” “यह मशीन लर्निंग का सबसे अधिक दिमाग उड़ाने वाला अनुप्रयोग है जिसे मैंने कभी देखा है।
माइक क्रीगर, इंस्टाग्राम के सह-संस्थापक।
माइक क्रीगर के शब्द अतिशयोक्ति नहीं हैं। जबकि एमएल डेटा विश्लेषण और अंतर्दृष्टि के मामले में कुछ उल्लेखनीय चीजों में सक्षम है, गिटहब कोपायलट संभावित उपयोगिता के कारण एक कुल गेम-चेंजर है क्योंकि यह दुनिया भर के उत्पाद डेवलपर्स प्रदान कर सकता है।
कोडिंग कोपायलट और जेनरेटिव एआई टीमों को भारी लाभ ों को अनलॉक करने में मदद करते हैं, जैसे कि सॉफ्टवेयर विकास जीवनचक्र को अब तक अकल्पनीय गति तक तेज करना। हालांकि, आरपीए और सॉफ्टवेयर परीक्षण पर प्रौद्योगिकी का प्रभाव इस अद्भुत तकनीक के सबसे रोमांचक सीमाओं में से दो हैं।
इस लेख में, हम देखेंगे कि कोडिंग कोपायलट और जेनरेटिव एआई ने तकनीक पर उनके भविष्य के प्रभाव का पता लगाने से पहले वर्तमान दिन में सॉफ्टवेयर परीक्षण और आरपीए की दुनिया को कैसे बदल दिया है।
कोपायलट और जेनरेटिव एआई
सॉफ्टवेयर विकास: एक प्राइमर
जेनरेटिव एआई और कोडिंग कोपायलट सॉफ्टवेयर विकास परिदृश्य के सापेक्ष नवागंतुक हैं। इससे पहले कि हम अंतरिक्ष पर उनके प्रभाव पर चर्चा करें, यह उनकी पृष्ठभूमि को देखने लायक है और वे कैसे काम करते हैं।
1.AI संचालित ऑटो कोडर
पिछले कुछ वर्षों में बड़े भाषा मॉडल (एलएलएम) में उल्लेखनीय सुधार हुआ है। चूंकि डेटा सेट और कम्प्यूटेशनल पावर का आकार तेजी से बढ़ा है, आउटपुट की गुणवत्ता में वृद्धि हुई है।
ऐसे कई वर्टिकल हैं जो एलएलएम से लाभ उठा सकते हैं। सबसे अधिक लिखे गए कुछ में पाठ, चित्र, वीडियो और मीडिया के अन्य रूप उत्पन्न करना शामिल है। हालांकि, जबकि ये उपयोग के मामले प्रभावशाली हैं, डेवलपर्स के लिए निहितार्थ हैं जो शायद कहीं अधिक दिलचस्प हैं।
बाजार पर कई एलएलएम ऑटोकोडर हैं। हालांकि, GitHub CoPilot शायद सबसे प्रसिद्ध और सबसे सफल है। कारण का एक बड़ा हिस्सा यह है कि इसे गिटहब रिपॉजिटरी पर प्रशिक्षित किया जाता है। इसमें ओपन-सोर्स कोड, सर्वोत्तम प्रथाओं, एप्लिकेशन आर्किटेक्चर और सीखने के लिए लाखों उदाहरणों तक पहुंच है, जो इसे उच्च गुणवत्ता और बहुमुखी आउटपुट प्रदान करने की अनुमति देता है।
2. कोडिंग कोपायलट कैसे काम करते हैं?
कोडिंग कोपायलट कैसे काम करते हैं, इसके बारे में बात करने के सबसे आसान तरीकों में से एक गेम में अग्रणी उत्पाद, गिटहब कोपायलट को देखकर है। यह एप्लिकेशन OpenAi के ChatGPT-3 मॉडल पर आधारित है।
ChatGPT और इसी तरह के एलएलएम की तरह, CoPilot अरबों मापदंडों पर आधारित है। ChatGPT-3 के विकास के दौरान, OpenAI ने OpenAI कोडेक्स नामक एक समर्पित कोडिंग प्रोग्राम बनाना शुरू किया। Microsoft ने उत्पाद के लिए अनन्य पहुँच खरीदी.
हालांकि, यहां महत्वपूर्ण बात यह है कि माइक्रोसॉफ्ट के पास पहले से ही GitHub का स्वामित्व है। यदि आप एक कोडर हैं, तो आपको GitHub के बारे में सब पता होगा। मूल रूप से, यह एक वेब-आधारित मंच है जिसका उपयोग सॉफ्टवेयर विकास परियोजनाओं में संस्करण नियंत्रण और सहयोग के लिए किया जाता है। उन्होंने गिटहब लाइब्रेरी पर ओपनएआई कोडेक्स को प्रशिक्षित किया जिसमें ओपन-सोर्स, सार्वजनिक कोड की लाखों लाइनें थीं।
कोड की लाइनों के बीच पैटर्न और संबंधों को खोजने के लिए कोपायलट मशीन लर्निंग का उपयोग करता है। ChatGPT की तरह, यह एक शब्द या पंक्ति को देखता है और ऐतिहासिक डेटा के विशाल भंडार के आधार पर आगे क्या आना चाहिए, इसकी संभावना की गणना करता है।
एआई कोपायलट की शक्ति डेवलपर्स के संपादन के रूप में कोड स्निपेट का सुझाव देने की उनकी क्षमता में निहित है। इसे कोडिंग के लिए एक सुपरचार्ज ऑटोकम्प्लीट की तरह सोचें। जैसा कि कोडर कोड की एक पंक्ति दर्ज करते हैं, एलएलएम उस कोड की शुरुआत की तुलना पिछली परियोजनाओं की अपनी विशाल लाइब्रेरी के साथ करता है। वहां से, यह संभाव्य रेखाओं और कोड की नई लाइनों का सुझाव देता है।
यहां स्पष्ट लाभ यह है कि डेवलपर्स इस ऑटोकंप्लीशन के माध्यम से अविश्वसनीय समय बचा सकते हैं। यह उत्पादकता और, कई मामलों में, कोड की सटीकता को बढ़ाता है।
3. कोडिंग और विकास के लिए जनरेटिव एआई के बारे में क्या?
जैसा कि आप कोपायलट के इतिहास से देख सकते हैं, जेनरेटिव एआई और कोपायलट की जड़ें समान हैं। वे दोनों प्रौद्योगिकियां हैं जो सांख्यिकीय संभावना का उपयोग करके भविष्यवाणी करती हैं कि उपयोगकर्ताओं को आरोपित जानकारी के आधार पर क्या चाहिए।
हालांकि, कोपायलटिंग सॉफ्टवेयर और जनरेटिव एआई के बीच बड़ा अंतर यह है कि बाद वाला शीघ्र-आधारित है। संक्षेप में, इसका मतलब है कि उपयोगकर्ता मशीन को लिखित निर्देशों का एक सेट इनपुट करते हैं, और यह सामग्री को आउटपुट करता है। जैसा कि चैटजीपीटी या इसी तरह के अनुप्रयोगों का उपयोग करने वाला कोई भी व्यक्ति जानता है, यह आउटपुट पाठ, चित्र, वीडियो या कोड के रूप में आ सकता है।
इसलिए, जबकि स्वचालित कोडिंग पर पहुंचने के लिए कोडर्स जिन तरीकों का उपयोग करते हैं, वे अलग-अलग हैं, हम उन्हें एआई-असिस्टेड ऑटोमेटेड या जेनरेटिव कोडिंग की एक समान छतरी के नीचे रख सकते हैं।
सॉफ्टवेयर परीक्षण का विकास
सॉफ्टवेयर परीक्षण उत्तरदायी और हमेशा विकसित होता है। कुछ दशकों के अंतराल में, यह नई आवश्यकताओं को पूरा करने और प्रौद्योगिकी में प्रगति का उपयोग करने के लिए स्थानांतरित और रूपांतरित हो गया है।
1. मैनुअल परीक्षण:
