Applitools はビジュアル AI テストをネイティブ モバイル アプリに拡張します

Applitools はビジュアル AI テストをネイティブ モバイル アプリに拡張します

Applitools は本日、オンライン イベント「Future Testing: Mobile」において、モバイル コンピューティング プラットフォームで実行されるアプリケーションにビジュアル人工知能 (AI) を適用する機能をプレビューしました。

現在無料で提供されているクラウド サービスを通じてアクセスされる、ローカル モバイル デバイス向けの超高速テスト クラウド製品により、同社のブラウザーベースのモバイル アプリ向けビジュアル AI ツールが、Apple iOS または Google Android デバイスでネイティブに実行されるアプリに拡張されます。

[[411279]]

Applitools の CEO である Gil Sever 氏は、現在、ほとんどのモバイル エンタープライズ アプリはアプリの構築と展開を簡素化するためにブラウザーに依存しているが、時間が経つにつれて、主にユーザー エクスペリエンスが向上するため、iOS または Google の Android プラットフォームでネイティブに実行されるアプリが増えるだろうと述べています。

このアプローチでは、Applitools AI ツールが各プラットフォームのニュアンスを理解してアプリケーション テスト プロセスを簡素化するため、面倒なプラットフォーム シミュレーターに頼ってアプリケーションをテストする必要もなくなります。

実際、Sever 氏は、ビジュアル AI ツールは開発者やテスト チームの効率を高めるだけでなく、エンド ユーザーがアプリケーション テスト プロセスに参加しやすくなるとも指摘しています。

AI テストに対する Applitools のアプローチでは、開発者はアプリケーションのユースケースに基づいてより詳細な制御も行えます。たとえば、ピクセル単位の正確な位置合わせが必要な医療アプリケーションと、それほど忠実度を必要としない e コマース アプリケーションをテストするために、異なる設定を適用できます。開発者は根本原因分析を使用して回帰の問題を解決できます。

コンピュータービジョンアルゴリズムを使用してテストを自動化するビジュアル AI ツールが広く採用されるようになるかどうかはまだ明らかではありません。現在のアプリケーション開発のペースは、ほとんどの専任テスト チームが処理できるペースよりも速いことは間違いありません。その結果、アプリケーション テストの責任の多くが開発者に移行し、開発者は時間の節約のために、クラウド サービスを通じてアクセスできる AI やその他の形式の自動化に依存する傾向が強まる可能性があります。

AI テスト ツールの登場により、より多くのアプリケーションを本番環境に導入する前に徹底的にテストできるようになります。どのようなアプリケーション開発プロジェクトでも、プロジェクトが遅れている場合、最初のステップはテストです。より多くの定型テストが自動化されるにつれて、専任のテストチームがエンドユーザー エクスペリエンスの向上に集中できる機会が増えるはずです。

ほとんどの組織が日常的に AI を使用してアプリケーションをテストするようになるまでには、まだ時間がかかるかもしれません。しかし、これらの組織のいずれも、AI が人間によるアプリケーションのテストの必要性を置き換えることを期待すべきではなく、AI テスト プラットフォームは現実世界のアプリケーションを見ることができます。結局のところ、アプリケーションに加えられた変更を確認することと、なぜその変更が必要だったのかを理解することの間には大きな違いがあります。

<<:  nn.Module クラスに基づく線形回帰モデルの実装

>>:  Xuelang Cloudは、世界人工知能会議アルゴリズムコンテストのBPAA産業トラックで世界トップ10に輝きました!

ブログ    
ブログ    

推薦する

顔認識の長所と短所:祝福か呪いか?

[[403037]]画像ソース: https://pixabay.com/images/id-32...

AIアライメントを徹底レビュー!北京大学などが800以上の文書から4万語を要約し、多くの著名な学者が執筆を担当した。

要点を一目でAI アライメントは、RLHF/RLAIF などの成熟した基本手法だけでなく、スケーラブ...

アジャイルプロジェクト管理における人工知能の 9 つのメリット

人工知能は、特にソフトウェア開発の効率性の向上において、ソフトウェア開発を改善・加速し、プロジェクト...

機械学習の未来

[[401300]]データ ライフサイクルの管理は、自動運転車の開発において重要な部分です。自動運転...

ハイパーオートメーション — AIの新時代における自動化

ハイパーオートメーションとは何か、そして AI 主導のオートメーションが製品プロセスを改善してより迅...

1 つの GPU + 数行のコードで、大規模モデルのトレーニング速度が 40% 向上します。 HuggingFaceのシームレスなサポート

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

ユーザーの検索ログに基づくマルチタスク学習による商品タイトル圧縮手法

まとめTaobao や Tmall などの電子商取引プラットフォームでは、検索エンジン最適化 (SE...

5Gヘルスケアの7つの未来

病院が導入する医療機器やモバイルデバイスが増えるにつれて、医療システムの IT インフラストラクチャ...

データによると、ChatGPTのトラフィックは8月末から増加し始めており、これは主に新学期の始まりによるものである。

9月21日、第三者機関の最新の推計によると、人工知能チャットボット「ChatGPT」のトラフィック...

...

テレンス・タオ:不等式定理を証明するためにGPT-4を使いました。論文はarXivにアップロードされます。

有名な数学者テレンス・タオ氏はここ数か月、ChatGPTやGPT-4などのAIツールを使用して数学の...

Appleが大規模モデル圧縮技術を革新、大規模モデルを携帯電話に搭載可能に

大規模言語モデル (LLM)、特に生成事前トレーニング済みトランスフォーマー (GPT) モデルは、...