直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

State of AI 2024 报告

回答

以下是关于《State of AI 2024》报告的相关信息：

  • 该报告由来自剑桥大学的 AI 风险投资公司 Air Street Capital 创始人兼 CEO Nathan Benaich 和来自牛津大学的 Air Street Capital 平台负责人 Alex Chalmers 共同发表。
  • 报告主要围绕人工智能（AI）领域的最新进展、政治动态、安全挑战及未来预测几大方面进行说明。
  • 报告中的关键要点包括：OpenAI 的 o1 模型在数学、科学和推理方面重新定义了 AI 的极限；中国的 AI 模型在面对制裁时表现出色；生成式 AI 的初创公司获得巨大收益，但可持续性仍存在问题。
  • 报告每年 10 月份发布，对未来 12 个月有 10 大预测，例如某主权国家将向一家美国大型 AI 实验室投资超 100 亿美元并引发国家安全审查等。报告链接为：The State of AI 2024
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

2024人工智能报告｜一文迅速了解今年的AI界都发生了什么？

[title]2024人工智能报告｜一文迅速了解今年的AI界都发生了什么？近日，来自剑桥大学，AI风险投资公司Air Street Capital创始人兼CEO Nathan Benaich和来自牛津大学，Air Street Capital平台负责人Alex Chalmers共同发表《State of AI Report》2024人工智能现状报告，报告主要围绕人工智能（AI）领域的最新进展、政治动态、安全挑战及未来预测几大方面进行说明。

2024 年人工智能现状：辉煌、戏谑和“牛市”

OpenAI's o1 Model Dominates:OpenAI’s o1 is redefining the limits of AI in math,science,and reasoning,leaving competitors bewildered and broke.China's AI Surge:Defying sanctions,Chinese models are scaling leaderboards with sheer resilience and strategic brilliance,proving they’re here to dominate.Generative AI's Billion-Dollar Boom:AI start-ups are cashing in big,but sustainability remains as elusive as a chatbot that can grasp nuance.Report Link:[The State of AI 2024](https://esg4lgjwa43v.sg.larksuite.com/record/IzUurUoO3eB0qCcwdeKlMIkOgeg)[heading3]Introduction:Welcome to the State of AI 2024[content]The seventh installment of the State of AI Report gives us a panorama of triumphs,trials,and a sprinkle of the absurd in the AI landscape.It covers everything from research breakthroughs and regulatory drama to the fine balance between AI’s glorious potential and its lurking risks.And yes,as always,it’s as much about understanding what’s happening now as it is about predicting what’s going to slap us in the face next year.