सॉफ्टवेयर परीक्षण के शुरुआती दिनों में मैनुअल परीक्षण शामिल था। इस तरह का परीक्षण महंगा और समय लेने वाला था क्योंकि इसके लिए क्यूए विशेषज्ञों को परीक्षण मामलों की एक श्रृंखला विकसित करके, परिणामों को चलाने और रिकॉर्ड करने, फिक्स शेड्यूल करने और प्रक्रिया को दोहराने के द्वारा एक ठीक दांत कंघी के साथ सॉफ्टवेयर पर जाने की आवश्यकता थी।
यह सुनिश्चित करना कि इन परीक्षणों द्वारा सभी संभावित परिदृश्यों और स्थितियों को कवर किया गया था, एक बड़ी चुनौती थी, और जब इसमें शामिल समय और लागत में जोड़ा गया, तो मैनुअल परीक्षण संसाधन-गहन था। यह मानव त्रुटि के लिए भी अतिसंवेदनशील था, जिसे सीमित वितरण विकल्पों द्वारा प्रवर्धित किया गया था, जिसका अर्थ था कि किसी भी अनदेखे बग को जल्दी से पैच करना चुनौतीपूर्ण था।
2. स्क्रिप्टेड परीक्षण:
स्क्रिप्टेड परीक्षण ने क्यूए समुदाय के लिए एक बड़ा कदम आगे बढ़ाया। मैन्युअल रूप से कोड और परीक्षण परिदृश्यों के माध्यम से जाने के बजाय, डेवलपर्स प्रोग्राम लिखने में सक्षम थे जो स्वचालित रूप से सॉफ़्टवेयर का परीक्षण कर सकते थे। यहां बड़े प्लस पक्ष यह थे कि परीक्षण अधिक कुशल हो गया और मानव त्रुटि के लिए कम प्रवण हो गया। हालांकि, इसे प्राप्त करने के लिए व्यापक कवरेज सुनिश्चित करने के लिए कुशल, सटीक और समय-गहन योजना और कोडिंग की आवश्यकता थी।
3. परीक्षण स्वचालन:
परीक्षण स्वचालन परीक्षण का अगला विकास था। जैपटेस्ट जैसे उपकरण कोडर्स को स्क्रिप्टेड परीक्षण के सभी लाभ प्रदान करने में सक्षम थे, लेकिन नो-कोड इंटरफ़ेस के साथ। फिर, यहां महत्वपूर्ण लाभ समय की बचत, पुन: प्रयोज्य और अनुकूलनीय परीक्षण, यूआई और एपीआई परीक्षण, और क्रॉस-प्लेटफॉर्म और क्रॉस-डिवाइस परीक्षण थे।
4. डेटा-संचालित परीक्षण:
डेटा-संचालित परीक्षण विभिन्न डेटा सेटों को संसाधित करने वाले परीक्षण सॉफ़्टवेयर की समस्या का समाधान था। फिर, यह परीक्षण स्वचालन का एक रूप है, लेकिन इस विधि में परीक्षण स्क्रिप्ट बनाना और उन्हें असाइन किए गए डेटा सेट के खिलाफ चलाना शामिल है। इस प्रकार के परीक्षण ने डेवलपर्स को तेजी से काम करने, परीक्षणों को अलग करने और परीक्षण मामलों को दोहराने में लगने वाले समय को कम करने की अनुमति दी।
5. जनरेटिव एआई परीक्षण:
जनरेटिव एआई परीक्षण सॉफ्टवेयर परीक्षण में नवीनतम नवाचार है। एलएलएम का उपयोग करके, क्यूए टीमें परीक्षण मामले और परीक्षण डेटा बना सकती हैं जो परीक्षण प्रक्रिया में तेजी लाने में मदद करती हैं। ये परीक्षण मामले अत्यधिक लचीले और संपादन योग्य हैं, जो डेवलपर्स को परीक्षणों का पुन: उपयोग और पुन: उपयोग करने में मदद करता है और परीक्षण के दायरे को काफी बढ़ाता है।
कोपायलट का वर्तमान उपयोग और
सॉफ्टवेयर परीक्षण और आरपीए में जनरेटिव एआई
