Nghiên cứu ứng dụng một số công cụ kiểm thử có ứng dụng trí tuệ nhân tạo

văn này tôi xin cảm ơn các Thầy cô trong khoa Công Nghệ Thông Tin, trường Đại học Công nghệ đã nhiệt tình dạy dỗ, cung cấp phương pháp, kiến thức trong suốt thời gian học tập. Tôi xin chân thành cảm ơn PGS. TS. Trương Anh Hoàng đã tận tình hướng dẫn và chỉ bảo tôi rất nhiều cả về kiến thức cũng như phương pháp làm việc trong quá trình thực hiện và hoàn thành đồ án. Mặc dù đã cố gắng và tích cực trong việc thực hiện luận văn nhưng không thể tránh được những sai sót nhất định, tôi rất mong nhận được sự đóng góp của các thầy cô và các bạn đồng nghiệp để hoàn chỉnh luận văn và có hướng phát triển hơn nữa. Tôi xin chân thành cảm ơn. ii LỜI CAM ĐOAN Tôi xin cam đoan số liệu và kết quả nghiên cứu trong luận văn này là trung thực và chưa hề được sử dụng để bảo vệ học vị nào. Mọi sự giúp đỡ trong luận văn này đã được cảm ơn và các thông tin trích dẫn trong luận văn đã được chỉ rõ nguồn gốc rõ ràng và được phép công bố. Hà Nội, ngày tháng năm 2020 Người thực hiện Trần Thị Hoan iii MỤC LỤC LỜI CẢM ƠN ..................................................................................................................... i MỤC LỤC ......................................................................................................................... iii THUẬT NGỮ VIẾT TẮT ................................................................................................. v DANH MỤC BẢNG ......................................................................................................... vi DANH MỤC BIỂU ĐỒ .................................................................................................... vi DANH MỤC SƠ ĐỒ, HÌNH VẼ .................................................................................... vii LỜI MỞ ĐẦU .................................................................................................................... 1 CHƯƠNG 1. TRÍ TUỆ NHÂN TẠO TRONG KIỂM THỬ PHẦN MỀM TỰ ĐỘNG 4 1.1. Giới thiệu chung ...................................................................................................... 4 1.2. Xu thế sử dụng học máy trong kiểm thử tự động ................................................ 4 1.3. Huấn luyện học máy trong kiểm thử giao diện tự động ...................................... 8 1.3.1 Huấn luyện học máy: Nhận dạng trạng thái ứng dụng .................................... 8 1.3.2 Huấn luyện học máy: Áp dụng tập đầu vào ..................................................... 9 1.3.3 Thực thi ML: Áp dụng thế giới thật................................................................ 10 1.3.4 Huấn luyện học máy: Xác minh hành vi ........................................................ 10 CHƯƠNG 2. GIỚI THIỆU VỀ CÁC CÔNG CỤ ..................................................... 12 2.1. Applitools ............................................................................................................... 12 2.1.1 Applitools là gì? ............................................................................................. 12 3.1.2 AI trong Applitools ............................................................................................ 13 2.2. Testim.io ................................................................................................................. 14 2.2.1 Testim.io là gì? ............................................................................................... 14 2.2.2 AI trong Testim.io ........................................................................................... 15 2.3. TestComplete ......................................................................................................... 