基于模型推理的讨论已经让我们系统地看到两类应用。一方面，故障诊断的应用是利用图形去找出哪个部件是形成故障设备或系统的原因。这类系统从后开始工作，首先它从预报和真实的系统行为之间的差异开始，然后系统地查看系统部件寻找哪一个是差异的故障所在处。另一方面，网络设计应用是更动态的，新的图形可以产生并且基于模型的推理能根据一套基准对这些新图形进行评估。在LogNet中基准是网络成本和顾客服务水平。它为较好的网络设计（就LogNet来说它为候选的整理和分散搜索）搜索设计空间，从这个意义上说这类应用是向前推进。不幸的是，没有搜索算法的应用，这些应用就会很快变得难以计算，因为随着网络尺寸的增加设计空间将会变得很大。

实际上，故障诊断和网络设计应用是不同的，构成两个领域的基础是它们都能使用基于模型的推理去实现它们的能力。两个都以某些图形作为开始，都以图形表示结构进行推理。在这方面，图形不是系统的完全描述，但是也用来推测困难问题的解。这实际上是基于模型推理存在的理由：表示系统结构的图形用来帮助我们解决问题。

本章一开始我们注意到基于模型的推理表示违反基于规则的专家系统。对一类问题列举一批IF-THEN规则去捕捉领域的知识和专门知识是很困难的。例如，一个基于规则的故障诊断专家系统的设计者很可能没能抓住在该领域的每一个可能性（也就是，每一个可能的征兆），故障组合必须被提前思考并编码成IF-THEN规则。基于模型推理的最重要的好处就是不必提前列举每一种可能就能提供更广泛的范围。实际上，基于模型的推理系统能够发现新的故障并提出系统设计没有提前准备的新的解决方案。

以下是基于模型推理的主要优点的总结：

•系统更协调。基于模型的推理可以为一个复杂的专家系统充当一个联合的基础。通过围绕一个基础的领域模型制定一个专家系统，正如由图表所表示的，一个系统可以被开发的更有组织也更协调。这样的协调性可以用来将几个相关问题合成一个通用的结构。

•基于模型推理的通用能力。基于模型的推理能应用到完全的结构和行为类。这意味着不必在解决问题域的每一个指定情况都指定不同的规则。在一定程度上，它们可以为一大类结构和行为所指定。在某种程度上这可以处理易损坏专家系统的问题，当试图扩展它的能力，即使是与初始问题很相近的问题时，这种专家系统也会损坏。(www.daowen.com)

•图形化用户界面的支持。基于模型的推理系统典型且充分地利用了复杂域的多层描述的功能强大的图形化的用户界面。例如，用户能点击图形模型的部件以获得一个部件更细致的描述。相反地，用户也可通过提升一个层次来探寻一个较高层次的系统描述。在这方面，基于模型的推理能使用一个智能系统提供更自然的人-机交互。

有人可能想得出结论：基于模型的推理总是推理的优选形式，并表示从它的前身（基于规则的推理）向前演化了一步。但是，这样一个轻易地结论与事实不符，事实是基于模型的推理不是对所有类型的问题和领域都适合，实际上它在一定情况下是有害的。无疑它不是能解决所有需要专门知识的问题类的万灵药。实际上，有些问题用基于模型的推理技术并不能很好地解决^[13]。首先，系统可能非常难于建模：许多部件间可能存在很难以想象的交互影响，由一个模型结构去预报系统行为是不可能做到的。这种情况下，更容易捕捉到这种IF-THEN规则形式的知识。在范围的另一端，解决问题域可能很简单，以至于模型的使用都显得很多余。这时可能最容易地就是去列举规则，更容易更简洁地捕捉所需的解决问题的专门知识。

通过我们的讨论及本章和前面几章的例题，我们已经提出了基于模型的推理和基于规则的专家系统作为两个独立的和有区别的技术用于捕捉和表示专家知识。实际上，一个人能创建一个将基于模型的推理和基于规则的推理合在一起的专家系统——一种类型的开发不必排除另一种类型。例如，一个智能系统的设计者在解决问题域中对基本案例可以使用基于模型的推理，外加规则调整这些案例。因此将基于模型的推理和基于规则的推理合在一起是可能的，与使用一种技术开发的系统相比较，它将得到一个功能更强大的系统。事实上，这是当今人工智能发展的一个趋势：许多人工智能技术可以嵌入到一个单一的系统以产生一个更有影响力的应用。

基于模型的推理也存在一大批我们在本章没有考虑的可能性。最近几年，在很多领域应用都有开发去执行解决问题的任务。例如，使用基于模型推理的智能系统已经被开发去执行工业燃气轮机的故障诊断，去帮助管理第1类糖尿病，去找出VHDL程序中的软件错误，去监测和诊断一个自动导师系统的学习者行为，在很少的例子中用于命名^[14]。大多数这些情况中，系统包括多种技术，不仅有基于模型的推理，也包括基于案例的推理、时间推理和概率推理、建议。再次基于模型的推理技术经常被嵌入到较大型的智能系统中。

一种可能性就是使用基于模型的推理用于医学的疾病诊断[15]。这样的医学应用可以允许医生更好地理解疾病变化过程的潜在的因果途径。可以创建使用因果图表和模型的图形化用户界面解决一个病人的疾病。例如，使用基于模型的推理，一个程序可能被开发去推理疾病变化过程的细节，去识别一种疾病怎么能转变成另一种，去理解对病人施药和治疗的效果，并解决什么是形成疾病的原因。基于模型推理的可能性是无止境的且有前途的：它们能潜在地引起很多创新的人工智能应用的发展和扩散。