10月盘点：AI 行业大事记

State of AI Report报告每年10月份发布，最后是对未来12个月的预测，准确率一般来说还不错。今年的10条预测如下，让我们拭目以待：1.某主权国家将向一家美国大型AI实验室投资超100亿美元，引发国家安全审查。2.一款完全由无编码能力的人独立创建的应用或网站将会走红，跻身App Store前100名。3.前沿实验室在数据收集实践上做出重大调整，源于一些相关案例进入审判阶段。4.欧洲早期的《AI法案》实施力度比预期温和，因立法者担心该法案过于严苛。5.开源替代方案在多项推理基准测试中超越OpenAI o1。6.竞争者未能对NVIDIA的市场地位造成实质性影响。7.由于产品与市场需求不匹配，对类人机器人投资的热度将逐渐下降。8.Apple在设备端AI研究的强劲成果将加速设备端AI的发展势头。9.由AI科学家生成的研究论文将在重要机器学习会议或研讨会上获得接收。10.基于与生成式AI元素互动的电子游戏将取得爆发性成功。以上信息整理来自@Renee创业随笔，推荐你看完她的整个系列笔记↓ ↓ ↓[《State of AI Report 2024》（final）-未来12个月的10大预测](https://mp.weixin.qq.com/s?__biz=MzkwOTMzMzk0MQ==&mid=2247490873&idx=1&sn=9466129ae1655ed1f1867323e1700dfc&scene=21#wechat_redirect)

其他人在问
你能帮我找到这篇报告吗？他的名字是《InfoQ：中国AI Agent应用研究报告2024》
以下是为您找到的《InfoQ：中国 AI Agent 应用研究报告 2024》的链接：https://waytoagi.feishu.cn/record/Y45LrXJiwe4SgYc5tMZcVVtqn6b
2024-10-31
《2024大模型人才报告》
以下是与您查询的相关报告： 2024 年 9 月 10 日： 《》由蚂蚁集团和中国信通院联合发布，探讨了大模型在金融、医疗、政务等行业的应用挑战和解决方案。报告提出了一个系统化的可信应用框架，强调了专业性、可控性、真实性和安全性四个核心要素，并从数据质量、模型能力、推理过程、系统安全等方面提供了具体的技术实现建议。 《》 《》 《》 《》 2024 年 7 月 10 日： 极客邦科技通过《》报告深入探讨 AIGC 技术在企业中的应用，提供实战经验和趋势洞察。这份报告集合了多篇文章和案例，覆盖互联网产品、企业生产、医疗、教育等行业，展现大模型应用潜力。 《》 《》 《》 《》 2024 年 9 月 18 日： 《》探讨了 AI 技术，尤其是大模型技术对劳动力市场的影响。 《》探讨了 AI 技术在营销领域的应用现状和发展趋势。 《》 《》 您可以通过相应的链接获取更详细的内容。
2024-10-29
为什么2024年诺贝尔物理学奖颁发给了Hinton
2024 年诺贝尔物理学奖颁发给了 Hinton（杰弗里·埃弗里斯特·辛顿），原因是“以表彰他们利用人工神经网络进行机器学习的奠基性发现和发明”。 Hinton 出生于 1947 年 12 月 6 日的英国温布尔登。他的职业生涯丰富： 1970 年，获得剑桥大学实验心理学学士学位。 1976 年—1978 年，担任苏塞克斯大学认知科学研究项目研究员。 1978 年，获得爱丁堡大学人工智能学博士学位。 1978 年—1980 年，担任加州大学圣地亚哥分校认知科学系访问学者。 1980 年—1982 年，担任英国剑桥 MRC 应用心理学部科学管理人员。 1982 年—1987 年，历任卡内基梅隆大学计算机科学系助理教授、副教授。 1987 年—1998 年，担任多伦多大学计算机科学系教授。 1996 年，当选为加拿大皇家学会院士。 1998 年，当选为英国皇家学会院士。 1998 年—2001 年，担任伦敦大学学院盖茨比计算神经科学部创始主任。 2001 年—2014 年，担任多伦多大学计算机科学系教授。 2003 年，当选为认知科学学会会士。 2013 年—2016 年，担任谷歌杰出研究员。 2016 年—2023 年，担任谷歌副总裁兼工程研究员。 2023 年，从谷歌辞职。 2023 年，当选为美国国家科学院院士。 Hinton 是反向传播算法和对比散度算法的发明人之一，也是深度学习的积极推动者，被誉为“深度学习教父”。他曾花了小半个世纪的时间开发神经网络，让机器拥有了深度学习的能力。
