Аңдатпа. Зерттеу бағдарламалық жасақтаманың сапасын арттыру үшiн жасанды интеллект негiзiндегi гибридтi автоматтандырылған сынақ әдiсiн ұсынады. Ол BiLSTM жасанды нейрондық желiлерi негiзiндегi ақаулы болжауды, Q-оқыту арқылы сынақтың басымдығын есептеудi және оракулсыз орталарда тексеру үшiн метаморфтық сынақты қолданады. Әдiс жоғары дәлдiк пен шығындарды үнемдеу тұрғысынан тиiмдiрек сынақты қамтамасыз етедi. Жүйе компоненттерi CI/CD ортасында Docker Swarm арқылы iске қосылуымен бiрге Python тiлiнде PyTorch және OpenAI Gym көмегiмен iске асырылды. Эксперименттер қолмен жүргiзiлетiн сынақпен салыстырғанда сынақ уақытын 50% қысқартуды, ақауларды анықтау дәлдiгiн 35-40% арттыруды және адамның қатысуын 60-70% азайтуды көрсеттi. Ұсынылған тәсiл agile-орталарда және CI/CD конвейерлерiнде практикалық қолдану мүмкiндiгiн көрсетедi.