善用 ChatGPT — 軟體測試藍海來了！
借力使力才能毫不費力
📢 如果此文章有幫助到你，請按此追蹤 一日測試 IG (oneday.software) ，與我們保持高度互動，以獲取最新的軟體資訊與技術方案！
近期生成式 AI (Generative AI) 的熱潮持續升溫，而 ChatGPT 做為其中一種語言模型應用，在 2022/11/30 發布後，僅僅兩個月後即達到 1 億的使用者，其發展大大地影響著網路受眾。依國外新聞來源1, 來源2 指出，取得 1 億用戶這個成就的幾大科技巨頭的產品，分別花的時間如下：
- Twitter: 5 年
- Facebook: 4.5 年
- Snapchat: 3 年
- Instagram: 2.5 年
- Tiktok: 9 月
- ChatGPT: 64 天
但其實 AI 的發展早在 1950 年代就開始了，直到 2015–2016 年 AlphaGo 在棋局表現開始展露頭角的同時，逐漸讓大家認知到，原來在需要邏輯判斷的特定領域，電腦不只是速度快，在人類制定的規則下電腦是可以比人類還厲害的。但是，這並未顛覆「大眾的認知」，至少就筆者來說，我也打不贏遊戲的魔王啊！我就爛。而且在當下也只是圍棋領域的應用，沒有在接觸圍棋的群體，其實就只是接收到一個資訊：「哦～電腦下圍棋下贏人類了！」
直到 ChatGPT 的出現，不僅是 AI 在語言、對話領域的創造力有目共睹以外，在媒體大肆宣傳的狀況下，各行各業（e.g. 文字編輯、程式撰寫、圖片影像…等）似乎也發現 AI 的產出與人力創造出的成果正在產生消長現象。而也有一些企業家正試著將資金投資在 AI 領域的應用以獲取成本較低但品質較統一的輸出，那軟體測試領域呢？AI/ChatGPT 的發展會對軟體測試工程領域帶來什麼影響呢？恐慌的情緒也漫延到軟體測試領域了。
「是的！ AI 對軟體測試有很大的影響！」
在寫這篇文章前，其實筆者也試過用 ChatGPT 做一些很「QA」的事，像是改變 ChatGPT 的使用邏輯，「難道只能我（User）問你（ChatGPT）答，不能你（ChatGPT）問我（User）答嗎？」，或是刻意的請他犯錯，由不同的領域切入像是程式編寫、簡易繪圖、函式產生與計算，以實際驗證邊界測試去試試 ChatGPT 的反應。當然，結果得到的結果都是相對有效的，但這並不能滿足我的好奇心，直到輸入了一個問題，才讓我對 ChatGPT 有著「警戒」的感覺，問題是這麼問的：
而問完之後突發奇想，不是透過 AI 生成嗎？那應該會有不一樣的答案吧？
好的！開始沒完沒了了，身為測試怎麼可能放過這個機會？
結果，在一連串的拷問後，筆者發現 ChatGPT 的答案開始重複了，透過文字的去重後，整理出來了整整 97 個項目是 ChatGPT 認為它可以協助軟體測試領域的發展，但因為有些項目的說明對筆者而言去重後還是過於相像，所以就保留該項目。相信以 ChatGPT 而言，本質上應該還是有些許差異的，如果大家有興趣，歡迎找 ChatGPT 對話，也歡迎在本文下提出討論！
以下歸納了幾個大類是 ChatGPT 能夠協助軟體測試領域的發展六大面向，分別是：
- 測試案例的設計與生成 (30) — 28.84%
- 自動化測試執行與監控 (13) — 12.5%
- 測試品質保證與控制 (15) — 14.42%
- 測試流程相關與管理 (14) — 13.46%
- 測試類型與技術 (16) — 15.38%
- 測試覆蓋度評估與優化 (16) — 15.38%
而每個項目分別對應到大類的數量如上述後方的數字，但眼尖的讀者可能會發現這些數字的總和並不為 97，而是 104，是的，依據 ChatGPT 自己的分法，有部份的項目，它重複歸在不同的大類中，如：自動產生測試案例/軟體測試的自動化持續集成和交付/測試覆蓋率的分析和優化/測試用例的可讀性和可維護性分析/測試用例的可重複性和可擴展性分析/測試用例的自動化維護和更新。
由上述的項目分類知道，以 ChatGPT 的角度而言，在軟體測試領域而言「測試案例的設計與生成」是它可以大力支持的部份，所以測試團隊的人力配置，在測試案例的設計與生成部份應該要盡可能的減少，如果可以引用 AI 的工具產生或是不一樣的方案替代，相信能為測試團隊帶來更有效益的產出。
但仔細想想 ChatGPT 能夠為軟體測試領域協助這麼多的事情，那是不是代表中間的串接，也需要新一代的軟體測試工程師們去整合呢？寫到這一段，才讓我對 ChatGPT 「警戒」的感覺稍稍鬆懈，隨之而來是「興奮」且在軟體測試領域看到一大片藍海的感覺！
但偏偏手又不聽使喚的輸入了下一個問題……
「那請問，軟體測試工程師還能做什麼？」
「……」
Howard Chiang
2023.02.25
