Apply AI. Test AI. đại diện cho hai mặt của một đồng xu: sử dụng AI như một phần của nghề kiểm thử đồng thời phát triển các kỹ năng cần thiết để kiểm thử các sản phẩm ngày càng chứa nhiều AI.
Được xây dựng với tư duy kiểm thử — phán đoán, thực hành và giao tiếp — không phải là một danh mục khóa học AI thông thường.
Sử dụng AI để hỗ trợ các hoạt động kiểm thử như phân tích, thiết kế kịch bản, báo cáo, tự động hóa và các công việc kiểm thử được xem xét khác. Kiểm thử viên vẫn chịu trách nhiệm về ngữ cảnh, bằng chứng và quyết định cuối cùng.
Điều tra cách các hệ thống tích hợp AI hoạt động, những nơi chúng có thể thất bại và những bằng chứng cần thiết để đánh giá rủi ro như sự không nhất quán, định kiến, chệch hướng (drift), độ bền bỉ, tính giải thích được và an toàn.
Bắt đầu với kết quả kiểm thử bạn cần, sau đó chọn một tài nguyên thực tế hỗ trợ nhiệm vụ mà không loại bỏ sự xem xét của kiểm thử viên.
Các tài nguyên ban đầu sẽ sớm ra mắt. Các tài nguyên đã qua kiểm duyệt sẽ được bổ sung dần dần.
Các công cụ được tuyển chọn cho phân tích, thiết kế kịch bản, báo cáo, tự động hóa và các quy trình khác được kiểm thử viên xem xét.
Các kho lưu trữ (repo), bản mẫu (template), ví dụ và tài nguyên tái sử dụng được tuyển chọn cho công việc kiểm thử thực tế.
Các quy trình thực tế, ngắn gọn cho thấy cách AI có thể hỗ trợ nhiệm vụ kiểm thử trong khi kiểm thử viên vẫn chịu trách nhiệm xem xét và đưa ra quyết định.
Bắt đầu với một rủi ro sản phẩm và câu hỏi đánh giá. Sau đó chọn phương pháp, bằng chứng và tài nguyên phù hợp với hệ thống tích hợp AI.
Các tài nguyên ban đầu sẽ sớm ra mắt. Các tài nguyên đã qua kiểm duyệt sẽ được bổ sung dần dần.
Các công cụ để điều tra hành vi, chất lượng, độ tin cậy và rủi ro của AI.
Các kho lưu trữ, bộ dữ liệu, ví dụ, bộ đo chuẩn (benchmarks) và tài nguyên đánh giá được tuyển chọn.
Các lộ trình điều tra thực tế cho các vấn đề như sự không nhất quán, định kiến, độ bền bỉ, tính giải thích được, chệch hướng (drift) và an toàn.
Mọi quy trình áp dụng đều tuân theo cùng một cấu trúc, từ việc xác định quyết định đến việc ghi lại bằng chứng.
Bắt đầu với câu hỏi mà công việc phải trả lời.
Sử dụng các yêu cầu, dữ liệu, đầu ra, ngữ cảnh và hành vi mong đợi mà bạn được phép sử dụng.
Chọn nó vì nó tạo ra sản phẩm (artifact) hoặc bằng chứng bạn cần.
Lưu giữ thông tin về prompt, cấu hình, phiên bản, tập dữ liệu và môi trường liên quan.
Kiểm tra kết quả, ghi lại các giả định và hạn chế, đồng thời lưu giữ bằng chứng đằng sau quyết định.
Nội dung do AI tạo ra có thể hữu ích nhưng vẫn có thể thiếu ngữ cảnh, tự tạo ra quy tắc hoặc che giấu sự không chắc chắn đằng sau ngôn từ tự tin. Hãy xem xét kết quả đầu ra so với yêu cầu, hành vi sản phẩm quan sát được, rủi ro và bằng chứng trước khi sử dụng.
Apply Lab không phải là mọi ứng dụng Play Lab. Các tài nguyên chỉ chuyển vào Apply Lab khi trường hợp sử dụng thực tế và mức độ sẵn sàng của chúng đã rõ ràng.
Khóa học AI cung cấp các khái niệm và phương pháp có cấu trúc đằng sau cả hai nhánh Apply Lab.
Học cách AI có thể hỗ trợ các hoạt động kiểm thử trong khi kiểm thử viên định hướng, xem xét và xác minh kết quả.
Học cách điều tra các hành vi, rủi ro, dạng lỗi (failure modes) và phương pháp đánh giá đặc thù của AI.
Shade of Hue Labs Annual kết nối việc học có cấu trúc, thực hành có mục đích và các tài nguyên ứng dụng tuyển chọn. Chúng tôi liên tục thêm các khóa học, giao diện thực hành và tài nguyên được xem xét cẩn thận khi AI và thực hành kiểm thử thay đổi.
Đăng ký một lần. Luôn đi đầu và nâng cao kỹ năng mà không cần mua lẻ từng khóa học hay ứng dụng SOH.
