在第1章开始的时候，我们曾把人工智能描述成一个期望极高的领域，同时还包含了极不合理的目标。正因为这种对人工智能过分夸大的宣传，尤其是早些年在思维机还没有实现的时候，人们对于人工智能大都是失望态度。然而，我们始终赞成以一种不同的方法来设计人工智能系统，使所设计系统更务实，更倾向于我们的目标和期望。当然在提出解决方案时，我们也需要考虑到人工智能的局限性。在这方面，我们集中关注了一种方法，即图形用户界面，它可以有效地考虑到人工智能的局限和缺点，进行重新设计。

现在我们重新回过头来看看本书绪论部分提到的新颖概念。通览各种各样的图形化技术和应用，我们现在可以更为客观、更为严谨地看待人工智能的局限性，同时也可以更好地了解人工智能在图表中的应用。回到先前那个有意义的论题上，人工智能的一个重要局限性，也即人工智能知识之所以不能构建出思维机的主要原因，就是由于人工智能本身缺乏常识推理。先前曾列出并讨论了常识推理的4方面内容：

•使用多种表达方式描述同一问题的能力；

•处理误差的能力；

•高层次的自我反映能力；

•有效的获取知识能力。

在本书中，上述问题所涉及的知识领域均以某种形式给出，并有所触及，其中就包括图形化解决方案。若要人工智能系统可以提供给用户更有效的结果，同时更充分地满足用户需求，我们就需要进一步抓住每种问题的实质，并找出解决方案。可做的工作还有很多，当然图形化推理方法并不是唯一的解决方案。不过有力的证据表明，图形化表示方法和图形化推理方法可以有效地增加人工智能系统解决问题的能力。(www.daowen.com)

在提及多种描述方法这个议题时，本书中提出并介绍了很多类型的图表。显而易见，图形化技术可以用来创建各种各样不同类型的表述方法，并强调出不同方面问题解决的情况。而且，在构建有用并可用的人工智能系统时，通过多种方式搭建的能力是其中极其重要的一部分：用户可以根据各自需要选择不同细节水平的描述。

其次，我们期望未来的人工智能用户界面具有足够的灵活性，使其便于处理误差，同时满足不同类型的人机交互需求。基于此，本书中已经介绍过很多图形化技术。比如，文中提到反向层级用户界面，可以支持系统中多种人机交互。比如，一个用户可能会以任意顺序插入数据，循迹调查，以检测不同的情况（即不管执行什么行为，都能直接在图表上分析出来），并进而在总体上开发出一种使用简便，不受任何约束的系统。人工智能的另一个局限在于其大多数应用都很不稳定，预设的问题哪怕只有一点点变化都可能导致系统完全崩溃。而一些人工智能系统，例如贝叶斯网络，自身具有极强的鲁棒性。这一类系统即便遇到证据缺失或者证据可靠性不足时，依然可以正常工作。因果图表可以帮助贝叶斯网络更灵活更便意的输入信息，同时提供了可视化的结构用来描述概率的传递。总的说来，用户界面的图形化结构可以使人与系统之间的交互更为灵活；产生错误时，也能使人更容易理解。

再次，相比基本的人工智能系统使用的问题求解策略，用特定类型的图形化表示可以得到更深层的理解和反映能力。我们在第6章中提到过相关内容，例如提到的图形化描述方面的策略知识（见图6-14～图6-16）。很多时候，对于系统是如何工作的，以及某一领域的知识是如何用来解决问题的，我们并不具有足够深刻的思维模式。而这些知识必须是更加明确的，只有这样，我们才能更自信的使用所设计的系统，也可以更加信任系统给出的建议。否则的话，一旦事情出错，我们就会盲目迷信。因此，在这里并没有夸大策略性知识以及其他形式深层理解的重要性。

最后，本书中所学的多数图表都充当了复杂系统的简易组织构架，因此我们可以通过更有效的方式来提取信息。即便是只有50条规则组成的简单规则库（如第6章中介绍的反向规则库），要想理解给定规则与系统产生建议之间的关系，也是非常困难的。诸如层级结构类型的图表，可以用来有效的分解并组合一个复杂系统。正如我们先前注意到的，一旦将系统组织在图表中，或是构建多层次的图形描述，我们就可以集中注意到其中的特定规则上，而不是在规则库中进行漫无目的的搜索。

讨论进行到现在，已经完全集中到人工智能用户界面以及图形化推理上。从某种程度上说，这些可以应用于各类技术以及各行各业中。事实上，当我们步入新千年之后，对于图形用户界面的需求，尤其是那种提供系统更好的透明性和灵活性的界面比以往都更为迫切。我们当前所处的社会，各个方面的技术和信息向我们超负荷地涌来，使我们时刻保持高度的互联。与此同时，技术更新突飞猛进，使我们很难与时俱进。为了应对这种情况，未来的人类必须在各种复杂事物以及各种技术冲击中得到支持。科幻作家C.Clark在1962年写下这样一句著名的话：“任何一种足够新颖的技术看起来都像是魔法^[4]”，那时他好像就已经预见到了我们现在所面临的情况。然而活着本身就是激动人心的时刻，能亲身体验这样的技术革命更是令人热血沸腾（从因特网到智能手机再到GPS设备）。同时，对于用户而言，他们不得不花时间去弄明白这些事物的工作机理。而令人沮丧的是我们通常没有这个认知时间。另一方面，所有的技术也不会总是那么显而易见，因为它们本身是一个黑匣子——神秘、深奥、难以理解并且几乎不可能进行修改。而理想状态下，它们本应该是透明的、可见的、灵活的、准确无误的、完全合乎逻辑的，并且要易于使用。本书介绍的图表方法，就是将这个黑匣子变成白匣子的一种强有力的捷径。简而言之，技术不应该混淆于魔法。