2024-10-29
2024-2028年内最有可能上市的ai创业项目有哪些
以下是对 2024 2028 年内可能上市的 AI 创业项目的一些分析和预测： 1. 企业应用的 AI 催化项目有望较快实现，因其更易于部署。 2. 个人数字娱乐领域通过 AI 技术创造内容的项目预计会有发展。 3. 自动驾驶和机器人技术的突破可能在 2026 年或 2027 年出现。 4. 小参数大模型相关的项目，尤其在手机端应用方面，例如苹果等公司专注的方向，对开发者是利好。 5. 2024 下半年可能会有一批有代表性的 AI 应用跑出来，比如在社交和游戏中的 agent 智能体应用。 6. 可控核聚变技术相关的项目，由于 AI 对能源的强大需求，可能会加速攻克难题并实现商业化。
2024-10-08
2024大模型人才报告
以下是 2024 年部分大模型相关的人才报告及研究报告： 2024 年 9 月 10 日，《》由蚂蚁集团和中国信通院联合发布，探讨了大模型在金融、医疗、政务等行业的应用挑战和解决方案，提出了系统化的可信应用框架，并从多方面提供了技术实现建议。 2024 年 1 月 24 日，《》由中国社科院和腾讯研究院发布，通过实验观察到部分社会群体期待大模型有“人情味”。 2024 年 2 月 4 日，更新了多份研究报告文档，如《》等。 此外，还有以下相关报告： 《》 《》 《》 《》 您可以通过以下链接获取更多详细内容： 研究报告板块： 知识星球：
2024-10-08
量子位：2024中国AIGC广告营销产业全景报告
以下是关于《量子位：2024 中国 AIGC 广告营销产业全景报告》的相关信息： 生成式 AI 从供给端到需求端对广告营销各环节玩家造成冲击。在工作流程方面，AI 最先赋能策略洞察与内容生产，大模型加持的数字人带来全新交互体验。在典型场景中，创意生产工具呈平民化趋势，品牌可以为“一个人”量身定制广告。同时，生成式 AI 在创新广告形式、实现自动化营销、企业商业模式革新上重塑了广告营销格局。
2024-09-30
ai将颠覆很多模式，那有什么是未来十年二十年不变的部分？
以下是关于您所提出问题的相关分析： 在未来十年二十年，可能存在一些相对不变的部分： 1. 创造力和想象力的重要性：在游戏创作等领域，尽管技术门槛降低，但独特的创意和想象力仍将是珍贵的。 2. 行业竞争的本质：在初创企业和现有大公司的竞争中，各自的优势和挑战依然存在，关键在于如何利用自身特点吸引用户和应对变革。 3. 科技对经济的推动作用：如 AI 这样的新技术仍将对全行业的进步产生积极影响，为经济发展提供新动力。 然而，需要注意的是，由于科技发展的不确定性，对于哪些部分绝对不变难以给出确切的定论。
2024-11-05
如何用ai更好的指导高考志愿填报以及职业规划
以下是关于如何用 AI 更好地指导高考志愿填报以及职业规划的相关内容： 对于高考志愿填报和职业规划，AI 可以从以下几个方面提供帮助： 1. 职业趋势分析：基于最新的市场数据和行业报告，协助考生分析自身专业或职业的前景，了解未来的职业趋势。 2. 技能评估与提升：通过测评工具评估考生当前的职业兴趣，提供针对性的学习资源和课程建议，帮助提升专业技能。 3. 职业匹配与推荐：根据考生的兴趣、技能和职业目标，推荐适合的职业路径和职位，提供个性化的职业建议。 4. 职业发展规划：结合考生的个人情况和市场需求，制定详细的职业发展计划，包括短、中、长期目标，帮助考生在快速变化的就业市场中找到自己的职业定位。 在实际应用中，学生可以通过相关产品了解 AI 技术在不同职业中的应用，评估自己的兴趣和技能，选择合适的职业路径，并制定详细的职业规划。同时，根据职业目标，获得个性化的学习建议和资源，提升在 AI 领域的技能，为未来的就业做好准备。 对于职场新人和职业转换者，AI 可以提供职业发展指导和职业转型支持。