创建一个其工作为选择一种运输模式的专家系统来阐述更为复杂的知识库。今后这个专家系统就被称作运输模式（TransMode）^[5]。规则的完整集由本章附录提供。这一节中我们首先阐述一个带有专家系统的传统的基于文本的咨询，该专家系统几乎没有解释能力。然后，我们再考虑通过图形的方法提高专家系统透明性和灵活性的各种方法，包括能以图的方式说明决策知识的图形的使用。首先让我们通过描述系统和提供一个简单的例子为开始。

一个运输代理人关于运输模式的类型（空运、卡车、铁路或者小的包裹服务）作出决定，用来运输客户的货物。基于以下因素作出决定：

•货物重量：货物的重量是多少？（lb）

•一件产品的重量：被运输的一件产品重量是多少？（oz）

•一件产品的价值：被运输的一件产品美元值多少？

•易碎等级：货物多易碎？（高，一般，低）

•运输距离：产品被运输到多远？（距离：mile）

•运输时间：运输货物在多少天必须到达目的地？

•特殊产品：要运输的是特别产品吗？（危险的矿物质，危险的化学物品，农作物，其他）

•易坏的：被运输的货物是易坏的吗？（是否）

•上门服务：需要上门服务吗？（是否）

•周期服务：运输货物多久做一次？（日，周，月，不常的）

以上这些信息从客户处获得，这些输入被包含在运输模式中。基于这些输入，运输模式就给出建议。

一个传统的基于文本的对话将会对用户形成一系列的问题。在下面的对话里，一个用户可以将客户载货量录入信息（用户的响应用黑体字表示）。

开始运输模式咨询

货物的总重量是多少？（lb）

10000

运输距离是多少？（mile）

2500

要求多少天货物必须到达目的地？

14

一件产品价值多少（美元）？

500

一件产品的重量是多少？（oz）

10.0

货物有多易碎？

按如下之一回答：高，一般，低(www.daowen.com)

高

基于这些输入系统会提供它最终的决策：

建议运输模式就是卡车。

用户可能希望询问建议是如何由要求的一个规则轨迹决定的。当要求一个规则轨迹时，用户学习利用如下一套规则：

规则轨迹

R3. IF货物重量>5000lb AND≤15000lb

THEN负荷类型=大载货量

R37. IF负荷类型=大载货量

THEN选择=铁路或卡车AND优选=卡车

R12. IF运输时间>10天

THEN速率=低

R8. IF距离>1000mile

THEN距离范围=长

R14. IF距离范围=长AND速率=（一般或慢）

THEN运送类型=长-慢

R24. IF一次重量不为零AND一件产品的价值不为零

THEN价值-重量-比率=一件产品的价值/一件产品的重量

注意：计算出的价值-重量-比率为500/10=50.0

R26. IF价值-重量-比率≥20美元AND＜100美元

THEN贵重等级=高

R30. IF贵重等级=高AND易碎等级=高

THEN损失率和破损率=重要的

R51. IF选择=铁路或卡车AND破损率=（重要或稍微重要）

THEN建议=卡车

因此，为得到应该采用卡车的建议共利用了9条规则。就系统的透明性而言，这个用户界面在帮助我们理解建议的原因方面是很局限的。规则轨迹为我们指出采用哪条规则和以什么样的顺序，但是却很难去处理和理解。并且即使用户使用了这些规则也很难理解解决问题的策略，同时也没有提供给我们基础的用于判断建议的域原则。总之，对该系统是如何工作的我们没有什么的合适的构思模型。就系统灵活性而言，基于文本的提问-回答对话是一种很严格的方式——以指定的不中断的顺序提问。这个对话不允许用户以不同的方法研究系统以对假设进行彻底检验，通常是为了找出更多的信息。我们必须用这个咨询专家系统做更好的工作。接下来的章节里我们将说明为了提供更多系统的透明性和灵活性如何改善人机对话。