在本章的开始，我们看到了在科幻小说中所逼真描述的未来的思考机器人和当前实际局限之间的巨大差异。我们更进一步地指出了这是由于许多在人工智能领域中的研究者对人工智能幻想破灭和大失所望所引起的，他们被机器人和思考机器的骗局所吸引并振奋。然而，这样对人工智能的未来不现实的见解却低估了自人工智能20世纪50年代诞生以来的过去几十年间所取得的真实和具体的成绩。下面就是人工智能取得的一些显著成功：

1）由IBM设计的国际象棋程序深蓝在1997年击败了象棋大师加里·卡斯帕罗夫（程序每秒钟能够计算大约2亿步棋）。

2）神经网络目前能够辨识语音，虽然只能在一些具有良好结构的领域，并且其辨识的词汇是有限的。

3）专家系统技术已经成功地应用在许多的商业机构，并且产生了更高的生产率，提供了更好和更加可靠的决策，更不用说它们清楚地表现了在复杂领域中专家评价的特性和人类是如何解决问题的特性。

4）NASA（美国国家航空航天署）将自主车辆（月球车）发送至太空去扮演机器人的角色，以便能够完成在火星上的现场地理调查。

所有这些应用都说明了一些关于人工智能程序取得了怎样成功的关键共同点。首先，不同于处理普通的问题，它们都能够处理特定的领域。这是很重要的一点，因为所有这些程序都努力关注于解决一个特定的问题，而不是创造出一台能够像人类一样可以完成所有事情的机器。第二，人们认识到了人工智能的局限，但是尽管如此，人们仍旧努力进行解决。他们的成功在很大程度上归功于对执行人工智能程序和机器有关的实际问题的充分理解。本书的核心原则是使下一代人工智能程序的设计者要对困难有很好的把握，以便找到良好的解决方案。在本章中，已经讨论了解决智能系统困难的两种框架。(www.daowen.com)

第一种框架探讨了人工智能程序在常识性推理上的欠缺。我们特别审视了常识性推理的四种要素，即应用多种表示、能够处理错误、自反映和知识检索。如果智能系统有任何机会解决在现实环境中的复杂问题，那么未来的智能系统将日益需要能够解决这四种问题领域。

第二种框架探讨了解释能力的概念，或是系统对其自身进行解释的能力。这里讨论的焦点直接转向了用户接口，用户接口将日益成为人工智能系统的中心角色。我们特别着眼于用户接口的两种特性：透明度和灵活性。被赋予这些特性的未来的智能用户接口将更容易被接受和采纳，这是因为用户就很容易理解它们，因而更加信任它们的建议。此外，这些系统将能够处理更加广泛的问题，同时当面对错误或不确定性时能够适度地降低标准。总之，在很长时间里人工智能系统被认为缺乏灵活性，并且难以适应处理新的情况。

这些局限的一种解决方法是开发一些图表或图形模型，这些图表和图形模型可以作为用户接口的中心部分，并且作为终端用户与系统进行交互的主要手段。将图表定义为表示事物是如何进行工作或是如何使事物更加容易理解的一种图形表示。本书不仅仅关注静态图表，例如在本书中某一页所表示的一种类型的图表，而且同时关注能够成为智能用户接口的一部分动态图表。最终用户通过多种不同的方式能够探究并使用这些更加动态的图表。

在下面的几章中，我们将研究在智能用户接口中所应用的更广泛的图表。我们所探究的图表接口的一个重要特性是它们应该能够具有对人类决策和问题解决的咨询能力。这是需要强调的很重要的一点，因为与脱离了监督而完全依靠自身的机器人或是能够自主工作的程序这种未来的人工智能观点相反，这些系统不应该取代人类。确实地，在方向盘后面的用户应该自始至终坚定地拥有对决策的掌控权。这里的理念是在人类与机器之间所进行的协作应该比单独进行工作更加有效，同时每一个参与者都应该带来不同的能力。其结果是，这意味着用户不需要盲目地接受智能系统的建议或是结论，而是能够积极地提出问题，去进行探索，并且努力去理解蕴涵在系统作用之中的基本原理。这就是一种能够使建立在人类和机器之间的伙伴关系成为可能的交互式图表。