职场新人可以根据自身的职业目标和市场需求，制定职业发展计划，明确短期和长期的职业目标。对于希望从其他领域转型到 AI 相关领域的从业者，AI 可以提供详细的转型路径和必要的技能培训资源，帮助他们顺利转型。 企业可以利用 AI 评估应聘者的 AI 技能水平，选择合适的候选人。同时，可以为现有员工提供职业发展规划和技能提升的建议，培养内部 AI 人才，为员工制定个性化的职业发展计划，提供持续的职业指导和培训，提升员工的职业满意度和留任率。 教育机构可以将 AI 职业规划产品作为学生职业指导的一部分，帮助学生了解 AI 领域的职业机会和发展路径，提升就业率。还可以根据市场需求和学生的职业规划，优化课程设置，提供更有针对性的 AI 技能培训。 职业咨询师可以使用 AI 为客户提供更精准的职业规划建议和技能评估，提升咨询服务的质量和效率。基于 AI 提供的市场数据和职业趋势分析，咨询师可以为客户提供更加全面和前瞻性的职业指导。 需要注意的是，不能简单地依赖所谓的“热门”专业，专业的选择应更多地根据孩子的个人价值观、兴趣、能力来决定。比如，在不同的时代，热门专业会有所变化，80 后、90 后的热门专业在如今的就业形势可能已不同。
2024-11-05
如何用ai赋能高报行业
以下是关于如何用 AI 赋能高报行业的一些信息： 1. 金融服务方面： 生成式 AI 能帮助金融服务团队改进内部流程，简化日常工作。例如，它可以帮助回答财务问题，从更多数据源获取数据，自动化突出趋势、生成预测和报告的过程。 能帮助编写 Excel、SQL 和 BI 工具中的公式和查询以实现分析自动化，发现模式并为预测建议输入。 能自动创建文本、图表、图形等内容，并根据不同示例调整报告，无需手动整合数据和分析。 能在会计和税务方面提供帮助，如综合、总结税法和潜在扣除项的可能答案。 能在采购和应付账款方面自动生成和调整合同、采购订单和发票以及提醒。 2. 教育方面：生成式 AI 可以通过创建资源来支持教育工作者部署 AI 赋能的教育工具，例如学校中的个性化辅导，从而改变教育。 3. 劳动力方面： 制定原则和最佳实践，以减轻 AI 对工人的危害并最大化其益处，解决工作岗位流失、劳动标准、工作场所公平、健康和安全以及数据收集等问题。 制作关于 AI 对劳动力市场潜在影响的报告，并研究和确定加强联邦对面临劳动力中断（包括因 AI 导致）的工人的支持的选项。 此外，拜登签署的 AI 行政命令还涉及以下方面： 1. 催化美国各地的 AI 研究，通过国家 AI 研究资源的试点为研究人员和学生提供关键的 AI 资源和数据，并扩大在医疗保健和气候变化等重要领域的 AI 研究资助。 2. 促进公平、开放和竞争的 AI 生态系统，为小型开发者和企业家提供技术援助和资源，帮助小企业将 AI 突破商业化，并鼓励联邦贸易委员会行使其职权。 3. 利用现有权力，通过现代化和简化签证标准、面试和审查，扩大高技能移民和在关键领域有专长的非移民在美国学习、停留和工作的能力。 4. 在国际上： 扩大双边、多边和多利益相关方的合作，建立强大的国际框架来利用 AI 的益处并管理其风险和确保安全。 与国际伙伴和标准组织加速关键 AI 标准的开发和实施，确保技术安全、可靠、可信和可互操作。 促进国外安全、负责和肯定权利的 AI 开发和部署，以解决全球挑战，如推进可持续发展和减轻对关键基础设施的危险。 确保政府负责任和有效地使用 AI 。
2024-11-05
如何用ai锻炼自己的能力
以下是一些利用 AI 锻炼自己能力的方法： 1. 借助专门为协助特定任务而设计的 AI 驱动工具和教练，如 InterAlia 帮助搭配服装、Prodigy AI 提供职业建议、Poised 提升沟通能力等，以获得针对不同方面的支持和指导，实现如更多锻炼、改善财务状况等目标。 2. 利用大语言模型加速认知提升，将生物大脑和机器智能一同进化，从而有更多时间进行高阶思维的锻炼，如计划、评估、决策、抽象和创造。 3. 学会提问，未来的教育应侧重于如何提出有价值的问题，好的思考带来好的问题，批判性思维和好奇心是思考的前提。 4. 学会广泛而深入地思考，重点培养结构化思维，将复杂问题分解成更小、更易管理的部分，并通过逻辑和有条理的步骤解决。 5. 利用自然语言表达和整理思维，形成清晰的“人类级别”叙述，通过算法和逻辑解决问题的编程思维模式，帮助更好地结构化思考。 6. 在学习中，如语文学习，可通过与 AI 互动，掌握重点词汇和句式，提高文言文阅读能力，了解历史和作者的创作主张与情怀，理解重要的文言文字词和语法现象等。同时，与学生约定善用工具提升自身能力，在小组里提供服务，不断提出要求和检查效果。
