为什么认为 AI 发展越来越好？
我的理解 AI 越来越数据驱动 + 资源驱动 + 大佬驱动了。哪一样不是头部才能玩的？
我说的大佬一般都是北美那边的 TOP 博士，现在土博好不好使都难说了。
对普通的你我来说，能有啥区别呢。

相关从业者，我自己都最近没啥任务，也越来越看不到未来发展的趋势了。

可以点击链接尝试体验一下我们 AI+test 的功能测试工具，OCR 视觉录制用例、图片断言、滑块验证码等功能
https://testerhome.com/users/third_app_login/dragontesting

首先我们可以认清自己的水平，大多数测试同学因为工作和精力关系，很难短时间内积累 AI 需要的数学理论和实践经验，所以我先排除掉测试手撸 AI 的无效建议。从更实际的角度出发是：

1. 可有快速了解一些算法包，现在的算法包封装得很完善（所以出现调包侠、调参侠的叫法），如果实际工作有需要的场景其实在编码上可以很快引入简单 AI 来提高效率（至于有什么应用场景，我一时想不到，因为我也没引入什么）。
2. 多了解 AI 的概念和思维，虽然不一定能用上 AI 技术，但是有了理论基础就不容易被忽悠，当有人说 xxx 可以用 AI 解决，可以很快识别结论真伪。
3. 与其焦虑 AI，不如多花点时间打牢质量保障基础，质量保障领域这么多事情可以做，这个世界上多一个人会 AI 不多，少一个人会 AI 也不少，为了跟时髦去卷自己毫无优势的领域，不一定真的有用。

现在用的最多就是 AI 解决工作中的问题，比如环境问题解决、内容答疑、报告编写

先测 AI，从各种算法的 Benchmark 入手测指标，再到 AI 业务测试，然后学 AI，用 AI 来测试。

1. 数据采集和处理：在测试过程中，需要大量的测试数据来验证系统的性能。AI 可以用于自动化数据的收集和处理，提高测试效率和准确性。

2. 自动化测试工具：AI 技术可以应用于测试工具的开发，通过学习和分析测试数据，自动识别和生成测试用例，提高测试的自动化水平。

3. 智能测试分析：AI 可以应用于测试结果的分析，通过学习和模式识别，识别和挖掘测试结果中的潜在问题或异常，提高测试结果的可靠性和有效性。

4. 智能测试策略与规划：AI 可以帮助测试团队制定更加智能化的测试策略和规划，通过学习和分析测试历史数据和项目特征，提供更准确的测试覆盖率评估和风险分析，以指导测试策略的制定和测试资源的分配。

5. 自动化测试执行和缺陷管理：AI 可以应用于测试执行过程的自动化，通过学习和分析测试执行结果，自动识别和管理缺陷，提高测试执行效率和缺陷管理的准确性。

6. 智能测试报告和反馈：AI 可以应用于测试报告和反馈的生成和分析，通过学习和模式识别，自动生成测试报告，并提供测试结果的可视化分析，以便测试团队和项目管理者更好地理解和决策。

AI 写用例 ，AI 点点点

By GPT-3.5:
作为测试行业，要向 AI 方面靠拢，可以考虑以下几个方面：

1. 学习和理解 AI 技术：了解不同类型的 AI 技术，如机器学习、深度学习、自然语言处理等，并学习相关的概念、算法和工具。可以通过在线课程、教育平台、书籍等多种资源进行学习。

2. 探索自动化测试：AI 技术在自动化测试领域有广泛应用。了解和掌握各种 AI 驱动的自动化测试工具和框架，如基于机器学习的测试优先级排序、异常检测、数据生成等。

3. 数据驱动的测试方法：AI 需要大量的高质量数据来训练和验证模型。在测试过程中，可以关注和收集与应用程序或系统相关的数据，以进行 AI 分析、模型训练和预测。

4. 探索 AI 在测试中的应用：了解 AI 在测试领域的应用场景，如自动化测试脚本生成、缺陷预测和检测、智能测试执行和报告分析等。尝试使用 AI 技术来提升测试效率和准确性。

5. 跟踪 AI 测试工具和平台的发展：关注市场上的 AI 测试工具和平台，了解最新的技术趋势和解决方案。根据实际需求选择适合自己业务场景的工具和平台。

6. 寻求专业支持和培训：可以参加相关的 AI 测试培训课程、研讨会和行业会议，与领域专家和从业者交流经验、分享最佳实践，获取专业的支持和指导。

7. 持续学习和自我提升：AI 技术在快速发展，要保持对新技术和工具的敏感性。保持学习态度，不断更新知识，积极跟进行业动态，关注前沿技术和应用。

以上是一些建议，希望能够对你在测试行业向 AI 方面靠拢有所帮助。AI 技术在测试领域有广阔的应用前景，通过学习和掌握相关知识和技能，可以为测试工作带来更高效、准确的解决方案。