Mabl:inteligentne testy
Testowanie aplikacji czy platform internetowych może być prawdziwą drogą przez mękę. Dwaj przedsiębiorcy - Izzy Azzeri oraz Dan Belcher opracowali rozwiązanie, które znacznie przyspiesza i ułatwia proces.
Uczenie maszynowe stało się jednym z najgorętszych tematów w branży IT. Jednym z ciekawych przykładów wykorzystania tej technologii jest aplikacja do testowania funkcjonalnego opracowana przez startup Mabl. Jego założyciele – Izzy Azzeri oraz Dan Belcher nie są nowicjuszami. W 2012 roku założyli firmę Stackdriver, która postawiła sobie za cel stworzenie oprogramowania do monitoringu środowiska chmurowego. Już dwa lata później startup został wchłonięty przez Google. Azzeri oraz Belcher wytrzymali w koncernie z Mountain View niespełna trzy lata, a następnie uruchomili nowy projekt.
– Podczas pracy w Google spotykaliśmy się z wieloma zespołami programistycznymi i obserwowaliśmy ich pracę. O ile sam proces tworzenia nowego kodu jest bardzo szybki, o tyle testowanie staje się wąskim gardłem. – mówi Izzy Azzeri.
Zespoły programistyczne tworzą software w krótkich cyklach produkcyjnych, co umożliwia szybsze budowanie i publikację aplikacji. Jednakże nowe uwarunkowania wiążą się z potrzebą częstych testów, czasami nawet kilku dziennie.
– Na początku przedsięwzięcia szukałem nowego wyzwania, które ułatwiłoby testowanie oprogramowania. Ostatecznie skoncentrowaliśmy się na aplikacjach internetowych, ale nasza koncepcja sprawdza się także w przypadku programów na Androida czy iOS. Mabl jest kompletnym środowiskiem testowym, które nie wymaga wcześniej zdefiniowanych skryptów testowych – tłumaczy Izzy Azzeri.
Testowanie witryn internetowych odbywa się za pośrednictwem usługi hostowanej na platformie chmurowej Google. Na tejże są realizowane funkcje analityczne, przetwarzanie oraz uczenie maszynowe. Mabl korzysta z takich narzędzi jak: Cloud Engine ML (bezserwerowa platforma do trenowania w chmurze), Dataflow (platforma do przetwarzania danych), BigQuerry (skalowalna hurtownię danych), Datastore (baza NoSQL). Aplikacja informuje deweloperów o wszelkich zmianach wizualnych, błędach JavaScript, uszkodzonych linkach i zwiększonym czasie ładowania.
Po uruchomieniu testów w Mabl system gromadzi ogromną ilość informacji, które obejmują nie tylko testy dzienników wyjściowych, ale także dane dotyczące HTML, obrazy, zrzuty ekranu stanu stron i błędy pochodzące z Chrome i innych przeglądarek. Wszystkie dane testowe są kierowane do tzw. potoku uczenia maszynowego. W rezultacie jakość testów poprawia się automatycznie wraz z upływem czasu i liczbą wykonywanych operacji. Mabl przechwytując duże zbiory danych cały czas się uczy, tym samym dostarczając użytkownikom coraz bardziej precyzyjny wyniki i trafne spostrzeżenie. Jednym z przykładów może być testowanie wydajności aplikacji. Mabl mierzy czas dla każdej strony, obrazu i o komponentu, zawsze po uruchomieniu testu. Następnie przekazuje wszystkie informacji do analizy i modeli szkoleniowych i tym samym ustala typową wydajność dla wszystkich stron i komponentów.
Na uwagę zasługuje fakt, iż w ciągu niespełna dwóch lat startup pozyskał 30 mld dolarów. Założyciele nie ukrywają, że udało im się pozyskać fundusze od venture capitals łatwiej niż w przypadku Stackdrive – 15 mlddolarów w dwa lata. Samo rozwiązanie pojawiło się na rynku w tym roku, a na liście jego użytkowników znajdują się Honeywell, Symantec czy Business Harvard School. Wersja testowa aplikacji znajduje się na https://app.mabl.com/signup
Podobne artykuły
Nowym motywatorem prawo i sztuczna inteligencja
Firmy coraz bardziej przekonują się do elektronicznego obiegu dokumentów. Dla nieprzekonanych zaś skutecznym impulsem mogą być regulacje prawne.
Sztuczna inteligencja w czterech odsłonach
Startupy bardzo szybko adaptują w swoich rozwiązaniach sztuczną inteligencję. Co ważne, większość z nich nie robi tego, aby nadążać za modą, lecz zwiększać funkcjonalność produktów.
Wojna na rynku chipów: nowe linie frontu
Technologia stojąca za generatywną sztuczną inteligencją, taką jak ChatGPT, eksplodowała, napędzając popyt na specjalistyczne chipy. Jak na razie najszybciej z bloków wystartowała Nvidia, ale to dopiero początek wyścigu.