不知道大家前兩天有沒有被一篇叫做AlphaGo Zero：這個世界人類是多余的 的文章刷屏。
總之，就是一個字， 生無可戀。。。
微信群，QQ群，各種群里面也討論起一個話題，AI已來的時代，人類的核心競爭力到底是什么呢？
從勞動（或者工作）的范疇來劃分，我們可以看到有以下的四個方面：
- 體力勞動
- 腦力勞動
- 風險勞動
- 情緒勞動
也就是說你的工作的比例，基本上可以從上面的四個方面上來做一個分布。
想想你日復一日的點點點，榨干腦力的自動化測試框架，上線前的程序猿祭天和讓產品經理立字據的勇氣，是不是和上面的四個方面各自有一個對應。
Tim Urban在《AI革命-通往超智能道路》一文中指出，人工智能分為三類：
弱人工智能Artificial Narrow Intelligence (ANI): 弱人工智能是擅長于單個方面的任務型驅動的人工智能。例如能戰勝圍棋世界冠軍的人工智能，但是它只會下圍棋，如果讓它解決怎樣更好地在硬盤上儲存數據的問題，它就無法做到。目前人工智能的發展尚且達到了弱人工智能階段。
強人工智能Artificial General Intelligence (AGI): 人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創造強人工智能比創造弱人工智能難得多，Linda Gottfredson教授把智能定義為“一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作。”強人工智能在進行這些操作時應該和人類一樣得心應手。
超人工智能Artificial Superintelligence (ASI): 牛津哲學家，知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能。”超人工智能可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍的。超人工智能將給人類世界帶來什么樣的顛覆，是生存還是毀滅成為大眾關注的熱點。
從嚴格意義上說，測試領域尚未達到真正意義上人工智能的應用階段，只能說目前還在向類人工智能方向發展，發展的方向可以如下圖所示：
測試領域必將經歷三個階段才能邁向人工智能的世界：
手工測試：該階段偏向于用人工來做測試執行。
測試自動化（Automation Testing）。該階段偏向于測試執行的自動化，尤其將重復手工測試部分進行自動化，從而提高測試效率，降低人工成本。其本質是人工編寫腳本，程序操作，屬于任務型程序。
自動化測試（AutomatedTesting）。雖然跟測試自動化前后顛倒一下，然而意義完全不一樣，它是將測試過程自動化，其包括了測試需求、測試用例設計、測試數據準備、測試環境搭建、測試版本部署、測試執行及測試報告都將自動化。然而這個過程仍然是人工設計干預，確定輸入，只是把過程進行自動化，機器本身并沒有達到自我學習的能力水平，屬于過程管理程序。
AI化測試（AI Testing）。進入人工智能階段以后，測試人工智能的流程和框架可能會發生顛覆性的改變，其過程及手段并不一定遵守當前的測試生命周期理論。
AI化測試將進行階段性的發展，測試工程師這一職業或許將不再存在，測試工作任務將會被AI逐步代替，結合上面的人工智能的分類，整個測試領域會將隨著人工智能的發展分為弱AI化測試、強AI化測試和超AI化測試。
弱AI化測試，測試工作任務化人工智能，通過對人類提出的知識圖譜，根據知識點，處理結構或非結構化數據，并通過對程序代碼的分析，計算出系統的可能的薄弱環節，自動提供測試方案，完成測試驗證，指出問題所在，給予問題解決方案，甚至修改好程序。測試階段會從過去的單元測試、集成測試、系統測試和驗收測試縮減為兩個階段：機器測試和用戶測試。由于最終使用者是人類，所以前端仍需要人類的介入，只是后端得到了整合，縮短了產品開發上市的時間。測試的本質還是基于傳統的“機器為人服務”的關系。
強AI化測試，將進一步的向測試領域上游滲透，對測試需求，甚至產品需求進行自我認知與學習，通過對用戶使用數據的分析，挖掘用戶需求、產品特性，根據得出的結果，提出產品需求，開發實現產品，并執行相關測試，與需求進行匹配運算，確認產品質量。因此在強AI化測試階段，測試概念已經進化到“機器為機器服務”的關系。
超AI化測試，對用戶的需求進行引導，使用戶在潛意識受到人工智能的暗示做出決策，也就是說人工智能引導需求，人類反而潛意識會認為這個需求是由自我產生。人工智能的測試則演變成為人工智能服務的工作，這已不是傳統意義的測試和驗證，更趨向于人類世界的醫生與病人的關系。測試已經演變成“人為機器服務”的階段了。
以上是對未來的一個暢想，在現在的這個節點上，AI測試方面的探索，CC先生也只看到了一些相關的探索，還屬于 弱AI化測試：
比如，瑞典的一家公司（King.com）采用Monte Carlo樹搜索算法、自動啟發式構建算法、增強拓撲的神經元演化算法 (Neuro Evolution of Augmenting Topologies，NEAT )來訓練 AI測試工具 (bots) ，模擬人類交互能力，完成對Candy Crush Soda游戲的功能測試、穩定性測試和性能測試，并評估游戲難度級別，預測游戲的成功率。
或者對于APP的測試,有一家NimbleDroid公司（創始人是中國人）有一個爬蟲可以發現 app 有什么用例，然后對每個用例可以進行分析，看它的性能是什么樣的，有沒有內存泄露、性能問題、卡頓等現象，還包括程序啟動慢有哪些原因。
又或者，美國一家公司（Appdiff）推出測試機器人，能夠全面分析App應用中的每個界面、元素和操作流，進行性能測試和用戶體驗測試（懷疑嗎？??）。Appdiff的智能機器人，可以克服經典的測試方法所存在的速度慢、開銷大的問題，具備類似人類的洞察力，就像魔術一樣快速完成測試，而且具有學習能力，App應用程序測試越多，工具會自動地變得越來越聰明。采用的AI，就可以替換過去腳本的開發，讓自動化測試進行得更輕松，而且AI能處理的測試輸入，手工是無法相比的。
那現在，我們可以拷問自己一個問題：AI已來，人類測試人員的核心競爭力到底是很什么？
我試圖從勞動的四象限里去尋找一下答案。
既然體力已經不是問題，腦力上AI是完勝人類的學習消耗曲線。（從Alpha zero的學習曲線里面就可以看到端倪）
風險上，AI也許比人類有更高一點的承受能力。
剩下的，估計就是情緒勞動這一片領地了。試想一下，如果開發和產品經理還是人類的情況下，他們會更愿意對著一個AI進行交流還是和一個有著很好溝通能力的人類測試人員呢？
之前CC先生說過，測試人員需要的不僅是硬技能（比如編程，比如自動化技術等等），他/她還需要有各種的軟技能（溝通能力，總結能力等等）
回到蘋果公司的CEO庫克對人工智能的看法上：“我并不擔心人工智能可以讓計算機像人類一樣思考。我擔心的是人類會像計算機一樣思考，沒有自己的價值觀或同情心，不考慮事情的后果。”
參考文章：
你知道AI可以高效測試移動應用嗎？
人工智能下證券交易測試領域的發展路線初探
AI測試:讓軟件測試變得聰明伶俐(下)