जेनरेटिव एआई और कोपायलट का सॉफ्टवेयर परीक्षण पर बड़ा प्रभाव पड़ा है। हालांकि, कोडर को एकमुश्त प्रतिस्थापित करने के बजाय, इन उपकरणों ने परीक्षकों को बढ़ाने में मदद की है। संक्षेप में, वे डेवलपर्स को तेज और अधिक कुशल बनने में मदद करते हैं और, कई मामलों में, परीक्षण की गुणवत्ता को बढ़ावा देते हैं।
2023 से स्टैक ओवरफ्लो डेवलपर सर्वेक्षण
सॉफ्टवेयर विकास समुदाय के भीतर एआई उपकरणों के वर्तमान उपयोग में कुछ अंतर्दृष्टि प्रदान करता है। सर्वेक्षण के सबसे दिलचस्प हिस्सों में से एक ने सुझाव दिया कि जबकि सभी डेवलपर्स के आधे से थोड़ा अधिक ने सुझाव दिया कि वे सॉफ्टवेयर परीक्षण के लिए एआई टूल में रुचि रखते हैं, 3% से कम ने कहा कि वे इन उपकरणों पर भरोसा करते हैं। और भी, 4 में से सिर्फ 1 ने सुझाव दिया कि वे वर्तमान में सॉफ्टवेयर परीक्षण के लिए एआई टूल का उपयोग कर रहे थे।
इन आंकड़ों के बारे में दिलचस्प बात यह है कि वे दिखाते हैं कि एआई टूल का उपयोग करना अभी तक व्यापक नहीं है और शुरुआती अपनाने वालों को अभी भी लाभ मिल सकता है।
1. सॉफ्टवेयर परीक्षण और आरपीए में कोपायलट और जेनरेटिव एआई उपयोग के मामले।
कोपायलट और जेनरेटिव एआई सॉफ्टवेयर विकास के हर क्षेत्र को प्रभावित कर रहे हैं। यहां कुछ तरीके दिए गए हैं जो तकनीक सॉफ्टवेयर परीक्षण और आरपीए के साथ मदद कर सकती है।
आवश्यकता विश्लेषण
आवश्यकता विश्लेषण सॉफ्टवेयर विकास जीवनचक्र का एक महत्वपूर्ण हिस्सा है। इस प्रक्रिया में हितधारक आवश्यकताओं और सॉफ्टवेयर का एक टुकड़ा बनाने के लिए आवश्यक विभिन्न विशेषताओं को समझना शामिल है। जनरेटिव एआई नए विचारों और दृष्टिकोणों के साथ आकर विचारधारा के साथ टीमों की मदद कर सकता है।
परीक्षण योजना
एक बार जब परीक्षण आवश्यकताओं को अच्छी तरह से समझ लिया जाता है, तो क्यूए टीमों को पर्याप्त परीक्षण कवरेज सुनिश्चित करने के लिए चीजों को एक कार्यक्रम में तोड़ने की आवश्यकता होती है। इस प्रकार के काम के लिए विशेषज्ञता और अनुभव की आवश्यकता होती है, लेकिन जनरेटिव एआई उदाहरणों और गाइडों के माध्यम से टीमों का समर्थन कर सकता है, साथ ही उनकी अनूठी आवश्यकताओं के लिए विशेष उपकरणों और सर्वोत्तम प्रथाओं की सिफारिशें कर सकता है।
परीक्षण केस निर्माण
क्यूए टीम सिस्टम के पीछे अंतर्निहित संबंधों को समझने के लिए कोड, उपयोगकर्ता आवश्यकताओं और सॉफ़्टवेयर विनिर्देशों का विश्लेषण करने के लिए एलएलएम का उपयोग कर सकती है। एक बार जब एआई को सॉफ्टवेयर के इनपुट और आउटपुट और अपेक्षित व्यवहार की समझ हो जाती है, तो यह परीक्षण मामलों का निर्माण शुरू कर सकता है जो सॉफ्टवेयर का परीक्षण करेंगे।
यहां लाभ समय की बचत और मैनुअल कोडिंग से परे हैं। एआई परीक्षण केस निर्माण भी अधिक व्यापक कवरेज का कारण बन सकता है क्योंकि यह उन क्षेत्रों का पता लगा सकता है जिन पर क्यूए इंजीनियर विचार नहीं कर सकते हैं, जिससे अधिक विश्वसनीय निर्माण हो सकते हैं।
