприклад, ввели нові поправки на баланс чи змінили якісь характеристики - і одразу можна влаштувати битву двох команд ботів, які перевірять наскільки все адекватно і чи нема "перекосу". До того ж, бота можна налаштувати по скілу як "середнього" і зімітувати людину, а от набрати команду "середніх" геймерів що дорівнюють по скілу один одному зазвичай важко і довго.
- Перевірка нових предметів та навичок. Наприклад, потрібно перевірити характеристики нової машини. Розробник прописує для бота сценарій, і той випробовує машину на ігрових локаціях у всіх можливих режимах, чітко виконуючи вказівки розробника, що дуже зручно. Або, наприклад, бот може методично робити одні і ті самі рухи, для перевірки якихось нюансів чи ігрових механік.
Приклади ШІ, що впроваджений у розробку
Серед найбільш яскравих інновацій у цьому секторі виділяються два найважливіші проекти: DeepCode та OpenAI Codex.
DeepCode, що зародився як стартап у Цюріху, є прикладом ефективного використання машинного навчання для аналізу та оптимізації коду. Він аналізує запропонований код і може виявити у ньому будь-які баги, неточності чи проблеми, використовуючи власні фічі для аналізу.
Секрету тут немає ніякого, фактично люди самі навчили ДіпКод думати. Автори зібрали величезну базу кодів з GitHub, і завантижили її в "пам'ять" цього ШІ-монстра. Відповідно, він сам навчається на мільйонах проектів, вивчаючи як їх переваги, так і помилки.
Другий інструмент, OpenAI Codex, розроблений відомим лідером у цій сфері, компанією OpenAI, вміє взагалі самостійно генерувати код. Заснований він на версії GPT-3, тому багато хто може, трохи знайомий з ним, якщо вів "розмови" з ChatGPT і пропонував йому шось "дописати".
Цей "електронний мозок" відкри широченні можливості не тільки для "прокачаних" розробників, які можуть банально вкоротити час написання і зробити собі менше роботи, а і для недосвідчених новачків, які шукали роботу в інтернеті без досвіду. Таким людям Codex допомагає навіть у процесі навчання програмуванню, тому можна непогано зекономити.
Мінуси ШІ-асистентів для розробників
Звісно, без проблем не обходиться. Перш за все, варто зрозуміти, що машина абсолютно байдужа до істини чи адекватності чи зручності. Вона просто генерує далі, грунтуючись на тому, чи працює попередній механізм. Тому розробити повноцінний продукт на основі машинного коду навряд чи можна. Вірніше, так: розробити можна, але завжди продукт який створили люди (хай і з допомогою машин) вас на ринку обійде. Тепер далі по пунктах:
- Своєрідна ШІ-наркоманія теж має місце. За статистикою, на ГітХабі користувачі приймають приблизно третину від загального обсягу кодів, створених ШІ-асистентами. Але цікавинка: чим довше користувач "сидить" на ШІ-сервісах, тим більше він їх використовує, і тим менш критично ставиться до їх творчості.
- Проблеми з безпекою. Різноманітні відкриті точки, доступність платіжних даних чи інших репозиторіїв - все це зовсім не турбує ШІ-програму, тому якщо ви розробляєте щось серйозніше за калькулятор, то до цього варто ставитись серйозно. Не довіряйте штучному інтелекту повністю, це все одно що довіряти якомусь глухому добродію послухати чиюсь лекцію і потім переказати вам.
- Криза кадрів. Зараз компанії почали активно відмовлятись від джунів, бо типу ж "ШІ зробить швидше і дешевше". Але проблема в тому, що з ШІ-асистента ніколи не вийде толкового сеньйора, і з таким підходом через 4-5 чи 6 років нас чекатиме глибока криза кадрів у цій сфері.
- Загально-низька якість коду. Є така небезпека, що через якийсь час низькопробного коду, створеного машинами стане стільки, що він стане домінуючим.
Втім, як би воно не було, ігнорувати ці технології вже неможливо. Вивчайте програмування, а заразом і дізнавайтесь більше про Copilot, Codiga чи Tabnine і будьте в тренді. Той хто знатиме, як правильно використати ШІ в своїй роботі, далі матиме набагато вищий шанс отримати хороший варіант віддаленої роботи з повною зайнятістю. Той же, хто відчайдушно чіплятиметься за минуле, ігноруючи реальність - скоріш за все, буде безжально викинутий за межи ринку.