16 2.3.1 TestComplete là gì? ........................................................................................ 16 2.3.2 AI trong Testcomplete .................................................................................... 16 2.4. Mabl ........................................................................................................................ 17 2.4.1 Mabl là gì? ..................................................................................................... 17 2.4.2 AI trong Mabl ................................................................................................. 17 CHƯƠNG 3. THỰC NGHIỆM .................................................................................. 19 3.1. Phương thức thực nghiệm .................................................................................... 19 iv 3.1.1 Ý tưởng chung ................................................................................................ 19 3.1.2 Môi trường thực hiện ..................................................................................... 19 3.1.3 Quá trình thực hiện ........................................................................................ 22 3.1.4 Nhật ký ca kiểm thử mẫu ................................................................................ 23 3.2. Kiểm tra văn bản ................................................................................................... 28 3.3. Kiểm tra ảnh .......................................................................................................... 29 3.4. Kiểm tra nút ........................................................................................................... 30 3.5. Kiểm tra hộp nhập văn bản .................................................................................. 31 3.6. Kiểm tra hộp lựa chọn .......................................................................................... 33 3.7. Kiểm tra thanh thực đơn ...................................................................................... 34 3.8. Kiểm tra biểu đồ .................................................................................................... 35 3.9. Đánh giá kết quả kiểm thử ................................................................................... 35 3.10. So sánh các công cụ ........................................................................................ 40 CHƯƠNG 4. KẾT LUẬN ........................................................................................... 43 TÀI LIỆU THAM KHẢO ............................................................................................... 45 v THUẬT NGỮ VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt AI Artificial intelligence Trí tuệ nhân tạo API Application Programming Interface Giao diện lập trình ứng dụng CD Continuous Deployment Phát triển liên tục CI Continuous Integration Tích hợp liên tục CSS Cascading Style Sheet Định kiểu theo tầng CV Computer vision Thị giác máy tính DOM Document Object Model Mô hình đối tượng Tài liệu F Fail Thất bại HTML Hypertext Markup Language Ngôn ngữ đánh dấu siêu văn bản IDE Integrated Development Environment Môi trường phát triển tích hợp ML Machine learning Học máy NA Not Available Không sẵn sàng P Pass Thông qua P(D) Pass(Different) Thông qua nhưng tìm thấy thay đổi PDF Portable Document Format Định dạng tài liệu di động STT Số thứ tự vi DANH MỤC BẢNG Bảng 3.1: Kiểm tra nội dung văn bản ................................................................................ 29 Bảng 3.2: Kiểm tra ảnh ...................................................................................................... 