बग ढूंढना और हल करना
मशीन लर्निंग क्यूए पेशेवरों को बग का पता लगाने और हल करने में लगने वाले समय में काफी कटौती करने की अनुमति देता है। सॉफ्टवेयर परीक्षण में, कई बग का पता लगाना आसान है। हालांकि, कई परिदृश्यों में, यह एक श्रमसाध्य और समय लेने वाली प्रक्रिया है। जनरेटिव एआई मैनुअल श्रमिकों के समय के एक अंश में जांच कर सकता है और यहां तक कि सबसे जिद्दी बग को उजागर करने में मदद कर सकता है। इसके अलावा, ये एआई उपकरण उन बगों को भी हल कर सकते हैं जिनकी वे पहचान करते हैं, जिससे क्यूए टीमों के लिए अंतहीन समय बचता है।
UI परीक्षण
जनरेटिव एआई उपकरण सॉफ्टवेयर सिस्टम के साथ उपयोगकर्ता व्यवहार और बातचीत की एक श्रृंखला का अनुकरण कर सकते हैं। विधियां विकास टीमों को विश्वास दिला सकती हैं कि उनका इंटरफ़ेस मानव-कंप्यूटर उपयोगों की एक विस्तृत श्रृंखला को संभाल सकता है। और भी, जनरेटिव एआई उपयोगकर्ता इंटरफ़ेस डेटा और हीटमैप का विश्लेषण भी कर सकता है और यूआई को बेहतर बनाने और इसे अधिक उपयोगकर्ता के अनुकूल बनाने के बारे में सुझाव दे सकता है।
कोपायलट और जनरेटिव एआई का भविष्य
सॉफ्टवेयर परीक्षण और आरपीए में
जबकि सॉफ्टवेयर स्वचालन में कोपायलट और जनरेटिव एआई का वर्तमान उपयोग पहले से ही रोमांचक है, भविष्य में और भी अधिक वादा है।
कोपायलट और जेनरेटिव एआई का भविष्य उन सुधारों पर टिका है जो उत्पादों में किए जा सकते हैं। पर्ड्यू विश्वविद्यालय से एक हालिया अध्ययन, शीर्षक कौन बेहतर जवाब देता है? सॉफ्टवेयर इंजीनियरिंग प्रश्नों के लिए चैटजीपीटी और स्टैक ओवरफ्लो उत्तरों का गहन विश्लेषण जनरेटिव एआई मॉडल की कुछ सीमाओं को रेखांकित करता है।
शोधकर्ताओं ने स्टैक ओवरफ्लो से चैटजीपीटी को 500 से अधिक प्रश्न दिए। एआई टूल ने आधे से अधिक गलत तरीके से जवाब दिया। अब, यह ध्यान रखना महत्वपूर्ण है कि शोधकर्ताओं ने नोट किए गए सबसे महत्वपूर्ण मुद्दों में से एक यह था कि एआई सबसे अधिक बार विफल रहा क्योंकि यह प्रश्नों को ठीक से समझ नहीं पाया। यह विवरण जनरेटिव एआई के भीतर शीघ्र इंजीनियरिंग के महत्व को रेखांकित करता है।
इसके अतिरिक्त, Google और Amazon दोनों ने इस साल एक साक्षात्कार प्रश्न सेटिंग में जनरेटिव एआई टूल की गुणवत्ता को देखने के लिए स्वतंत्र परीक्षण चलाए हैं। दोनों मामलों में, उपकरण स्थिति प्राप्त करने के लिए परीक्षण प्रश्नों का अच्छी तरह से उत्तर देने में कामयाब रहा, जैसा कि रिपोर्ट किया गया है।
सीएनबीसी
और
बिजनेस इनसाइड
, क्रमशः।
इसलिए, यह स्पष्ट है कि हम इस तकनीक में एक बिंदु पर हैं जहां क्षमता है, लेकिन कुछ मामूली चीजों को दूर करने की आवश्यकता है। हाल के वर्षों में जिस पैमाने पर इन उपकरणों में सुधार हुआ है, वह हमें विश्वास दिलाता है कि यह आवश्यक स्तर तक पहुंच जाएगा और शायद समय से पहले होगा।
