之前一个同事有过一个想法，利用自然语言处理技术 针对 需求文档 自动生成测试用例

就跟 alpha go 一样，自己学习，干嘛要取自动生成用例，你应该是让去自己思考用例，并自己去执行测试，这才是终极目标

我有个朋友去年花了 500W 专门做数据来训练自己的算法，想法可以有，想之前最好还是了解一下有没有可行性。
机器学习本质是概率的东西，说实话，测试是一个需要评判对错的工作，我个人是看不到能用到的地方。

啊，不不不 终极目标应该是 自动生成完美代码，无需测试

fuzz 的时候可以用。。。
至于什么自己根据需求来生成测试用例之类的就有点扯淡了。。
但在一些小范围的地方，的确可以使用机器学习来辅助，但这类场景都很少很少

另外赞同楼上说的：机器学习本质是概率的东西，测试是一个需要评判对错的工作

我觉得整个行业还是最好还是先分清 神经网络、深度学习、人工智能、机器学习吧。让我想起来以前云计算大火的时候，做 asp 建站的厂商也跑出来说他们是大数据 + 云计算，让人哭笑不得。目前所有的人工智能跟测试的结合案例都是假的。我也期待有更好的应用场景。我很早之前就试过用机器学习找 bug，这个是可行的，但是说实话严谨的算法比机器学习靠谱的多。测试工程师首先要学会积累数据，然后才能到特征化、并利用各类智能算法去推导。目前来看只有极少数行业的顶尖公司可以做到这点。

我觉得你看看我这篇帖子吧：https://testerhome.com/topics/10809

生成代码也是先生成一个最低可用的代码, 然后通过测试不断优化修复 bug, 达到一个可接受的代码

最近也在思考机器学习和测试结合的问题，学术界目前做的比较多的方向是缺陷预测，主要用来辅助判断测试的执行顺序。不知道有哪些顶尖公司在研究这个方向，以及有没有对外的最新进展？

欢迎 加入 阿里 大数据平台，有 人工智能 + 大数据 + 测试 的结合 实践机会：https://testerhome.com/topics/11583

最近需求那么大

嗯嗯，有兴趣可以考虑下，或者推荐推荐~

现在的人工智能要跟测试有效结合起来，感觉还比较难，当然，行业内也有一些公司有不错的开端，比如国外我们熟知的微软做了一款基于人工智能测试的产品，具体名字不太记得了，可以 google ai in test research 下（家里没有梯子，见谅），就个人看来，没有大量的数据，案例从而标记转化为有效的积累进而达到可衡量和可信赖的模型输出之前，ai+test，当前可能更多的还是基于 TDA（test driver ai），还是老瓶干新酒，比如对于算法模型的快速测试，快速评分，正负样本的采集，准备（spider）。当然，科技的进步速度和高度，也不是我这样的人能一眼看尽的，我也很期待看到和听到一些 ai+test 的好的案例的借鉴和分享。也期待在深圳做这块的朋友多交流，共享～欢迎➕个 q：75587880.备注：testhome，ai+test。不知是否符合平台管理规范。

！

目前感觉还是局限性和成本维护太大

这个正好我也做过，我们的测试用例 是用 关键字驱动的 ，所以用自然语言处理 有比较大的优势