2024-11-05
国内免费且实用的app或者网页版的AI前10有哪些
以下是国内免费且实用的部分 AI 相关的 app 或者网页版： 1. Kimi 智能助手：由 Moonshot AI 出品，有着超大“内存”，能一口气读完二十万字的小说，还会上网冲浪。 2. 文心一言：百度出品的 AI 对话产品，定位为智能伙伴，能写文案、想点子，陪聊天、答疑解惑。 3. 通义千问：由阿里云开发的聊天机器人，能够与人交互、回答问题及协作创作。 此外，还有以下一些应用： 1. 盒马鲜生 APP：AI 菜谱食材采购平台，能根据菜谱推荐食材并提供采购渠道。 2. 沪江网校社区：AI 语言学习社区平台，能为语言学习者提供交流平台。 3. 猫眼专业版 APP：AI 电影票房预测系统，可预测电影票房，为电影行业提供参考。 4. 联想设备管理平台：AI 办公设备管理系统，能管理办公设备，提高设备利用率。 在国内总榜中排名较前的部分相关应用有： 1. SEO 优化精灵：通用写作类，4 月访问量 64.6 万。 2. 虎课网免费在线视频教程：AI 学习类，4 月访问量 62.9 万。 3. Glasp：会议总结类，4 月访问量 60.7 万。 4. aippt：PPT 类，4 月访问量 59.6 万。 5. 帆软战略：电商类，4 月访问量 59.5 万。 6. 帆软数据：数据分析类，4 月访问量 59.5 万。 7. 讯飞听见：转录类，4 月访问量 56.2 万。 8. Pixso AI：设计工具类，4 月访问量 54.9 万。 9. ToonMe（卡通头像）：图像生成类，4 月访问量 53.6 万。 10. edrawsoft：思维导图类，4 月访问量 53.5 万。 请注意，内容由 AI 大模型生成，请仔细甄别。
2024-11-05
国内适合打工上班族最好用的AI有哪些
以下是一些适合国内打工上班族使用的 AI 工具： 1. Kimi 智能助手： ChatGPT 的国产平替，实际上手体验好，适合新手入门学习和体验 AI。 不用科学上网、不用付费、支持实时联网。 是国内最早支持 20 万字无损上下文的 AI，也是目前对长文理解做得最好的 AI 产品。 能一次搜索几十个数据来源，无广告，能定向指定搜索源。 电脑端： 移动端（Android/ios）： 2. 对于想求职外企提升练习口语的打工上班族，以下 AI 工具可供选择： Speak：这是一款 AI 英语学习 APP，利用世界最先进的 AI 语言学习技术，提供全面的实时反馈，帮助用户流利掌握语言。Speak 提供个性化学习体验，并帮助用户随时随地练习口语，OpenAI 曾投资该公司。 Duolingo：提供了一个游戏化的学习平台，通过 AI 辅助的教学方法，帮助用户学习新词汇和短语。它的口语练习功能可以帮助您练习发音和口语表达。 Call Annie：在发音过程中，能根据发言调整自己的表情和动作，让您感觉仿佛在和真人对话。可以随时和 Call Annie 通过视频或语音进行英语对话，是一个完美的英语口语练习帮手。
2024-11-05
帮我撰写专利分析报告的ai有哪些
以下是一些可用于撰写专利分析报告的 AI 工具和平台： 1. 专利检索与分类： Google Patents：使用 AI 技术帮助用户检索和分析专利文献。 IBM Watson for IP：利用 NLP 和机器学习技术，自动化地检索和分类专利文献，提高检索的准确性和效率。 2. 专利分析和评估： TurboPatent：使用 AI 技术进行专利文档的自动审查和分析，评估专利的授权可能性和潜在风险。 PatentBot：AI 驱动的平台，可以自动分析专利文本，评估专利的技术范围和创新性。 3. 自动化专利申请： Specifio：利用 AI 技术自动生成专利申请文件，包括专利说明书和权利要求书，提高专利申请的效率。 