अब, हम कुछ क्षेत्रों पर एक नज़र डाल सकते हैं जहां ये प्रौद्योगिकियां सॉफ्टवेयर विकास परीक्षण के भविष्य को प्रभावित करेंगी।
1. हाइपरऑटोमेशन
हाइपरऑटोमेशन उद्यम के विकास में एक गंतव्य का वर्णन करता है जहां स्वचालित होने वाली हर प्रक्रिया स्वचालित होगी। यह उत्पादकता के लिए एक समग्र दृष्टिकोण है जो अत्यधिक परस्पर जुड़ा हुआ है।
सॉफ्टवेयर विकास के संदर्भ में, व्यावसायिक प्रक्रिया आवश्यकताओं की निगरानी के साथ एक केंद्रीकृत प्रणाली की कल्पना करना मुश्किल नहीं है। प्रणाली जरूरतों और क्षमताओं को समझेगी और पहचान करेगी और लगातार उन क्षेत्रों की पहचान करेगी जिन्हें प्रौद्योगिकी के माध्यम से सुधारने की आवश्यकता है।
जैसे-जैसे व्यवसाय विकसित होते हैं, ये केंद्रीकृत प्रणालियां अनुप्रयोगों का निर्माण करने के लिए जनरेटिव एआई का उपयोग करेंगी जो बाधाओं और अक्षमताओं को स्वचालित रूप से हल करेंगी या शायद इंजीनियरों को पूरा करने के लिए विशेष नौकरियों को धक्का देंगी।
2. सॉफ्टवेयर आर्किटेक्चर डिजाइन करना
पर्याप्त डेटा के साथ, एआई उपकरण सॉफ्टवेयर आर्किटेक्चर की सर्वोत्तम प्रथाओं को समझ सकते हैं और अधिकतम दक्षता के लिए इन डिजाइनों को बेहतर बनाने के तरीके खोज सकते हैं। मशीन लर्निंग पैटर्न और रिश्तों को खोजने के बारे में है जो मानव मन के दायरे से परे हैं।
यदि एआई उपकरणों को विभिन्न प्रकार के अनुप्रयोगों का पर्याप्त ज्ञान है, तो हम उन्हें पिछले आर्किटेक्चर को नई आवश्यकताओं की ओर मोड़ने का निर्देश दे सकते हैं, जिससे अधिक कुशल निर्माण या यहां तक कि विचार भी हो सकते हैं जिन्हें अन्यथा नहीं माना जाएगा।
3. विरासत प्रणालियों का आधुनिकीकरण
जबकि कोई भी सॉफ्टवेयर कभी भी सही नहीं होता है, ऐसे कई उपकरण हैं जो अभी भी एक उत्कृष्ट काम करते हैं और कंपनी के बुनियादी ढांचे में इतनी गहराई से एम्बेडेड हैं कि उन्हें बदलना मुश्किल है। इन प्रणालियों को अनुकूलित करना एक काम हो सकता है, खासकर अगर वे सॉफ्टवेयर कोड का उपयोग करके लिखे गए थे जो फैशन से बाहर हो गया है।
भविष्य में, जनरेटिव एआई उपकरण इस कोड को भाषा डु जोर में परिवर्तित करने में सक्षम होंगे, जिससे टीमों को अपनी विरासत प्रणालियों को रखने और कई मामलों में, उन्हें बेहतर बनाने की अनुमति मिलेगी।
4. कम-कोड और नो-कोड विकास को बढ़ाना
जनरेटिव एआई टूल के माध्यम से स्वचालन सॉफ्टवेयर परीक्षण की चुनौतियों में से एक जिसे हमने ऊपर पहचाना था, एक ऐसी स्थिति थी जहां कोडर को आउटपुट को सत्यापित करने के लिए ज्ञान और अनुभव की कमी थी।
