本发明涉及ai智能软件技术领域，具体为一种ai智能软件的测试方法。
背景技术：
人工智能(artificialintelligence)，英文缩写为ai。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
在ai智能软件测试过程中，现缺少一种统一的测试模型，不仅测试混乱，而且测试操作不便，测试过程中容易因为数据而出现异常情况，测试的准确性也比较低。
技术实现要素：
本发明的目的在于提供一种ai智能软件的测试方法，形成统一的、可进行相互比较的ai智能软件的测试方式，测试操作方便快捷，通过在测试前进行数据验证，可以防止由于数据而出现的异常，通过计算验证，保证测试数据的准确性，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种ai智能软件的测试方法，包括以下步骤：
s1：建立模型，通过历史数据训练并建立智能系统模型，并发布预测服务；
s2：建立架构，参考冯·诺伊曼架构建立ai智能软件测试架构，将人、机器以及人工智能系统用架构表示出来；
s3：补充，根据已有的知识，发现新的知识元素和新的规律，使之进入到存储器，供计算机和控制器使用，并通过输入/输出系统与外部进行知识交互，进行知识共享的外部知识库或云存储器；
s4：建表，根据智能系统模型的特征要点建立互联网软件智商评价体系，形成人工智能软件智商测试量表；
s5：建库，根据形成人工智能软件智商测试量表，建立互联网软件智商测试题库；
s6：验证，在测试前进行数据验证，验证系统接受来自各种来源和各种格式的数据，验证所摄入的数据是否按照目标系统所期望的格式转换；
s7：测试，对于ai智能软件和人类测试对象，在回答题库时，根据反馈的回答结果作为评判对象；
s8：计算，按照ai智能软件测试的绝对智商计算公式和ai离差智商公式进行软件测试计算；
s9：计算验证，将基础数据七三开，用于培训和测试，使用训练数据集来理解和建模系统行为，并使用测试数据来验证系统的准确性，对于分类算法，可以通过计算分类精度或混淆指标来获得模型的准确性；
s10：数据结果绘制，将测试的结果绘制成数据表格记录。
优选的，所述步骤s1中建立模型包括声音、图像和文字方式从外界获取数据、信息和知识的能力；从外界获取的数据、信息和知识转化为系统掌握知识的能力；根据外部世界或自身系统发生问题所产生的需求，通过运用所掌握的知识进行创新的能力；通过声音、图像和文字方式将系统产生数据、信息和知识反馈给外界或对外界进行改造。
优选的，所述步骤s1中预测服务为http的接口终端。
优选的，所述步骤s2中ai智能软件测试架构包括计算器、逻辑控制装置、存储器、输入系统和输出系统。
优选的，所述步骤s4中建立互联网软件智商评价体系能力包括知识获取能力、知识掌握能力、知识创新能力和知识反馈能力。
优选的，所述软件智商测试题库包括识别文字能力、识别声音能力、识别图形能力、掌握常识能力、掌握翻译能力、掌握计算能力、掌握排列能力、掌握挑选能力、掌握联想能力、掌握创造能力、掌握发现规律能力、用语言表达能力和用图像表达能力。
优选的，所述步骤s8中绝对智商公式为：
优选的，所述步骤s9中计算验证方式采用的为平均平方误差、均方根误差和r方误差中的任意一种。
与现有技术相比，本发明的有益效果是：本发明严格控制该ai智能软件的测试方法，通过建立智能系统模型，形成统一的、可进行相互比较的ai智能软件的测试方式，通过检测能否将数据、信息和知识输入到智能系统中检测系统知识的获取能力，通过检查智能系统知识库的容量检测系统知识的掌握能力，通过检查智能系统能将多少数据、信息和知识转换为新的知识库内容从而检测该系统知识的创新能力，通过检查智能系统能否将掌握的知识库内容根据需求分解为数据、信息和知识向外界传递的方式既可以进行ai智能软件的全面的测试，测试操作方便快捷，通过在测试前进行数据验证，可以防止由于数据而出现的异常，通过计算验证，保证测试数据的准确性，适合广泛推广。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一种ai智能软件的测试方法，包括以下步骤：
s1：建立模型，通过历史数据训练并建立智能系统模型，并发布预测服务；
s2：建立架构，参考冯·诺伊曼架构建立ai智能软件测试架构，将人、机器以及人工智能系统用架构表示出来；
s3：补充，根据已有的知识，发现新的知识元素和新的规律，使之进入到存储器，供计算机和控制器使用，并通过输入/输出系统与外部进行知识交互，进行知识共享的外部知识库或云存储器；
s4：建表，根据智能系统模型的特征要点建立互联网软件智商评价体系，形成人工智能软件智商测试量表；
s5：建库，根据形成人工智能软件智商测试量表，建立互联网软件智商测试题库；
s6：验证，在测试前进行数据验证，验证系统接受来自各种来源和各种格式的数据，验证所摄入的数据是否按照目标系统所期望的格式转换；
s7：测试，对于ai智能软件和人类测试对象，在回答题库时，根据反馈的回答结果作为评判对象；
s8：计算，按照ai智能软件测试的绝对智商计算公式和ai离差智商公式进行软件测试计算；
s9：计算验证，将基础数据七三开，用于培训和测试，使用训练数据集来理解和建模系统行为，并使用测试数据来验证系统的准确性，对于分类算法，可以通过计算分类精度或混淆指标来获得模型的准确性；
s10：数据结果绘制，将测试的结果绘制成数据表格记录。
具体的，所述步骤s1中建立模型包括声音、图像和文字方式从外界获取数据、信息和知识的能力；从外界获取的数据、信息和知识转化为系统掌握知识的能力；根据外部世界或自身系统发生问题所产生的需求，通过运用所掌握的知识进行创新的能力；通过声音、图像和文字方式将系统产生数据、信息和知识反馈给外界或对外界进行改造。
具体的，所述步骤s1中预测服务为http的接口终端。
具体的，所述步骤s2中ai智能软件测试架构包括计算器、逻辑控制装置、存储器、输入系统和输出系统。
具体的，所述步骤s4中建立互联网软件智商评价体系能力包括知识获取能力、知识掌握能力、知识创新能力和知识反馈能力。
具体的，所述软件智商测试题库包括识别文字能力、识别声音能力、识别图形能力、掌握常识能力、掌握翻译能力、掌握计算能力、掌握排列能力、掌握挑选能力、掌握联想能力、掌握创造能力、掌握发现规律能力、用语言表达能力和用图像表达能力。
具体的，所述步骤s8中绝对智商公式为：
具体的，所述步骤s9中计算验证方式采用的为平均平方误差、均方根误差和r方误差中的任意一种。
综上所述：本发明严格控制该ai智能软件的测试方法，通过建立智能系统模型，形成统一的、可进行相互比较的ai智能软件的测试方式，通过检测能否将数据、信息和知识输入到智能系统中检测系统知识的获取能力，通过检查智能系统知识库的容量检测系统知识的掌握能力，通过检查智能系统能将多少数据、信息和知识转换为新的知识库内容从而检测该系统知识的创新能力，通过检查智能系统能否将掌握的知识库内容根据需求分解为数据、信息和知识向外界传递的方式既可以进行ai智能软件的全面的测试，测试操作方便快捷，通过在测试前进行数据验证，可以防止由于数据而出现的异常，通过计算验证，保证测试数据的准确性，适合广泛推广。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。