29 Bảng 3.3: Kiểm tra nút ....................................................................................................... 30 Bảng 3.4: Kiểm tra hộp nhập văn bản ............................................................................... 32 Bảng 3.5: Kiểm tra hộp lựa chọn ....................................................................................... 33 Bảng 3.6: Kiểm tra thanh thực đơn .................................................................................... 34 Bảng 3.7: Kiểm tra thanh biểu đồ ...................................................................................... 35 Bảng 3.8: Kết quả tổng số ca ............................................................................................. 36 Bảng 3.9: Kết quả theo loại phần tử .................................................................................. 36 Bảng 3.10: Kết quả theo loại thay đổi ............................................................................... 36 Bảng 3.11: Kết quả tổng số ca theo phần trăm .................................................................. 38 Bảng 3.12: Kết quả loại thay đổi theo phần trăm .............................................................. 38 Bảng 3.13: So sánh các công cụ ........................................................................................ 40 DANH MỤC BIỂU ĐỒ Biểu đồ 3.1: Kết quả tổng số ca theo phần trăm ................................................................ 37 Biểu đồ 3.2: Kết quả loại phần tử theo phần trăm ............................................................. 39 Biểu đồ 3.3: Kết quả loại thay đổi theo phần trăm ............................................................ 40 vii DANH MỤC SƠ ĐỒ, HÌNH VẼ Hình 1.1: Trí tuệ nhân tạo .................................................................................................... 5 Hình 1.2: Xu thế trí tuệ nhân tạo trong kiểm thử tự động ................................................... 5 Hình 1.3: Ví dụ bộ lệnh Selenium ....................................................................................... 6 Hình 1.4: Ví dụ bộ lệnh Applitools...................................................................................... 7 Hình 1.5: Phạm vi nghiên cứu của luận văn ........................................................................ 7 Hình 1.6: Huấn luyện học máy trong kiểm thử tự động ...................................................... 8 Hình 1.7: Ma trận nhầm lẫn ................................................................................................. 9 Hình 2.1: Applitools - hoạt động như thế nào ................................................................... 13 Hình 2.2: Applitools - ví dụ ảnh cơ sở ............................................................................... 14 Hình 2.3: Applitools - ví dụ ảnh kiểm tra .......................................................................... 14 Hình 2.4: Testim.io - bộ định vị thông minh ..................................................................... 15 Hình 3.1: Trang giao diện chủ ........................................................................................... 19 Hình 3.2: Trang giao diện “Portfolio” ............................................................................... 20 Hình 3.3: Trang giao diện “Book” ..................................................................................... 20 Hình 3.4: Trang giao diện “Blog” ..................................................................................... 