एआई कोपायलट बेहतर सुझाव देकर कम-कोड टूल को बढ़ाने में मदद करेंगे जो मजबूत अनुप्रयोगों को जन्म देते हैं। परिष्कृत परीक्षण उपकरण मानव ऑपरेटरों को अपने काम को लगातार मान्य करते हुए मुक्त रचनात्मक शासन की अनुमति देंगे और गैर-तकनीकी पेशेवरों के लिए उन अनुप्रयोगों का निर्माण करने के लिए दरवाजा खोलेंगे जिनकी उन्हें आवश्यकता है।
सॉफ्टवेयर परीक्षण में जनरेटिव एआई के लाभ
सॉफ्टवेयर परीक्षण के लिए जनरेटिव एआई का उपयोग करने के कई लाभ हैं जो इसे विकास टीमों के लिए एक आकर्षक विकल्प बनाते हैं जो तेजी से काम करना चाहते हैं लेकिन गुणवत्ता से समझौता किए बिना।
1. सॉफ्टवेयर विकास जीवनचक्र को गति देना
डेवलपर्स पर यह सुनिश्चित करने के लिए लंबे समय तक काम करने का लगातार दबाव है कि सॉफ्टवेयर और नई सुविधाएं समय पर बाजार में आ जाएं। जबकि एजाइल / डेवऑप्स पद्धतियों ने यह सुनिश्चित किया है कि विकास अधिक कुशल है, फिर भी विकास के व्यक्तिगत चरण हैं जो आगे सुव्यवस्थित करने से लाभान्वित हो सकते हैं।
जनरेटिव एआई उपकरण परीक्षण टीमों को विभिन्न एसडीएलसी चरणों से निपटने की अनुमति देते हैं, प्रोटोटाइप उत्पन्न करने से यूआई परीक्षण तक।
2. व्यापक बग का पता लगाना
सॉफ्टवेयर परीक्षण में एआई के सबसे शक्तिशाली अनुप्रयोगों में से एक बड़े डेटासेट की तुलना करने की तकनीक की क्षमता से आता है। एमएल उपकरण सूचना और अपेक्षित मॉडल का भंडार बनाने के लिए विशाल डेटा सेट (कोड सहित) का विश्लेषण कर सकते हैं।
जब देव कोड करते हैं, तो वे इसकी तुलना इन मॉडलों से कर सकते हैं, जो अप्रत्याशित परिदृश्यों, निर्भरताओं और कमजोरियों को उजागर कर सकते हैं, जिससे पूरी विकास प्रक्रिया में बेहतर कोड की अनुमति मिलती है।
3. बेहतर परीक्षण कवरेज
मशीन लर्निंग टूल डेटा के विशाल सेट का विश्लेषण और समझने के लिए बनाए गए हैं। जब सॉफ्टवेयर परीक्षण पर लागू किया जाता है, तो यह टीमों को अपने सॉफ़्टवेयर परीक्षण के दायरे को बढ़ाने की अनुमति देता है। लाभ पैसे बचाने के लिए समीकरण से मानव श्रम को हटाने से परे हैं; एआई एक अधिक व्यापक प्रकार के परीक्षण की ओर भी जाता है जो परिदृश्यों के एक जटिल सेट में बेहतर बग का पता लगाने की अनुमति देता है।
4. कम लागत
जब क्यूए इंजीनियरों की एक टीम को नियोजित करने और दोहराए जाने वाले और समय लेने वाले सॉफ़्टवेयर परीक्षण कार्यों के लिए उनका उपयोग करने की तुलना में, जनरेटिव एआई और आरपीए तेज और अधिक लागत प्रभावी हैं।
जैसे-जैसे सॉफ्टवेयर विकास की दुनिया अधिक प्रतिस्पर्धी हो जाती है, बजट पर गुणवत्ता, टिकाऊ उत्पादों को वितरित करने के तरीके खोजने का महत्व बढ़ जाता है। जनरेटिव एआई टूल्स और कोपायलट इंजीनियरों पर निर्भरता को कम कर सकते हैं और उन्हें मूल्य-संचालित काम करने और कम फूला हुआ निर्माण करने की अनुमति दे सकते हैं।
क्या जनरेटिव एआई उपकरण अंत बताते हैं?
मानव सॉफ्टवेयर इंजीनियरों की संख्या?
