AlphaGo的出色表演让人工智能名声鹊起，而在不久前的全国两会期间，人工智能被首次写入政府工作报告，人工智能再次向人们展示出了它的魅力。毫无疑问，人工智能、万物互联是未来趋势。
人工智能的兴起离不开大数据、云计算和深度学习等技术的突破，而就目前来说，人工智能更多的是用机器人来模拟人的多种行为以及能力。对于测试行业来说，自动化测试的出现，让其早早地镌上了AI的身影，但是，不少自动化系统的搭建都存在一个让人苦恼的问题：
场景：
某公司搭建了自动化测试平台用于App自动化测试，然而App几乎每周都会发布新版本，不断出现的新特性和功能变更，让Tester疲于写测试脚本，相比手工测试，似乎没有节省太多的工作量。
这种情况应该很多团队都能够感同身受，同时，James Whittaker(Google测试专家)针对“User Acceptance Tests” 也推荐的是手工测试。
而这一结论主要源自于“ROI（投资回报率）”，在自动化测试中主要体现在：
需要搭建复杂的环境
站在用户角度验证，变化快速
用例编写和维护成本可观
分析来看，普通的自动化测试虽然能够通过机器的模拟能力来进行一些人工重复性的测试工作，但实际上其投资回报率却不高，这就导致了传统自动化测试与手工测试之间的一个尴尬关系。
如果传统自动化测试能够很好地契合人工智能的特点（大数据、云计算和深度学习），那么就可以在很大程度上解决传统自动化测试投资回报率低下的问题：
首先通过深度学习功能，能够化解自动化测试想象力不足的缺陷，较为轻易地达到手工和自动化的融合，提升测试的效率。
当测试数据大量累积，自动化测试配合云计算技术引入，能够针对不同领域的应用进行用户角度的预验证，并根据大数据分析来提前为迭代变化做准备。
除开人工智能的设想，传统自动化测试还需要其他方面的一些改进。对此，TestBird通过数年的测试累积，提出了新的思路，并通过开发新型的自动化测试平台，在一定程度上提高了投资回报率：
通过远程连接手机终端，在Web端事实操作，后台自动记录行为与结果，将手工和自动化相结合，复用手工测试资产。
通过后台将脚本语言自动图片化，无论在编写还是维护的过程中，测试人员都不用在手工进行脚本编写，只需要进行点击操作，即可生成用例。这样的做法就从根本上解决了自动化系统框架的高昂学习成本费用的问题 （这在自动化测试中属于一块极大的开销）。
为了顺应目前APP愈发提升的迭代效率，在回归测试环节中，势必需要支持自测环境的一次部署多次使用。要达到这样的目的，TestBird通过将手机资源进行集中管理，通过图片化的用例管理方式已经一键录制多机回放的自动化测试功能，使用例的维护更新以及迭代回放更加简捷高效。
人工智能是一场革命。市场会随着技术的逐渐成熟与渗透而趋步前行，各个行业都是如此，而对于测试来说，人工智能与APP测试的深入结合，为测试带来的变化，都是我们可以持续探索的。
有疑问加站长微信联系（非本文作者）