21 Hình 3.5: Trang giao diện “Join Us” ................................................................................. 21 Hình 3.6: Trang giao diện “About” ................................................................................... 22 Hình 3.7: Giao diện gốc ..................................................................................................... 24 Hình 3.8: Applitools - Kịch bản ca kiểm thử .................................................................... 24 Hình 3.9: Testim.io - Kịch bản ca kiểm thử ...................................................................... 24 Hình 3.10: Testcomplete -Kịch bản ca kiểm thử ............................................................... 25 Hình 3.11: Mabl -Kịch bản ca kiểm thử ............................................................................ 25 Hình 3.12: Giao diện thay đổi ........................................................................................... 26 Hình 3.13: Applitools - Kết quả ca kiểm thử .................................................................... 26 Hình 3.14: Testim.io - Kết quả ca kiểm thử ...................................................................... 27 Hình 3.15: Testcomplete - Kết quả ca kiểm thử ................................................................ 28 Hình 3.16: Mabl - Kết quả ca kiểm thử ............................................................................. 28 1 LỜI MỞ ĐẦU Công nghệ đang phát triển với tốc độ cực nhanh và giữ vai trò quan trọng trong cuộc sống. Trên phạm vi toàn cầu, các doanh nghiệm đang tung ra các ứng dụng được sử dụng bởi hàng ngàn, hàng triệu người trên nhiều nền tảng khác nhau. Nó đòi hỏi các doanh nghiệp phải cung cấp sản phẩm nhanh và liên tục. Trước mỗi lần ra mắt sản phẩm, những ứng dụng đó phải được kiểm thử để đảm bảo sự tối ưu, đúng đắn cho người dùng đầu cuối. Kiểm thử thủ công đang đơn giản dần không đáp ứng được nhu cầu hiện tại. Quá trình kiểm thử phần mềm cần thông minh hơn, nhanh hơn và tốt hơn. Các công nghệ hiện tại như trí tuệ nhân tạo, học máy đang ngày càng được áp dụng để đẩy nhanh quá trình phát triển phần mềm. Việc phát triển phần mềm sử dụng trí tuệ nhân tạo đang ở giai đoạn khởi đầu. Các công cụ kiểm thử dựa vào trí tuệ nhân tạo từ phân tích mã nguồn sinh ca kiểm thử đơn vị, đến các nền tảng kiểm thử toàn bộ. Kiểm thử hệ thống dựa vào giao điện đang là xu thế trong bối cảnh của kiểm thử tự động và nó vẫn là điểm nhức nhối lớn, bởi vì chúng có xu hướng “dễ vỡ, tốn kém để viết, và tốn thời gian để thực hiện” [1]. Với ca kiểm thử thủ công, người kiểm thử thực hiện các ca kiểm thử lần lượt từng bước và đưa ra kết luận sau mỗi bước thực hiện. Các ca kiểm thử cần được thực hiện trên tất cả các giao diện, nền tảng hỗ trợ thủ công. Trong hường hợp các bản vá được cập nhật liên tục, người kiểm thử cần lặp đi lặp lại ca kiểm thử liên tục. Với kiểm thử tự động, người kiểm thử tạo ra các lệnh để công cụ thực hiện ca kiểm thử và so sánh kết quả đầu ra thay vì chạy thủ công. Bài toán chạy ca kiểm thử lặp lại nhiều lần được giải quyết. Khi giao diện thay đổi phần tử, người kiểm thử cần cập nhật lại các lệnh. Một vài ca kiểm thử cần thay đổi có thể không làm khó người kiểm thử, nhưng khi cần cập nhật hàng trăm, hàng nghìn ca kiểm thử sẽ là bài toán về thời gian và độ chính xác. Bằng sự kết hợp trí tuệ nhân tạo và kiểm thử tự động các bài toán kiểm thử giao diện dần được giải quyết. Dữ liệu lớn, trí thông minh máy móc được đào tạo giúp cho các công cụ kiểm thử tự động thực hiện các ca kiểm thử trên hàng nghìn giao diện, nền tảng trong thời gian ngắn, đưa ra các quyết luận cuối cùng về ca kiểm thử một cách thông minh như con người. Các ca kiểm thử được sinh ra, cập nhật tự động phù hợp với hoàn cảnh ứng dụng mà không cần người kiểm thử cập nhật các dòng lệnh. Từ đó, học viên muốn tìm hiểu về ứng dụng của trí tuệ nhân tạo trong kiểm thử tự động như thế nào và một vài công cụ có sử dụng trí tuệ nhân tạo: “Nghiên cứu ứng dụng một số công cụ kiểm thử có ứng dụng trí tuệ nhân tạo”. 