本文作者

Dilys迪丽斯，Harmo哈莫

概述

所谓的 AI 测试，或者说 人工智能测试，其实其本质还是没有脱离测试的本质：对软件对象定义一些质量描述指标，并用特殊的手段将其量化出来。

在本系列的文章正式开始之前，先要了解一下，人工智能的一些重要概念，以及它主要解决的问题。

人工智能介绍

当下，人工智能空前火爆。自 “阿尔法狗”（AlphaGo）完胜人类围棋顶尖高手后，有关人工智能的讨论就从未停歇。一时间，贴着人工智能标签的项目如雨后春笋般涌现，与人工智能业务相关的公司股价更是一路看涨。AI 如此热门，软件测试领域对 AI 测试给予了极大的关注。本文主要介绍 AI 测试中的性能度量指标。

相关术语

人工智能，机器学习与深度学习关系：

• 人工智能（Artificial Intelligence，AI），是指由人制造出的机器所表现出的智能。这是维基百科给出的定义。
• 机器学习，是实现人工智能的一种方法。已经研究出的算法包括决策树学习、归纳逻辑编程、增强学习和贝叶斯网络等。简单来说，机器学习就是使用算法分析数据，从中学习并做出推断或预测。
• 深度学习，是实现机器学习的一种技术。早期机器学习研究者中还开发了一种叫人工神经网络的算法，神经网络是受人类大脑的启发而来的：神经元之间的相互连接关系。

下图是人工智能，机器学习，深度学习三者关系图，其实这个图已经非常常见了，但是还是有必要弄出来：

（图片来源：https://testerhome.com/topics/11785）

主要应用场景

目前，人工智能已经在很多领域取得了重大成果。下图概括了国内人工智能某些领域的应用成果。

主要技术领域

目前，人工只能的主要技术领域包括数据挖掘，计算机视觉，语音识别和自然语言处理，其中计算机视觉包括图像识别和视频识别。

后文提要

后续的文章会由浅到深的讲 AI 中不同的任务的一些重要评价指标及算法。

其实上图描述还不太准确，但是由于目前还没有想好具体的分类方法，暂可以先凑合使用一下。

所有的 AI 测试里面，最简单，也最容易理解的问题就是：二分类的测试问题。

基本上只需要 小学的数学运算水平 和 大学的一些数学记号 ，就能胜任的工作。

敬请期待。。。