Mandag den 13. januar 2020 afholdt TestHuset seminaret ‘Putting AI to the Test’ for 50 deltagere, som fik svar på 5 afgørende spørgsmål fra Roland Møller, CTO TestHuset, Viepul Kocher, AiU og Stefan Veis Pennerup, Trifork:
- Betyder AI enden på manuel test?
- Kræver AI en tænkende (menneskelig) tester?
- Hvad er AI’s sårbarheder?
- Hvilken type forretning vil AI skabe i fremtiden?
- Er dette et definerende øjeblik i testens historie?
Betyder AI enden på manuel test?
Absolut ikke! AI vil blive implementeret som et supplerende værktøj til manuel test og det menneskelige perspektiv. Nogle af de eksisterende testformer vil blive transformeret, hvor mennesker stadig er involveret – dog i højere grad som validering af testresultaterne. Testere skal opnå en forståelse for, hvad AI/ML er, og hvilke særlige udfordringer det medfører, samt teknikker som fx metamorfisk test og evnen til at forstå bias i data.
Kræver AI en tænkende (menneskelig) tester?
Ja – den tænkende tester er tilbage! Tidligere har der – som følge af den agile filosofi om generalister frem for specialister samt fokus på hastighed – været stort fokus på automatisering og unit test, hvilket har reduceret den tænkende testers rolle. Test af AI kan ikke fuldt ud automatiseres, fordi et menneske skal tænke og tage højde for mulige skævheder, scenarier, corner cases og bias i data. Test af AI kræver kompetencer på et andet niveau, hvor testeren skal kunne forholde sig til og rådgive om bias, moral og etik. Det er test og kvalitetssikring på et helt nyt niveau.
Da det i høj grad handler om værdier, bliver test og kvalitetssikring af AI-løsninger også en potentiel brandingplatform for virksomheder og organisationer. Omvendt kan det udvikle sig til en større krise, hvis testere og virksomheder ikke forholder sig til deres egen bias og den skiftende sociale virkelighed omkring bias. Som tester skal du være opmærksom på – og udfordre – ikke kun din egen bias, men også bias hos brugere i en region, en befolkningsgruppe, et køn eller en arbejdskultur, da det ellers vil påvirke løsningens kvalitet. Tænk derfor altid kritisk – og vær opmærksom på bias!
Hvad er AI’s sårbarheder?
Indtil for nylig har AI primært skabt begejstring omkring sine mange muligheder. Men siden 2015, hvor noget af den første forskning i AI’s svagheder og “snydemuligheder” blev offentliggjort, er der kommet øget fokus på dets sårbarheder – et emne der uden tvivl vil få stor betydning fremover. Den store forskel på kvalitetssikring og test før AI og nu er, at det tidligere var nok at teste software og algoritmer – nu skal man også teste data/input. Der findes ikke længere en entydig facitliste eller objektiv sandhed. Før AI kunne resultatet af en performancetest være enten godt eller dårligt. Nu arbejder vi med sandsynligheder. AI vil aldrig være 100 % præcis – men den kan være mere præcis end et menneske.
Hvilken type forretning vil AI skabe i fremtiden?
AI vil frigøre os fra monotone og arbejdskrævende opgaver og skabe flere kvalitets- og vidensintensive jobs. AI vil også give os mere tid til underholdning og kreativitet. Selvom det lyder positivt, kræver det naturligvis politisk håndtering for at modvirke sociale ubalancer.
Er dette et definerende øjeblik i testens historie?
Ja! Dette er uden tvivl et definerende øjeblik i testens historie. Det er tid for testere at genopfinde sig selv, forstå teknologien og genanvende deres evne til kritisk tænkning og at stille de rigtige spørgsmål. Samtidig er der store forskningsmuligheder, da området omkring test af AI stadig er i en meget tidlig fase.
Du er velkommen til at sende dine kommentarer og spørgsmål til info@testhuset.dk
Om oplægsholderne
Roland Møller, CTO og partner i TestHuset, har omfattende erfaring med Business Development, DevOps og Quality Assurance fra større IT- og finansielle virksomheder i Danmark og udlandet. Roland sikrer, at TestHuset altid er på forkant med den teknologiske og QA-mæssige udvikling.
Stefan Veis Pennerup er ML- og Google Tech Lead hos Trifork i Aarhus og har en baggrund som mekatronikingeniør. Han har for nylig udviklet en vane med at bruge brasilianske klipklappere under præsentationer og har en hypotese om, at Machine Learning og klipklappere hænger sammen – selvom korrelation ikke nødvendigvis indebærer kausalitet. Hans erfaring med at introducere nye kunder til Machine Learning har givet ham en lang række letforståelige eksempler.
Viepul Kocher er tidligere Adobe-ingeniør og IIT-alumne med 25 års erfaring i softwareudviklings- og testbranchen. Ud over at være skaberen af AiU – verdens første AI-testcertificering – samt DoU (DevOps United) – verdens første DevOps- og testcertificering – er Viepul også præsident for Indian Testing – ISTQB Board, Convenor for STeP-IN forum og National Convenor for Indica Academy – for blot at nævne nogle få.
Latest articles & Updates