Är AI framtiden i automatiserad mjukvarutestning?: En studie i AI:s framkomst inom mjukvarutestning
2022 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE credits
Student thesisAlternative title
Is AI the future of automated software testing? (English)
Abstract [sv]
Användningen av Artificiell Intelligens (AI) har ökat de senaste åren och blivit en del av vardagen, men när det kommer till automatiserade mjukvarutester har AI inte varit aktuellt. Produkten är den viktigaste tillgången för ett företag, av den anledningen bör de garantera att produkten är bra. För att göra detta används kvalitetssäkringar med hjälp av mjukvarutester. Denna process är tidskrävande, kostsam och det är omöjligt att testa produkten i helhet. Om AI kan komplettera automatiserade mjukvarutester kommer företag ha möjligheten att producera bättre och billigare produkter under en kortare tidsperiod.
I denna studie undersöktes ämnet AI inom automatiserade mjukvarutester. Syftet med detta var att studera om AI kan förbättra automatiserade mjukvarutester inom svenska företag. För att undersöka detta utfördes intervjuer, denna information jämfördes sedan med den valda litteraturen. Informationen användes sedan för att besvara frågorna: kommer AI förbättra dagens mjukvarutester? Vilka hinder finns till implementering av AI? Vilka algoritmer är bäst anpassade för detta ändamål?
Arbetet fördjupar sig i algoritmerna Genetic algorithm (GA), Natural Language Processing(NLP) samt Artificial Neural Network (ANN). Beslutet att använda dessa algoritmer togs för att de var prevalenta i litteraturen. Intervjuerna genomfördes med olika experter inom områdena AI och mjukvarutestning. Detta var för att skapa en kontrast och ge en större bild på användnings-/problemområden. Denna information jämfördes sedan med den tidigare forskningen för att se om några lösningar har tillkommit.
I nuläget finns det problem med att införa AI inom mjukvarutestning och några av dessa problem är saknaden av ett optimalt test oracle, träningsdata och testmodeller. Alla algoritmer som undersöktes i detta arbete hade områden de excellerade i. Dock fanns det en algoritm som hade mer användningsområden och det är NLP. Den fungerar bäst i kombination med en djupinlärningsalgoritm som till exempel ANN.
Place, publisher, year, edition, pages
2022.
Keywords [sv]
Mjukvarutestning, algoritmer, artificiell intelligens, Genetic Algorithm, Artificial Neural Network, Natural Language Processing, Machine Learning
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:du-41790OAI: oai:DiVA.org:du-41790DiVA, id: diva2:1678635
Subject / course
Microdata Analysis
2022-06-292022-06-29