2 Phạm vi nghiên cứu: Trí tuệ nhân tạo và học máy được ứng dụng trong các lĩnh vực của kiểm thử, ví dụ như kiểm thử xác minh giao diện, kiểm thử API, kiểm thử bảo mật. Phạm vi của luận văn là đưa ra cái nhìn tổng quát về trí tuệ nhân tạo trong kiểm thử giao diện tự động dựa vào học máy. Bên cạnh đó, luận văn còn tìm hiểu trí tuệ nhân tạo được sử dụng như thế nào trong một vài công cụ kiểm thử giao diện. Phương pháp nghiên cứu: Lý thuyết liên quan đến kiểm thử tự động, trí tuệ nhân tạo và mối liên hệ được nghiên cứu. Sau đó học viên lựa chọn và tìm hiểu về các công cụ kiểm thử giao diện có ứng dụng trí tuệ nhân tạo (Applitools, Testim.io, Testcomplete, Mabl) và thực hiện các ca kiểm thử trên các công cụ đó để đưa ra kết quả thực hiện. Để kết quả đánh giá có thêm phần khách quan, học viên đã thực hiện cuộc khảo sát quy mô nhỏ về các công cụ được sử dụng trong luận văn, đối tượng tham gia là đồng nghiệp của học viên. Cuối cùng, dựa vào kết quả nghiên cứu lý thuyết, kết quả thực nghiệm và kết quả khảo sát, học viên đưa ra những phân tích và đánh giá và đề xuất hướng phát triển. Cấu trúc luận văn: Nội dung chính của luận văn được trình bày qua bốn chương. Chương 1. Trí tuệ nhân tạo trong kiểm thử phần mềm tự động. Chương này trình bày về các khái niệm kiểm thử tự động, trí tuệ nhân tạo, học máy, xu thế sử dụng học máy vào kiểm thử phần mềm tự động nói chung và kiểm thử giao diện tự động nói riêng. Việc huấn luyện học máy trong kiểm thử giao diện tự động cũng được chỉ ra trong chương này. Chương 2. Một số công cụ kiểm thử giao diện tự động có ứng dụng trí tuệ nhân tạo. Chương này trình bày về một số công cụ kiểm thử giao diện có ứng dụng trí tuệ nhân tạo, đó là Applitools, Testim.io, Testcomplete, Mabl và cách trí tuệ nhân tạo được sử dụng trong từng công cụ. Chương 3. Thực nghiệm Chương này trình bày về phương pháp thực nghiệm của học viên. Nội dung chương về các ca kiểm thử được thực hiện và kết quả thực hiện đối với từng công cụ ở chương trước. Kết quả thực nghiệm được tính toán và so sánh. Ngoài ra kết quả khảo sát cũng được đưa ra ở cuối chương. Chương 4. Kết luận. 3 Sau phần lý thuyết và thực nghiệm ở ba chương trước, kết luận và đề xuất hướng phát triển của học viên được trình bày ở chương này. 4 CHƯƠNG 1. TRÍ TUỆ NHÂN TẠO TRONG KIỂM THỬ PHẦN MỀM TỰ ĐỘNG 1.1. Giới thiệu chung Kiểm thử tự động là gì? Trong kiểm thử phần mềm, kiểm thử tự động là việc sử dụng phần mềm tách biệt với phần mềm đang được kiểm tra để kiểm soát việc thực hiện ca kiểm thử và so sánh kết quả thực tế với kết quả dự đoán [2]. Nó được sử dụng nhiều lần cho kiểm thử hồi quy. Người kiểm thử tạo các tập lệnh và chạy tập lệnh, về cơ bản nó là sự tự động hóa ca kiểm thử thủ công. Kiểm thử tự động cũng được sử dụng để kiểm tra khả năng tải và hiệu năng của ứng dụng. Mục tiêu chính của kiểm thử tự động là giảm kiểm thử thủ công, tăng hiệu quả kiểm thử và giá trị của phần mềm. Trí tuệ nhân tạo là gì? Trong khoa học máy tính, trí tuệ nhân tạo (tên tiếng anh là Artificial Intelligence - AI ) là trí thông minh được thể hiện bằng máy móc. Nó xử lý những phép tính cấp cao, vấn đề phức tạp và hỗ trợ hệ thống đưa ra những quyết định nhằm tăng cường độ chính xác, như hình 1.1. Thông thường, thuật ngữ trí tuệ nhân tạo được dùng để mô tả máy móc bắt chước nhận thức của con người như học tập và giải quyết vấn đề [3][4]. Ví