当年失败的专家系统有几个问题：
- 过度中心化与数据不流畅
- 接口狭窄和单一化
- 侧重工业等专有用户群
- 没有移动设备支持
这些问题在10年以来随着互联网经济、移动经济的发展都不复存在的，30年前人们设定这些专家系统是提供一些问答咨询服务，比如“给定这几个参数，该产品的次品率预计多少？”，现在呢人们更关心吃什么用什么，大众消费领域的赚钱方法，恋爱等生活内容。一般使用点评平台（大众点评等）、问答平台（知乎）、数据分析接口（Excel、R等）来解决问题。
但专家系统的一些思路我觉得今天还可以继续搞，实际上已经继续搞了。比如基于数据的决策这个方法论，各种平台都用得很熟，比如智能推荐。
我今天突然想起来，能不能在用户终端上再推进一些？
出门问问这种“AI助手”是非常中心化的，正如多数地图软件、企业黄页，你问它一个问题“某地到某地怎么走？”“某地附近有什么好吃的？”没觉得这些问题非常笼统吗？
智能的一个重要要求是，想对方之所想。帮助对方理清问题常常很重要，而且显得更智能。
我希望这个智能助手此时会引导提问：“请问你想吃什么？多少钱价位？几个人？。。。”然后基于我的回答会继续引导“等待时间/拥挤度怎么样？”之类的。
在当年的专家系统，这些数据全部由中心化的平台自行解决。而今天，十年内发展起来的各种互动平台比如点评、知乎、地图（评价栏）积累了海量可供挖掘的数据，人们寸步不离手机/互联网的用户习惯为社群构建提供了参与度。
所以我把这个软件做一下设定：
它的核心是基于简单问题的“决策树”系统。 比如餐厅的价位/拥挤度/服务等等基本元素。这在很多平台的点评栏目已经通过关键字实现了，比如“上菜快”、“老板人好”。
基本问题的回答由以社群参与实现为主，中心化数据提供平台为辅。应为参与者提供非常简单的互动回答接口，比如某餐厅在饭点的等待时间/拥挤度，用语言形容一个个地看非常繁琐，而这种问题可以提供标准化模板让回答者选择，比如1到5拥挤指数，5、10、15等分钟的等待时间，然后把这些数据可视化，比如“80%的用户体验了10-15分钟的等待时间”。
有效支持动态和即时数据呈现。以往的专家系统能回答的问题全是静态的历史问题，然而“身边新鲜事”等内容需要即时互动，比如某个酒吧有驻唱活动，无论它提前几天公布这个事情，影响到场消费者的因素大多是即时、短时的，比如当天城市的交通、天气、竞争对手的活动等，此时在视觉冲击为主的文案外，非常需要结构化地呈现信息。我设想这些商家是入驻这个平台的，他们可以即时回答问题。
一个简单的用例：
李明傍晚下班时突然想起来今天是女儿生日，要给她买个蛋糕，此时有两个主选项：一是在回家途中到蛋糕店里买，一个是网上订送到家。与这两个选项平行的需求是，蛋糕要现做的，上要打上“李XX生日快乐”的字。
于是他打开了X助手，输入（文字或语音）“短时间内定做一个生日蛋糕”。
X助手GUI上显示出一些引导选项：“附近找”和“在线平台”，两个选项周围都列出了几个人气比较高/竞价排名的选项。
李明点击附近找，并在上方“追加条件”里输入“到XX地”（他家位置），于是显示出当前位置和他家之间的一些蛋糕店选项，同时界面下方显示“常见过滤条件”，如“可现烤”、“裱字好”、“营业中”等等。
李明点击了几个正在营业且可现烤的，在“需求追加”栏目输入“无奶制品选项”或“我女儿对奶制品过敏”，X助手经过语义分析后给出了几个选项：满足之前条件的有三个蛋糕店里有不含奶制品的蛋糕。
然后李明点击一个自己看中的，选择“叠加之前需求”和“增加描述”，问“半小时内能不能做好？我要裱XX”，对方随后回答“没问题。”于是李明在这个平台里转到第三方电商，在那里面下单。
二十分钟后，李明到了这个蛋糕店，对方正好开始裱字，拿到现烤的蛋糕看了后非常满意，于是带回家。
整个过程历时35分钟（5分钟选蛋糕店+20分钟前段路程+10分钟后段路程）。
事后X助手上提示反馈，除了常见的评分还有少量基于问题热度和语义逻辑的问题，比如“是否忠实按照要求定做”，李明回答“是，但是XXX”（出的一点小问题），这个“但是”部分被X助手的后台系统收录用于改进语义分析，为更多用户提供精准快捷的信息。