導讀：自從生成式人工智慧引起大眾關注以來，關於科技業未來走向的猜測層出不窮。
這些大語言模型是否會取代某些職位，使某些工作類別過時？
被人工智慧取代的想法可能令人不安。
然而，在軟體開發和測試領域，生成式人工智慧更適合成為合作夥伴而非威脅。
它更像是一個助手，旨在增強人類的能力，而不是取代人類。
如果負責任地使用生成式人工智慧，它有可能提高生產力和品質；
但如果使用不當，就會起相反的效果。
這種責任取決於人類能否保持控制，無論是在指揮人工智慧還是評估其輸出方面。
負責任的人工智慧監管通常需要領域專業知識，才能識別人工智慧輸出中的錯誤和風險。
在熟練的人員手中，人工智慧可以成為強大的擴大機；但在缺乏足夠理解的人手中，它也很容易被誤導，並可能導致不良後果。
生成式人工智慧的限制：批判性思考的必要性
生成式人工智慧能夠快速產生程式碼片段、測試案例和文檔，這使得許多人將其視為能夠完成人類工作的非凡工具。
然而，儘管這些看似「智慧」的展現，生成式人工智慧卻無法真正思考。相反，它基於預測進行操作，根據訓練資料中的模式選擇下一個最可能的單字或動作。這種方法常常導致“幻覺”，即係統提供看似合理但不準確或具有誤導性的輸出。
由於受制於給定的提示語和訓練數據，生成式人工智慧可能會遺漏關鍵細節、做出錯誤假設並延續現有的偏見。
它也缺乏真正的創造力，因為它只是簡單地識別、複製和隨機化學習到的模式來產生輸出。
此外，雖然生成式人工智慧擅長產生類似人類的文本，但複製語言模式的能力並不等同於領域專業知識；人工智慧可能看似自信滿滿，但實際上給出的建議卻存在根本性的缺陷。
模型的不透明性進一步放大了這種風險，使其內部推理過程難以理解，錯誤也更難發現。
歸根究底，人工智慧的限制凸顯了人類監督的重要性。軟體開發者和測試人員必須認識到這項技術固有的局限性，將其視為得力助手，而非孤立的權威。
透過運用情境化的批判性思維和專業知識進行指導，並仔細審查和修正其輸出，人類軟體從業者可以充分利用生成式人工智慧的優勢，同時彌補其不足。
優質軟體需要人類的智慧
雖然自動化可以簡化許多測試任務，但軟體測試這門更廣泛的學科，其根本基礎在於人類的判斷力和專業知識。
畢竟，測試的目的是幫助人們交付高品質的軟體。
熟練的測試人員會運用顯性和隱性知識來驗證功能並追蹤潛在問題。
即使使用自動化來擴展測試範圍，人類測試人員也會結合他們的知識、技能、經驗、好奇心和創造力，有效地測試他們的產品。
機器可以高速執行測試套件，但它們缺乏根據潛在用戶或不斷變化的業務優先級來設計、確定測試優先級和解讀測試的洞察力。
人工測試人員會結合對產品、專案和相關人員的洞察，在兼顧技術考量和業務目標的同時，兼顧監管和社會影響。
生成式人工智慧不會從根本上改變測試的本質。
雖然人工智慧可以提出測試思路，並以其他自動化技術無法做到的方式將測試人員從重複性任務中解放出來，但它缺乏充分評估軟體功能、安全性、效能和使用者體驗所必需的情境感知和批判性思維。
在測試中負責任地使用生成式人工智慧需要測試人員在指導和檢查人工智慧的過程中進行人工監督。
由於生成式人工智慧依賴其訓練內容和提示方式，因此人類的專業知識對於應用情境、意圖和現實世界的約束仍然不可或缺。
在明智的引導下，生成式人工智慧可以幫助熟練的測試人員更有效、更有效率地測試他們的產品，而無需取代人類的智慧。
人類與人工智慧的共生關係
在軟體測試領域，人工智慧與人類專業知識的結合從未如此充滿希望。
在經驗豐富的測試人員的指導和指導下，人工智慧可以充當輔助協作者，提供建議並執行繁瑣的任務，從而幫助測試更快、更徹底，並更好地滿足人類的需求。
人類洞察力與人工智慧驅動的效率相結合，是軟體測試的未來。
從這個意義上講，人類扮演著音樂指揮家的角色，解讀樂譜（明確和隱含的要求），並引導AI以適合場地（軟體的語境和約束）的方式進行演奏，同時持續提供指導和糾正。
生成式AI非但沒有淘汰測試人員，反而鼓勵我們拓展技能。實際上，它鼓勵測試人員成為更嫻熟的指揮家，精心編排能夠引起聽眾共鳴的AI驅動解決方案，而不是專注於單一樂器。
歸根究底，人工智慧在測試領域的興起不應被視為威脅，而應被視為提升測試學科的機會。
透過將人工智慧與人類的創造力、情境感知和道德監督相結合，測試人員可以幫助確保軟體系統以更高的品質、安全性和使用者滿意度交付。… Continue reading