认识达内从这里开始

认真做教育专心促就业

AI人工智能测试的需求分析和步骤

发布：太原达内教育官网
来源：互联网
时间：2019-04-18 07:47

随着互联网的不断发展，AI人工智能技术在众多领域都得到了不同的应用实践机会，下面我们就一起来了解一下，关于AI人工智能测试的一些步骤要点都有哪些。

AI人工智能测试的需求分析和步骤

1、AI测试需求分析

AI测试需求分析与传统软件测试的要求基本一致，需要明确测试的对象、测试的范围、测试的方法和工具、测试通过的准则等。但是测试需求分析不再仅仅是测试团队的任务，而需要算法开发人员、测试人员、系统运营人员共同参与讨论，确定AI系统测试通过的准则。而且，由于AI系统的行为或结果无法完全确定或预测，因此还需要开发、测试和系统运营人员共同定义可允许的风险，风险可根据技术的限制和社会共识来确定。

2、测试环境准备

目前AI算法，比如推荐系统、搜索引擎、图像分类、自然语言处理都依赖于大数据基础架构，因此AI算法模型的测试环境准备，通常需要考虑数据量、计算量、测试时间等因素。此外，AI测试需要高效的持续测试，所以AI测试尤其需要测试环境快速部署的能力。

3、测试数据准备与验证

AI系统，不管是机器学习、推荐系统、计算机视觉，还是自然语言处理，都需要一定量的测试数据来进行模型的评估与测试。测试人员使用的测试数据集，需要尽可能的覆盖真实环境用户产生的数据情况。测试数据集的验证可遵循以下原则：

(1)测试数据与训练数据的比例要合适，这个比例应根据实际算法和应用场景确定。

(2)测试数据与训练数据需要独立同分布。

(3)测试数据与训练数据正负样本的比例也需要尽量保持一致。

(4)对于监督模型，测试数据的标签需要保证正确。

4、AI系统测试与分析

比如，模型离线评估主要是评测AI模型对未知新数据的预测能力，即泛化能力。泛化能力越强，模型的预测能力越好。可靠性测试，包括了鲁棒性、可用性、容错性、易恢复性等指标。对于无人驾驶、人脸识别等安全攸关的AI系统，需尽可能采用异常数据来进行测试，如对抗样本、易出错的样本等;对于推荐系统和搜索引擎等智能程序则需要测试反作弊能力。

5、AI模型上线与监控

AI模型上线后，根据实际业务每隔几天或几星期，对模型各类指标进行评估。指标应设置对应阀值，当低于阀值时应触发报警。如果模型随着数据的演化而性能下降，说明模型在新数据下性能不佳，就需要利用新数据重新训练模型。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。

< 上一篇：AI专业与一般计算机专业的区别有哪些

下一篇：数据驱动AI系统的自动化测试挑战分析 >