PatentPal：使用 AI 技术自动生成和编辑专利申请文件，减少人工工作量。 4. 专利图像和图表分析： Aulive：利用 AI 技术分析专利中的图像和图表，自动识别技术内容和创新点。 AIpowered image recognition tools：用于专利文献中的图像识别和分析，提高图像处理的效率和准确性。 5. 专利趋势分析和预测： Innography：利用 AI 技术分析专利数据，提供技术趋势分析和竞争情报。 PatSnap：AI 驱动的平台，分析专利数据和技术趋势，提供全面的专利情报和市场分析。 使用这些平台的一般步骤如下： 1. 注册和登录：在对应的平台上注册账户并登录。 2. 上传专利文献：上传待审查的专利文献或输入检索关键词。 3. 选择分析功能：根据需要选择专利检索、分析、评估或生成功能。 4. 查看结果和报告：查看 AI 生成的检索结果、分析报告和评估结果。 5. 进一步处理：根据分析结果进行进一步的人工审查和处理，或者直接生成专利申请文件。 需要注意的是，AI 技术在专利审查领域的应用，可以极大地提高工作效率，减少人工工作量，提高专利检索、分类和分析的准确性和效率。但在使用时，仍需仔细甄别结果。
2024-10-31
Ai上中下游报告
以下是为您提供的关于 AI 上中下游的相关报告内容： 2024 年人工智能发展状况： 在上一届 SOAI 发布后不久，斯坦福大学发布了其首个基础模型透明度指数。模型开发者的平均得分起初为 37 分，中期更新时攀升至 58 分。2024 年 5 月的最新一期基于 100 项指标，评估了 14 家领先的基础模型开发者的透明度，涵盖“上游”因素数据、劳动力、计算、“模型级”因素（围绕能力和风险）、“下游”标准（围绕分布）以及社会影响。其中，计算和使用政策的评分改善强劲，而“上游”评分仍较疲弱。 AI 产业的产业链结构： 大致分为上游的基础设施层（数据与算力）、中游的技术层（模型与算法）、下游的应用层（应用与分发）。对于上中下游分别有哪些值得重点关注的企业（或产品），经过大量的信息收集和汇总工作，并结合几家知名咨询机构的文档，绘制了相关图谱，但为避免广告嫌疑，未展开详细说明。 生成式 AI 季度数据报告（2024 年 1 3 月）： 经讨论，根据 a16z 榜单重新整理分类，从原有红杉模态分类改为从用户特性出发的分类，如生产力、社交、教育、创意内容等。部分赛道如 LLM 基础设施/开发者生态、垂类分类、Agent 赛道等的热度参考存在局限性。同时提到了一些相关的公众号，如 aiwatch.ai 等。
2024-10-29
AI 分析调查结果并生成洞察报告
以下是关于 AI 分析调查结果并生成洞察报告的相关内容： User Evaluation： 这是一个利用人工智能（AI）来提升用户研究和数据分析的工具。 功能特点包括： AI 驱动的转录：支持 57 种以上语言的转录功能，能够即时转录视频和音频内容。 AI 洞察：从数据中快速生成有用的洞察，每个洞察都附有数据来源。 集合管理：使用直观的看板（Kanban）板来组织和分享洞察，添加标签和笔记。 AI 生成报告：生成包含文本、表格和图表的行为分析报告等。 AI 生成演示文稿：一键生成包含 AI 洞察和数据可视化的 PPTX 演示文稿。 多样化数据源：分析来自音频、视频、文本或 CSV 文件的信息以改进产品用户体验。 洞察模板：提供多种洞察模板，帮助提取最有价值的数据洞察。 情感分析：解释音频和视频文件中的客户情感，识别情绪趋势以优化策略。 FeaturesVote： 这是一个帮助企业通过用户反馈来驱动产品增长的工具。 主要功能有： 用户投票板：用户可以发布和投票他们希望看到的功能，企业可以根据投票结果优先开发这些功能。 快速设置：只需 2 分钟即可完成设置，并提供免费计划。 无缝集成：可以将投票小部件无缝添加到应用中，用户无需再次登录即可发布和投票，减少摩擦并增加反馈。 定制化：支持内置的浅色/深色模式，用户识别和配置。 透明度和信任：通过展示不断交付和构建用户需要的功能来增加用户信任和留存率。 中小企业利用人工智能（AI）进行转型： 在数据驱动决策方面，特别是数据分析和洞察部分： 目标是通过使用人工智能（AI）工具来分析大量的客户和市场数据，为企业决策提供有力支持。 