شبكة عصبية لاختبار المتصفح بدل Playwright: دقة 99.7%

وصف مطوّر على موقع «خابر» (Habr) كيف استبدل جزءًا من اختبارات Playwright E2E بشبكة عصبية صغيرة تعمل كطيّار آلي: 49 ألف معامل، وTypeScript خالصة دون اعتماد على ONNX. ومرّ بخمس مراحل تكرارية، من دقة 67% إلى 99.7% في النموذج النهائي.

ما الذي لا تستطيع الاختبارات التقليدية فحصه من حيث المبدأ

تلتقط أدوات Playwright وSelenium وما شابههما أخطاء الواجهة بكفاءة: هل نُقر الزر، وهل أُرسل النموذج، وهل أُغلقت النافذة المنبثقة. لكن لها سقفًا مبدئيًا: فهي لا تستطيع تقييم الكفاءة الاستراتيجية لآليات اللعبة.

وفي لعبة استراتيجية تعمل في المتصفح، تمثّل هذه النقطة العمياء المشكلة الرئيسية. فالسؤال المحوري في التطوير هو: «ألا يكون من الأجدى للاعب أن يودع رأس ماله الابتدائي في وديعة وينتظر، بدل أن يفعل أي شيء في اللعبة أصلًا؟» لا يوجد سيناريو Playwright يلعب آلاف الجولات باستراتيجيات مختلفة، ويحسب العائد النهائي لكل منها، ثم يقارنه بالانتظار السلبي. وهنا تحديدًا تنفتح مساحة للعميل القابل للتدريب.

كيف يعمل الطيّار الآلي

يتلقى الطيّار الآلي لقطة من الحالة الراهنة للعبة، وهي مجموعة من الخصائص الرقمية: الموارد، ومواقع الأسطول، والطوابع الزمنية. ثم يُخرج الإجراء التالي: النقر على زر، أو انتظار حدث، أو تبديل الوضع. وفيما يلي أبرز معايير التنفيذ:

• 49 ألف معامل: يتسع النموذج في بضعة ميغابايتات، ولا حاجة إلى GPU
• TypeScript خالصة: لا بيئة تشغيل ONNX، ولا مكتبة C أصلية، ولا بيئة Python
• التشغيل داخل المتصفح مباشرة: يعمل العميل ضمن العملية نفسها التي تعمل فيها اللعبة
• مقياس الجودة: الكفاءة النهائية للاستراتيجية قياسًا إلى «الوديعة» السلبية

يمكن تشغيل هذا العميل في وضع متسارع، وتمرير آلاف الجولات خلال ليلة واحدة، ورصد أي تدهور في التوازن تلقائيًا عند كل تغيير في منطق اللعبة.

خمس مراحل: من 67% إلى التجمّد عند 99.7%

توقفت الدقة أول الأمر عند سقف 67%: فقد أفرط النموذج في التعلّم على الإجراءات الأكثر تكرارًا وتجاهل الحركات النادرة لكنها بالغة الأهمية، وهو عَرَض كلاسيكي لعيّنة غير متوازنة.

وبعد إعادة بناء مجموعة البيانات وترجيح الفئات، ارتفعت الدقة. لكن عند بلوغ المقياس 99.7% حدث أمر غير متوقع: تجمّدت الشبكة العصبية تمامًا وتوقفت عن اتخاذ أي قرار، ومع ذلك ظلّت تُظهر دقة شبه مثالية. فقد تبيّن أن «عدم فعل شيء» استراتيجية صحيحة إحصائيًا بحسب طريقة ترميز التسميات المستهدفة. واستلزم الأمر ضبطًا إضافيًا لدالة الخسارة وفرض تنوّع في الإجراءات داخل عيّنة التدريب.

«الاختبارات الوحدوية والتكاملية واختبارات

Playwright E2E تلتقط أخطاء الواجهة، لكنها عاجزة أمام السؤال: ألا يكون من الأجدى ببساطة إيداع رأس المال الابتدائي في وديعة والانتظار؟» — هكذا يشرح المؤلف دافعه إلى المشروع.

ماذا يعني ذلك

تشير هذه التجربة إلى مساحة حقيقية لا تغطيها أطر الاختبار التقليدية: الاختبار السلوكي للأنظمة ذات الاعتماديات طويلة الأمد. والنماذج الصغيرة المكتوبة بـ TypeScript دون اعتماديات خارجية بديل عملي للسيناريوهات اليدوية حين يكون المطلوب التحقق لا من «هل يعمل الزر»، بل من «هل يتصرف النظام تصرفًا صحيحًا عبر آلاف الجولات». وهذا مفيد لألعاب المتصفح، ومحاكيات التداول، وأي منتج تحدد آلياته السلوك الاستراتيجي للمستخدم.

ما ميزة الشبكة العصبية على اختبارات Playwright التقليدية؟

تلتقط الاختبارات التقليدية أخطاء الواجهة (نُقر الزر، أُغلق النموذج)، لكنها لا تستطيع تقييم الكفاءة الاستراتيجية لآليات اللعبة. أما الشبكة العصبية فيمكنها ذلك.

ما دقة الشبكة العصبية في اختبار المتصفح؟

بحسب نتائج المطوّر، بلغت دقة الشبكة العصبية 99.7% بـ 49 ألف معامل بعد خمس مراحل تكرارية من التدريب.