dụ như các ứng dụng để giúp tài xế tìm các tuyến đường hiệu quả, dữ liệu thời gian thực của các tuyến đường được truyền về và phân tích, học hỏi để ứng dụng đưa ra kết luận về tuyến đường. Học máy là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ thể. Ví dụ như các máy có thể "học" cách phân loại thư điện tử xem có phải thư rác hay không và tự động xếp thư vào thư mục tương ứng. Học máy rất gần với suy diễn thống kê tuy có khác nhau về thuật ngữ [3]. Học máy nghiên cứu cách thức để mô hình hóa bài toán cho phép máy tính tự động hiểu, xử lý và học từ dữ liệu để thực thi nhiệm vụ được giao cũng như cách đánh giá giúp tăng tính hiệu quả. 1.2. Xu thế sử dụng học máy trong kiểm thử tự động Việc sử dụng trí tuệ nhân tạo trong phát triển phần mềm vẫn còn ở mức độ tự chủ thấp hơn nhiều so với các lĩnh vực phát triển hơn như hệ thống tự lái hoặc điều khiển hỗ trợ giọng nói. Ứng dụng của AI trong các công cụ kiểm thử phần mềm tập trung vào việc làm cho vòng đời phát triển phần mềm trở nên dễ dàng hơn. Hình 1.2 chỉ ra việc trí tuệ nhân 5 tạo sẽ học việc quan sát và đưa ra quyết định của con người trong kiểm thử thủ công để tự động đưa ra quyết .Học máy có thể được sử dụng để giúp tự động hóa và giảm số lượng các nhiệm vụ thủ công trong phát triển và thử nghiệm [5]. Hình 1.1: Trí tuệ nhân tạo1 Hình 1.2: Xu thế trí tuệ nhân tạo trong kiểm thử tự động2 Người kiểm thử có sự thông minh và khả năng quan sát trạng thái kết quả, máy kiểm thử có hiệu suất cao. Để nâng cao hiệu quả và giảm chi phí chất lượng, cần cải thiện kiểm thử phần mềm bằng cách đưa ra hành vi kiểm thử tự động thông minh thứ có khả năng bắt chước hình vi con người [6]. Trong kiểm thử phần mềm, một vấn đề được phát hiện ra 1https://www.edureka.co/blog/types-of-artificial-intelligence/ 2https://viblo.asia/p/kiem-thu-tu-dong-ung-dung-tri-tue-nhan-tao-ai-ai-test-automation-maGK7W8OKj2 6 sau quá trình áp dụng đầu vào ứng dụng, so sánh kết quả với mong đợi đầu ra. Nó chính xác với những gì học máy làm. Một tập đầu vào được cung cấp cho một thuật toán đào tạo. Trong quá trình học tập có giám sát, câu trả lời đúng cho mỗi tập đầu vào cũng được cung cấp cho thuật toán đào tạo. Công việc của hệ thống học máy là lặp đi lặp lại sự cấu hình lại “nội bộ của bộ não”, ngày càng tốt hơn trong việc cung cấp các câu trả lời đúng dựa trên tập đầu vào đã được cung cấp [7]. Do đó, những hệ thống ML đã và đang được nghiên cứu phát triển đều cung cấp những lợi ích trực tiếp cho việc tự động hóa kiểm thử phần mềm. Với kiểm thử tự động thông thường, con người viết các dòng lệnh để thực hiện ca kiểm thử tự động, sau đó công cụ sẽ thực hiện chạy và so sánh đưa ra kết quả dựa vào các dòng lệnh đã được viết; với kiểm thử tự động có ứng dụng trí tuệ nhân tạo, việc tạo ca kiểm thử và thực hiện so sánh kết quả đều được công cụ thực hiện được mô tả ở hình 1.5 . Ví dụ với ca kiểm thử xác minh phẩn tử “VIEW MORE”. Hình 1.3 là đoạn lệnh thực hiện với công cụ Selenium bình thường, khi ca kiểm thử được chạy, việc so sánh kết quả chỉ dừng ở thực hiện đúng nội dung “verify text” and “verify not text”; nếu muốn so sánh càng chính xác, càng nhiều câu lệnh cần được viết. Nhưng với công cụ có trí tuệ nhân tạo (ví dụ Applitools, Testim.io, Testcomplete, Mabl), dòng lệnh được rút gọn, nhưng sự so sánh đưa ra kết quả lại dựa trên rất nhiều tiêu chí như so sánh màu sắc, nội dung, sự sai khác đến từng đơn vị điểm ảnh. Hình 1.4 là ví dụ dòng lệnh với Applitools. Với những trường hợp phức tạp như dữ liệu biểu đồ bảng, với các công cụ kiểm thử tự động đơn thuần, việc viết ca kiểm thử cũng rất phức tạp, nhưng nó được giải quyết chỉ bằng một vài dòng lệnh với công cụ có ứng