整本书中，我们已经看到了很多图表的示例。其中一些图表是静态的，或者用户不能进行修改或系统不能更新。而其他图表则可以采用更加动态有趣的方法进行使用。表9-2将图形化表示方法分为两类：（1）图表结构是否可以修改；（2）图表信息是否可以更新。其中象限Ⅰ中的图表结构和信息都是静态的；而象限Ⅱ、Ⅲ、Ⅳ中的图表更为动态，使我们能够创建图形化的用户界面，同时还可以解决某些情况下的困难问题。

表9-2 基于结构和信息可变性分类的图形化描述方式

当前使用的绝大多数图表都是静态图表（表9-2中的象限Ⅰ）。第6章中大部分的图表就是静态的，不允许以任何方式进行修改。比如组织系统图、基本流程图、语义网络图以及实体联系图中的主要信息都可以帮助我们理解系统内容，但是（通常）不允许用户进行修改。6.8节中提高的一部分图表，比如规则轨迹图描述了在规则轨迹中条件与行为间的关系（见图6-8），还有构建策略知识的图表（见图6-14）也只不过是一种静态表示。它们描述了专家系统如何工作，并且如何帮助我们获得更深层的系统理解，但并不是实际的动态图表。由于这些图表是静态的，因此很容易将其插入静态媒体中，比如书本、只读电脑屏幕或静态网页。

另一方面，传播结构（表9-2中的象限Ⅱ）是一种智能系统的用户界面图表，其中的信息可以由用户修改和更新。本书中提出的传播网络的例子包括第8章中的运输模式层级图表和贝叶斯网络。图表中的运输模式层级结构（见图9-7a）作为进行运输模式选择的专家系统的用户界面。当输入信息输入到层级结构的子节点时，层级就通过图表结构一层层地向上传递扩散开来。因此用户可以通过知识库看到并跟踪推理路线。贝叶斯网络是以一种相似的方式，采用了描述网络中因果联系的因果图表（见图8-14）。在因果图中为每个结点都分配了相应的概率，并且这些概率可以根据新的证据和数据进行更新。但是传播结构是静态的（结构本身不能修改），由于根据增加的新证据或者数据新的信息会在图中传播，因此信息是动态的。(www.daowen.com)

结构本身可以由用户修改，从这一点上来说结构图表（表9-2中的象限Ⅲ和象限Ⅳ）是动态的。一个很好的例子就是第4章中介绍的动态维恩图。这些图表可以通过变换规则来进行操作，而其中的规则则可以帮助维恩图来综合控制目标。正如代数规则，变换规则就是告诉我们哪些变换是允许的，即如何将一个维恩图一步步转化为另一个等效的维恩图。我们为什么要做这个？是因为我们想通过这些变换来验证推理演绎过程的有效性，或给出定理的逻辑证明。可以证明，结构图表是解决困难问题非常行之有效的技术，尤其是证明逻辑定理方面。

从两个方面来说包含信息传播的结构图表（表9-2中的象限Ⅳ）是动态的：第一，图表的结构本身可以进行修改；第二，信息可以通过图表结构进行更新传播。在第7章中，我们看到了这样的一个例子。我们所描述的系统称为LogNet，它支持网络设计任务：如何构建一个商业物流网络。也就是，如何通过运输连接来配置整个网络，包括厂房、仓库、客户区域等（参看图7-10）。网络设计任务涉及两方面的权衡，即合并（比如将两个或两个以上的仓库合并成一个以减少成本）和分散（比如将仓库分散到两个或更多不同的地点以更好的服务顾客）。这些结构图表可以根据用户需要，主动地进行修改，进而得出不同的网络配置（比如可以在网络中添加/删减节点，同时可以添加/删除连接来联结或分离节点）。应网络设计的需要可以计算由此产生的基准（例如成本与客户的服务水平）。此外，网络还可以基于自身的构造情况，进行信息传递。例如，仓库的库存费用在一定程度上根据库存的合并程度来更新，仓库的合并程度越高，则所需库存费用（每单位）就越少；而仓库的分散程度越高，则所需库存费用（每单元）就越高。

总的说来，图形化的推理实际上就是通过信息传播（象限Ⅱ和象限Ⅲ）或者结构图表，来运用动态技术。本书实质上是阐述了超出图表的传统和静态应用以外的一些更有意义的应用。未来的图形推理，以及与人工智能知识如何交叉，都将归结于使用这些技术来解决困难的、棘手的、看似无法解决的问题。本书虽然给出了一些具体应用，但在一切皆有可能的时代，这仅仅是一个开始。