उनके स्पष्ट लाभों के बावजूद, कोई भी स्वचालन उपकरण श्रमिकों को उनके भविष्य के बारे में चिंता का स्तर पैदा कर सकता है। हालांकि यह एक सामान्य प्रतिक्रिया है, जेनरेटिव एआई की गति और दायरे का मतलब है कि चिंताएं सामान्य से अधिक व्यापक हैं। जबकि इन उपकरणों में कई नौकरियों को स्वचालित करने की क्षमता है, वे सॉफ्टवेयर इंजीनियरों द्वारा किए जाने वाले हर कार्य को नहीं कर सकते हैं। प्रौद्योगिकी की क्षमताओं को समझना, साथ ही उनकी सीमाएं, इंजीनियरों और नेताओं के लिए आवश्यक हैं।
पहली बात जो लोगों को याद रखने की जरूरत है वह यह है कि एआई द्वारा संचालित परीक्षण स्वचालन उपकरण काफी समय से बाजार पर मौजूद हैं। हालांकि, जनरेटिव एआई की उपयोगकर्ता के अनुकूल प्रकृति इसे और अधिक लचीलेपन में सक्षम बनाती है।
पहली चीजों में से एक जिस पर हमें विचार करना है, वह यह है कि जनरेटिव एआई आउटपुट के लिए सबसे अच्छा काम करता है जिसे सत्यापित किया जा सकता है। यह एक महत्वपूर्ण मुद्दा है। एलएलएम को प्रशिक्षित करने की प्रकृति का मतलब है कि वे आपको जवाब देने के लिए अपनी पूरी कोशिश करेंगे, भले ही इसका मतलब कभी-कभी तथ्यों, संदर्भों और तर्कों को “भ्रमित” करना हो।
अब, यदि आपके पास कोडिंग का पर्याप्त ज्ञान है, तो आप किसी भी पाठ को पढ़ने और सत्यापित करने में सक्षम होंगे जो जनरेटिव एआई आउटपुट करता है और संभावित त्रुटियों को पकड़ता है। यदि आप एक नागरिक कोडर हैं जो कोड करने में सक्षम होने के बदले जनरेटिव एआई का उपयोग कर रहे हैं, तो आप इन गलतियों को पकड़ने में सक्षम नहीं होंगे।
इसलिए, जब इस परिप्रेक्ष्य से देखा जाता है, तो कुशल इंजीनियर अभी भी सॉफ्टवेयर विकास पारिस्थितिकी तंत्र का एक महत्वपूर्ण हिस्सा होंगे। उन्हें अभी भी पर्यवेक्षी और व्यावहारिक दोनों अर्थों में परीक्षण करने की आवश्यकता होगी।
सॉफ्टवेयर परीक्षण के लिए जनरेटिव एआई की एक और सीमा में मोबाइल परीक्षण शामिल है। उदाहरण के लिए, ChatGPT वेबसाइट UI के परीक्षण के लिए एक अच्छा विकल्प है। हालाँकि, इसमें विभिन्न मोबाइल उपकरणों तक पहुंच नहीं है। बाजार पर इतने सारे अलग-अलग हैंडसेट और मॉडल के साथ, यह वर्तमान परीक्षण स्वचालन सॉफ्टवेयर जैसे ZAPTEST से पीछे है। यह समस्या भी कोई मामूली बाधा नहीं है। अधिक सभी इंटरनेट उपयोग का आधा मोबाइल से आता
है, और यह संख्या हर साल बढ़ती है।
इसलिए, जबकि जेनरेटिव एआई डेवलपर्स से कई कर्तव्यों को लेगा, यह इन पेशेवरों को परीक्षण बुनियादी ढांचे और आउटपुट को सत्यापित करने की क्षमता में विशाल बदलाव के बिना अप्रचलित नहीं करेगा।
अंतिम विचार
सॉफ्टवेयर परीक्षण और आरपीए सुधार के निरंतर पथ पर हैं। जैसे-जैसे नई तकनीक और विधियां उत्पन्न होती हैं, दोनों विषय क्यूए टीमों को मैन्युअल परीक्षण की कीमत के एक अंश पर तेजी से और अधिक व्यापक परीक्षण प्रदान करने में मदद करने के लिए सर्वोत्तम प्रथाओं को अवशोषित करते हैं।
जबकि परीक्षणों के दायरे में सुधार और मानव त्रुटि और लागत को कम करना एआई-संचालित परीक्षण के कुछ अधिक स्पष्ट लाभ हैं, यह टीमों को निरंतर एकीकरण और तैनाती पाइपलाइनों (सीआई / सीडी) दृष्टिकोण को अपनाने में भी मदद करता है।
उपभोक्ता अपेक्षाओं और प्रतिस्पर्धा के साथ पहले से कहीं अधिक, जनरेटिव एआई टीमों को गुणवत्ता से समझौता किए बिना तेज और कुशल परीक्षण प्रदान करने का एक तरीका प्रदान करता है।