dụng trí tuệ nhân tạo (ví dụ như Testcomplete). Hình 1.3: Ví dụ bộ lệnh Selenium 7 Hình 1.4: Ví dụ bộ lệnh Applitools Trí tuệ nhân tạo và học máy được ứng dụng trong các lĩnh vực của kiểm thử, ví dụ như kiểm thử xác minh giao diện, kiểm thử API, kiểm thử bảo mật. Các công cụ có ứng dụng trí tuệ nhân tạo cũng có thể tự sinh ca kiểm thử, con người chỉ cần trỏ cho công cụ biết ứng dụng cần sinh ca kiểm thử ở đâu. Khi một đoạn mã thay đổi, ML cũng có khả năng tính toán để chỉ ra chính xác số lượng ca kiểm thử nhỏ nhất để kiểm tra việc thay đổi đoạn mã. ML cũng được sử dụng để tạo ca kiểm thử đáng tin cậy hơn, nó tìm hiểu và quan sát cách ứng dụng thay đổi, sau đó tự đưa ra quyết định trong thời gian chạy về việc sử dụng bộ định vị nào để xác định phần tử. Hình 1.5: Phạm vi nghiên cứu của luận văn3 3 8 Phạm vi nghiên cứu của luận văn xoay quanh việc học máy được sử dụng trong kiểm thử giao diện tự động để xác minh phần tử và việc một số công cụ có ứng dụng trí tuệ nhân tạo sử dụng học máy như thế nào cũng được tìm hiểu ở chương 2. 1.3. Huấn luyện học máy trong kiểm thử giao diện tự động Hiện tại ML đã đang được khám phá áp dụng vào kiểm thử phần mềm và cách tiếp cận vấn đề của đề tài này đi theo định hướng của Jason Arbon (giám đốc điều hành của công ty phần mềm test.ai, từng làm việc cho Google và Microsoft) về ML được sử dụng trong kiểm thử giao diện [8]: 1.3.1 Huấn luyện học máy: Nhận dạng trạng thái ứng dụng Nhận dạng trạng thái ứng dụng có thể được thực hiện bằng cách cung cấp cho máy rất nhiều các màn hình và các nhãn được ghi như một kiểu của trạng thái ứng dụng. Ví dụ: màn hình đăng nhập và nhãn, màn hình kết quả tìm kiếm và nhãn vv. Nếu chúng ta dạy cho máy nhận dạng trạng thái ứng dụng đang thuộc kiểu nào, giống như một người kiểm thử nhận dạng trạng thái ứng dụng họ đang kiểm tra, chúng có thể chọn kiểu tập đầu vào để áp dụng vào ứng dụng tương ứng. Đầu tiên, hàng ngàn ảnh chụp màn hình của ứng dụng thật được thu thập và phân loại theo nhóm trạng thái giao diện người dùng. Sau đó là bước ghi nhãn, thao tác ghi nhãn cho mỗi màn hình như hình 1.6. Khi tất cả các nhẫn đã được lưu, một kho dữ liệu đã ghi nhãn đã sẵn sàng để huấn luyện ML. Hàng ngàn trang được hiển thị trong chương trình ML, trong đó đầu vào là sự kết hợp của các điểm ảnh trong ảnh chụp màn hình, cùng với các phần tử DOM. Hình 1.6: Huấn luyện học máy trong kiểm thử tự động4 • Tập đầu vào huấn luyện học máy: Ảnh, thông tin phần thử DOM. • Tập đầu ra mong đợi huấn luyện học máy: nhãn chính xác. 4 9 Quá trình đào tạo có thể yêu cầu hàng giờ để tính toán. Với hệ thống huấn luyện học máy ảnh chụp màn hình, học máy được quyết định là ghi nhãn thành công hay không cho từng màn hình. Mỗi lần ML nhận ra một màn hình bị ghi sai nhãn, nó sẽ thay đổi cấu trúc bên trong và lặp lại đến khi ML ghi nhãn tốt nhất. Nguồn dữ liệu đào tạo thưa thớt, không chính xác hoặc không rõ ràng có thể ngăn ML học tập. Khi quá trình này hoàn tất, hệ thống ML chấp nhận ảnh chụp màn hình hoặc ảnh chụp nhanh của DOM của ứng dụng mà không cần nhãn chính xác cho các màn hình, kể cả màn hình đã huấn luyện và màn hình chưa từng thấy trước đó. Chất lượng ghi nhãn của ML thường được biểu thị thông qua biểu đồ gọi là “Ma trận nhầm lẫn”. Ma trận nhầm lẫn đơn giản là vẽ từng nhãn màn hình trên mỗi trục và chỉ ra tần suất một màn hình bị nhầm với màn hình khác, hình 1.7 là ví dụ. Hình 1.7: Ma trận nhầm lẫn5 1.3.2 Huấn luyện học máy: Áp dụng tập đầu vào Bước tiếp theo là dạy ML cách quyết định đâu là hành động chính xác dựa trên trạng thái màn hình ứng dụng. Một hành động riêng lẻ là một tập “phần tử” và “đầu vào”. Ví dụ phần tử là hộp tìm kiếm, đầu vào là hành động nhập đoạn văn bản tìm kiếm “Hà Nội”. Dữ liệu huấn luyện cần rất lớn, trong đó đầu vào ở đây là tập hợp tất cả các phần tử của màn hình, nhãn, và đầu ra là tập của: 5 10 • Dữ liệu huấn luyện đầu vào: [“nhãn màn hình”:tìm kiếm, “phần tử”: nút, hộp văn bản]. • Dữ liệu huấn luyện đầu ra: [“hộp văn bản”: nhập văn bản, “nút bấm”: xuống dòng..]