با رشد روزافزون پیچیدگی برنامه های تحت وب، نیاز به تست خودکار جامع و موثر بیش از پیش احساس می شود. در این مقاله، رویکردهای اخیر تست خودکار وب اپلیکیشن ها با بهره گیری از الگوریتم های هوش مصنوعی (یادگیری ماشین، یادگیری عمیق و شبکه های عصبی) مرور و تحلیل می شوند. پس از بررسی چالش های تست سنتی تحت وب (مانند فرم های پویا و منطق پیچیده)، روش های هوشمند در سه دسته عمده معرفی می شوند:
۱) یادگیری ماشین برای تولید و تحلیل موارد آزمون
۲) شبکه های عصبی و یادگیری عمیق برای درک عناصر رابط کاربری و آزمون خودکار
۳) یادگیری تقویتی عمیق برای کاوش خودگردان فضای حالت وب.
نمونه هایی از چارچوب های منتخب، مانند WebRLED و WebExplor، به همراه نتایج تجربی آن ها ارائه می شود. نتایج نشان می دهد که روش های مبتنی بر هوش مصنوعی می توانند به طور چشمگیری پوشش کد و نرخ کشف خطا را بهبود دهند. چشم اندازهای پژوهشی آینده شامل یکپارچه سازی مدل های زبان بزرگ (LLM) و گسترش دسترسی به دیتاست های واقعی برای آموزش مدرن است.
لینک مقاله:
