本节核心论点：通过“牛顿”手写识别系统由于无法给出有意义的反馈而导致市场上失败的反面例子和“Palm Pilot”个人数字助理产品获得成功的正面例子说明：反馈是人们成功理解产品的必要因素，是人们可以和谐使用机器的必要因素。
在《The Design of Everyday Things》一书中，我揭示了人类运用科技时遇到的困难，这些困难或者是技术造成的或者是设计上的缺陷。“不要责备你自己，”我在书中向读者解释道，“要责备技术。”这种说法通常是正确的，但有时则不正确。有些时候出现问题，人类要责备自己。为什么？因为如果是设计上或者技术上的问题，人便毫无办法，只能很失望或者抱怨。如果是人的问题，或许我们可以做出调整并去学习该技术。这样的说法在什么场合下是正确的呢？我来给你讲一个苹果公司的牛顿产品的故事。
1993年，我告别了舒适的学校生活，加入了苹果电脑公司。快速而严酷的商业社会给了我洗礼，我开始的工作是在一个研究组中，该研究组的工作是研究并决定AT＆T公司是否应该和如何收购苹果公司，或者至少组建一个合资公司，后来我监视了苹果公司牛顿产品的发布。这两件事情都以失败而告终，其中牛顿产品的失败是最具教育意义的一件事。
啊，牛顿个人助理，多么光辉的概念，在一片喧闹中鲜亮问世。“牛顿”是第一款“有感觉”的个人数据助理产品。按照当时的标准来看（译者注：牛顿个人助理于1992年研发，1993年到1998年间进行销售），它很小，是便携的袖珍设备，完全依赖触摸屏的手写方式来控制和输入。关于“牛顿”的故事说起来话长，也有不少的书中都提到过，因此这里我就谈一点，关于它最致命的失败之处：“牛顿”手写识别系统。
“牛顿”宣称可以识别手写输入，并可以将其转换成印刷体的文本。这在1993年是非常了不起的事情，之前从来没有过成功的手写识别系统。手写识别系统的技术实现难度很大，即使到了今天也没有完全成功的系统。当时有一家小公司，叫做Paragraph International，该公司的一个由俄罗斯科学家和程序员组成的团队研发出“牛顿”系统。这个系统采用了复杂精密的技术，但它违反了我说过的一条人机交互原则，这就是产品或者功能必须要让使用者能够理解。
该系统首先针对屏幕上的文字的笔画进行数学公式转换，将笔画分解并转换到一个抽象的、具有多个维度的数学空间，然后同保存在数据库中的使用者的笔迹进行比较，之后在该抽闲空间中选择出距离最近的那个。如果上面的解释把你搞迷糊了，那你其实已经理解的差不多了。“牛顿”的识别有时有错误，即使最聪明的“牛顿”使用者也无法解释为什么。当识别系统正常工作时，它非常出色；但当它不能正常工作时，简直太恐怖了。造成这种问题的原因是内部所运用的精密复杂的数学三维空间和使用者的知觉判断之间的巨大差异。使用者写下来的文字和系统识别出来的文字似乎毫无关系可言。尽管实际上存在着关系，就是里面的精密复杂的数学算法，但使用者却感知不到，对使用者的使用没有帮助。
“牛顿”产品炫耀发布，购买者排起长队希望能够成为第一批拥有者。其手写识别功能被夸大成伟大的创新。而实际证明，它失败得很惨。它为漫画家Garry Trudeau的创作提供了丰富的素材，Garry Trudeau也是最早的购买者之一。在他的系列漫画“Doonesbury”中，他对“牛顿”进行了嘲弄。被批评家和“牛顿”迷们称之为“Egg freckles”，是最有名的一个。我不知道写下“Catching on？”是否真的会被识别为“Egg freckles？”，但考虑到“牛顿”常常会输出非常奇怪的文字，所以这是完全有可能的。
（经Universal Press Syndicate许可使用该图片，保留所有版权。）
我们在这里的讨论并非是要讽刺“牛顿”产品，而是要从它的缺点中学习。其中我们学习到的关于人机交互的经验教训是：始终确保系统的响应是可理解和可以解释的。如果发生了某人意料之外的事情，就应该有明显的可操作的动作让人可以获得想要的响应。
“Egg freckles”事件过去了几年之后，苹果公司旗下的高级技术组（Advanced Technology Group）中的Larry Yeager研发出了一个卓越的手写识别的方法。更为重要的事情，这个被称之为“Rosetta”新系统克服了原来“Paragraph”系统的致命缺陷：系统如果出现错误，人们也明白为什么会出现这些错误。手写“hand”一词，“Rosetta”可能会识别成“nand”：人们觉得这种错误可以接受，因为系统已经正确识别出来大多数的字母，只有一个“h”被误识别为“n”。如果你写下“Catching on？”，结果被牛顿识别成“Egg freckles？”，你会认为是牛顿的不好，而且可能会说：“这机器真够傻的。”但是如果你写下的“hand”被识别成了“nand”，你可能会怪你自己：“明白了，我写的这个h，这一竖写的不够高，所以被识别成了n。”
你可能注意到了，在此概念模型已经完全翻转过来了，出现问题时要抱怨的对象已经变了。传统上我们都认为按照以人为中心的设计观念，如果产品不能产生出正确的结果，原因应该归咎于产品或者设计。当机器无法识别手写时，尤其是当失败原因不明时，人们会归罪于机器，并且感到不满和生气。而对于Rosetta系统，情况发生逆转：人们心甘情愿地把罪过揽到自己身上，认为是自己没能做好，尤其是当人们知道问题原因是什么的时候。这时，人们不再不满，而是会提醒自己在下次书写时要小心仔细。
这就是牛顿彻底失败的原因：人们把无法正确识别手写的罪过归咎于它。当后来苹果公司再次发布新型的可感知的、成功的手写识别系统时，一切都太晚了，它无法消除原来产生的负面影响。如果一开始，牛顿手写识别就算不太准确，但是可以让人们理解为什么，可能它也能获得成功。当产品无法给出有意义的反馈时，便注定了它市场上的失败，早期的牛顿就是一个最好的例子。
1996年，Palm公司发布了一款个人数字助理产品——“Palm Pilot”，这款产品采用了被称为“Graffiti”的人造字母，使用者首先必须要学习这种语言的书写方式。Graffiti采用的是一种人造的字母形状，和正常印刷体字母的形状类似，但是结构稍有变化，以便于尽可能地简化机器处理的工作。这些人造字母与平时我们每天书写的字母非常类似，因此学习使用也毫不费力。Graffiti并没有试图识别整个单词，而是一个字母一个字母地识别，因此，当出现识别错误时，也就是一个字母的错误，而不是整个单词。而且，人们也很容易发现识别错误的原因。这些可以让人理解的、可以感知的错误让人们很容易认识到错误，并且让人们知道如何在以后避免错误的产生。这些错误实际上是一种再确认，让每个使用者都可以形成一个理解识别过程的很好的心理模型，让人们获得自信并提高手写速度和效率。牛顿失败了，Palm成功了。
反馈是人们成功理解产品的必要因素，是人们可以和谐使用机器的必要因素。今天，我们过多的依赖于各种报警信息，这些报警太过于突然，太过骚扰，而且不能提供什么有用的信息。诸如鸣响、振动、闪光等简单信号通常只能告知出问题了，但无法告知到底出了什么问题。等我们找到问题是什么的时候，采用纠正措施的最佳时间可能已经错过。对于周围的事件，我们需要更加连续的、更加自然的保持被通知的状态。还记得可怜的M教授吗，没有反馈，他甚至都不知道其实系统是正常的。
那么，有什么更好的途径来提供更好的反馈呢？我们在前面第3章中提到的“自然交互”就是一种非常基本的方法：隐式的交流、自然的声音和时间、安静但可以察觉到的信号，还有产品的显示和布局要同现实的世界自然地对应。