. Việc học cách tạo ra các hành động trên các phần tử giống con người cũng giống như đào tạo phân loại nhãn. Nội dung màn hình và một phần tử cụ thể được hiển thị trên mạng, mạng sẽ gợi ý một hành động cụ thể. Nếu mạng gợi ý một hành động kì lạ, nó tự cấu hình lại chính nó và cố đến khi bắt đầu có những hành vi giống con người với ứng dụng. 1.3.3 Thực thi ML: Áp dụng thế giới thật Ngày nay, ML có thể quyết định một cách thông minh hành động nào được đưa ra dựa trên trạng thái của ứng dụng. ML thấy, bằng cách đơn giản là có một chương trình khởi chạy ứng dụng trong trình giả lập hoặc trên thiết bị, chụp ảnh màn hình của ứng dụng và tải DOM hiện tại qua kết nối gỡ lỗi đến ứng dụng. Trình điều khiển ứng dụng thực hiện cuộc gọi đến trình điều khiển nền tảng cụ thể để yêu cầu dữ liệu và chỉ cần chuyển thông tin đến ML để quyết định làm gì tiếp theo. Bây giờ ML đã quyết định làm gì tiếp theo, đầu ra của ML là một cặp phần tử và tên hành động. Trình điều khiển ứng dụng chỉ cần tìm phần tử vị trí hoặc xử lý trên màn hình và dựa trên hành động được đề xuất, gửi vòi phù hợp hoặc nhập văn bản. Điều đáng chú ý là chỉ với hai phần ML được huấn luyện này, chúng ta có một hệ thống có khả năng thông minh khám phá bất kỳ ứng dụng. Không cần huấn luyện mới để thực hiện các con đường giống con người và tự động khám phá các sự cố hoặc vấn đề hiệu suất mà trước đây chỉ được thực hiện thông qua hướng dẫn sử dụng của con người thử nghiệm, hoặc con người viết hàng ngàn tập lệnh kiểm tra giao diện người dùng tự động. Trên hết, cách tiếp cận ML này là áp dụng cho tất cả các ứng dụng ngay lập tức - không cần con người sử dụng ứng dụng theo cách thủ công hoặc viết tập lệnh kiểm tra. 1.3.4 Huấn luyện học máy: Xác minh hành vi Bây giờ, các người máy ML có thể điều khiển ứng dụng thông minh như con người, nhưng còn về vấn đề xác minh? Làm thế nào người máy ML biết ứng dụng có hành vi đúng hay sai. Có ba cách tiếp cận cho phép người máy ML xác minh hành vi: • Tự động kiểm tra chức năng phổ biến, có thể phát hiện vấn đề. • Huấn luyện học máy dựa trên các ví dụ mẫu về lỗi. 11 • Con người kiểm tra các luồng trước đó, sau đó các người máy sẽ thông báo bất kỳ sự khác biệt nào trong lần chạy tiếp theo. Tự động kiểm tra chức năng phổ biến có thể phát hiện ra lỗi là dòng xác minh đầu tiên của một ứng dụng xác minh. Ở mỗi bước, một trình điều khiển ứng dụng kiểm tra bất kỳ sự cố ứng dụng, hộp thoại lỗi. Huấn luyện học máy về một ví dụ lỗi trước đó để tự động phân loại màn hình tiếp theo trong trình tự như một lỗi. Với một số lượng lớn các ví dụ tương tự về lỗi, ML nhanh chóng học được về điều kiện khi nào xảy ra lỗi như màn hình với một vài phần tử, hộp thoại chứa kí tự (“sorry”, “try again”, “opps”..) của lỗi thường gặp trong ứng dụng. Phương thức phát hiện lỗi, vấn đề mạnh nhất nằm ở khả năng ghi lại mọi ảnh chụp màn hình, DOM và chuỗi hành động thực hiện trong mọi bài thử nghiệm trên ứng dụng. Con người sau đó nhanh chóng xác minh hành vi vượt qua hay thất bại. Trong các lần chạy về sau, so sánh dữ liệu giữa lần chạy cũ và mới tiết lộ: • Việc chạy giống hệt nhau, ứng dụng vẫn hoạt động chính xác. • Lần chạy không giống nhau và lỗi mới trong hoạt động ứng dụng. • Lần chạy không giống nhau nhưng phát hiện ra phần tử hoặc đường dẫn mới trong ứng dụng. Con người xem xét chức năng chính x