首先，利用 AI 工具分析客户数据、市场数据，深入理解客户行为、市场趋势和业务机会。根据企业需求选择能处理大数据并提供深度分析的工具，如数据挖掘、机器学习模型等。收集不同渠道数据，进行分析，识别模式、趋势和相关性。 其次，为营销、产品开发等部门提供基于数据的建议和指导。利用数据分析结果指导企业策略，如市场定位、产品优化等。理解 AI 分析提供的洞察和建议，将其转化为实际业务策略。与相关部门紧密合作，确保数据洞察被有效利用。基于数据洞察制定或调整策略，实施后持续监控效果并收集数据，反馈到 AI 分析中形成闭环，不断优化数据分析和业务决策。 邬嘉文：AI 做用户研究｜Claude 3 Opus 可以直接输出用户研究报告： 报告范例中包含了优势和劣势的相关内容及对应的频次。例如优势方面，高质量显示被提及 44 次等；劣势方面，兼容性问题被提及 68 次等。同时提到 GPT 有一定幻觉问题。
2024-10-29
可以实现测试用例设计、测试脚本、测试执行、测试报告 的AI 有哪些？
以下是一些可以实现测试用例设计、测试脚本、测试执行和测试报告的 AI 工具和方法： 1. 基于规则的测试生成： 测试用例生成工具： Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 模式识别： Clang Static Analyzer：利用静态分析技术识别代码模式和潜在缺陷，生成相应的测试用例。 Infer：Facebook 开发的静态分析工具，自动生成测试用例，帮助发现和修复潜在错误。 2. 基于机器学习的测试生成： 深度学习模型： DeepTest：利用深度学习模型生成自动驾驶系统的测试用例，模拟不同驾驶场景，评估系统性能。 DiffTest：基于对抗生成网络（GAN）生成测试用例，检测系统的脆弱性。 强化学习： RLTest：利用强化学习生成测试用例，通过与环境交互学习最优测试策略，提高测试效率和覆盖率。 A3C：基于强化学习的测试生成工具，通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理（NLP）的测试生成： 文档驱动测试生成： Testim：AI 驱动的测试平台，通过分析文档和用户故事自动生成测试用例，减少人工编写时间。 Test.ai：利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。 自动化测试脚本生成： Selenium IDE + NLP：结合 NLP 技术扩展 Selenium IDE，从自然语言描述中生成自动化测试脚本。 Cucumber：使用 Gherkin 语言编写的行为驱动开发（BDD）框架，通过解析自然语言描述生成测试用例。 4. 基于模型的测试生成： 状态模型： GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Spec Explorer：微软开发的模型驱动测试工具，通过探索状态模型生成测试用例。 场景模拟： Modelbased Testing：基于系统模型自动生成测试用例，覆盖各种可能的操作场景和状态转换。 Tosca Testsuite：基于模型的测试工具，自动生成和执行测试用例，适用于复杂应用的端到端测试。 5. 实践中的应用示例： Web 应用测试：使用 Testim 分析用户行为和日志数据，自动生成高覆盖率的测试用例，检测不同浏览器和设备上的兼容性问题。 移动应用测试：利用 Test.ai 从需求文档中提取测试用例，确保覆盖关键功能和用户路径，提高测试效率和质量。 复杂系统测试：采用 GraphWalker 基于系统状态模型生成测试用例，确保覆盖所有可能的状态和操作场景，检测系统的边界情况和异常处理能力。 相关工具和平台： Testim：AI 驱动的自动化测试平台，生成和管理测试用例。 Test.ai：基于 NLP 技术的测试用例生成工具，适用于移动应用和 Web 应用。 DeepTest：利用深度学习生成自动驾驶系统测试用例。 GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试。
2024-10-24