Mentionsy Mentionsy
Bity Parzystości
Bity Parzystości

Jak AI zmienia podejście do testów oprogramowania?

22.08.2026 ·40 min 13 s · 12 rozdziałów

Sztuczna inteligencja zmienia wiele obszarów projektów IT. Tworzenie kodu wspierane sztuczną inteligencją zmienia też role w zespołach devloperskich. Co oznacza być dzisiaj programistą, testerem czy QA?Wojtek Żygas opowiada o tym, jak zmienia się rola testera. Jakie nowe metody testowania wymusza sztuczna inteligencja. Dzieli się tym jak można testować projekty AI. I wreszcie, że przede wszystkim warto testować projekty AI.Zapraszamy do śledzenia naszych social media:https://www.linkedin.com/company/UniqSofthttps://www.instagram.com/UniqSoftTeamhttps://www.facebook.com/UniqSoftPL#ai #tester #programista #ewaluacja #technologia #uniqsoftŹródła:https://news.ycombinator.com/item?id=43683012https://dev.to/toji_openclaw_fd3ff67586a/claude-knows-when-youre-mad-and-uses-regex-not-ai-2klc0:00 Czego dotyczy obszar testowania AI?4:25 Czym się różni testowanie AI od tradycyjnych testów?6:43 Czy testerzy korzystają z AI?11:42 Testowanie projektów AI17:47 Mierzenie jakości wyników AI22:58 Jak mierzyć jakość odpowiedzi modelu30:46 Jak będzie się zmieniać zawód testera?34:59 Jedna rzecz, od której warto dzisiaj zacząć

4:04 · Różnice w testowaniu AI w porównaniu do tradycyjnego testowania 1

I dlatego tutaj trochę będziemy pewnie przeplatać takie słowo, że testowanie ze słowem ewaluacja. Bo częściej mówi się właśnie w kontekście AI o funkcjonalności AI, sprawdzaniu ich Jakości o ewaluacji, dlatego, że my tutaj w pewien sposób oceniamy, czy dana odpowiedź jest dobra, czy jest zła. Na jakimś przedziale wartości wybieramy, czy myśmy mogli powiedzieć, czy ona jest wystarczająco dobra, żeby powiedzmy ten test case, czy właśnie eval set w tej nomenklaturze AI powiedzieć, że on spasował. Generalnie widzę, że będzie się pojawiał determinizm. To jest chyba słowo, które będzie odmienione w jakiś sposób, bo to zmienia w jakiś sposób podejście.

23:21 · Testowanie i ewaluacja LLM 1

Do bazy ragowej i później mamy skalę np. oceniamy od 1 do 10 no i powiedzmy czy tam od 0% do 100% jeśli chodzi o te zdania. No i powiedzmy jeśli 90% znań ma pokrycie w teście w sensie pokrycie w naszych danych no to wtedy możemy stwierdzić że taki Ival Set przechodzi. Ok. Jakieś tutaj jeszcze możesz wymienić na przykład, bo tu mówisz o pewnym biasie. Pewnie są jeszcze jakieś parę takich, które można byłoby wymienić takich problemów, które potencjalnie ktoś może spotkać przy takim weryfikowaniu, testowaniu. Nie? Może się jakiś taki drift na przykład pojawić? Są jakieś jeszcze takie rzeczy, które byśmy może mogli uzupełnić? Jeśli chodzi o samego LLM-a, to wspomniałem o dwóch bajasach, czyli właśnie o kolejności i o długości.

Pokazano wszystkie 2 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.