戴佛特（Delft）是荷兰大西洋海岸的一个美丽小城，也是戴佛特科技大学（Technische Universiteit Delft）的所在地。当地街道狭窄，且有数条运河环绕着商业区。从酒店区走向戴佛特科技大学，漫步经过蜿蜒曲折的运河，穿过弯窄的街道，一路风景如画。然而，途中遇到的危险并不是来自汽车，而是来自蜂群般的自行车，他们四面八方地高速穿梭，好像无处不在。在荷兰，自行车有自己的车道，与汽车和人行道是分开的。然而，在戴佛特的市中心，自行车和行人混在一起。

“这绝对安全，”招待我的人一直保证，“只要你别伸手，也不要试着躲避。不要突然停下或猛然转向。总之要让人能够预测。”换句话说，就是保持匀速的步伐和稳定的方向。根据可以预测的假设，骑自行车的人已经小心地计算过他们的路径，不会与其他自行车和路人相撞。如果行人试着要与自行车骑士斗智斗勇，后果将不堪设想。

戴佛特的骑行者提供了我们如何与智能机器互动的一种可能模式。毕竟，我们有一个操作者，即行人，与智能的机器（自行车）在互动。在这个案例里，机器其实是自行车与人的结合体，人既提供动力，还有智慧。行人和自行车与骑行者的结合体都由人的大脑全力控制，然而，两者之间未能成功协调一致。自行车与骑行者的组合并不缺少智慧，只缺乏对行人的沟通。那么多的自行车，速度都比行人快。行人不可能与骑自行车的人交谈，毕竟当两者接近时，为时已晚，无法磋商。在缺乏有效的沟通之下，互动的方法便是行人走路的速度和方向必须能够预测，如此就无须协调：只需参与者一方，即自行车与骑行者做路线规划，而另一方应对即可。这个案例可以当成设计的好教材。如果一个人不能与由人操纵的智能设备协调活动（比如自行车与骑行者），凭什么我们认为与智能设备顺利协作会更容易呢？这个案例说明我们不应该朝这个方向去努力。未来聪明的机器不会尝试去了解与之互动的操作者的心思，也不会去推测他们的动机，或者预测他们的下一个行为。因为如此一来，会面临两个问题：首先，它们可能会出错；其次，这样会使机器的行动不可预测。操作者试图预测机器可能会怎么做，同时，机器也试图猜测人的行动，这样的话一定会混乱。切记戴佛特的自行车，它们说明了一个很重要的设计法则，即可预测性。

现在再来看下一个左右为难的问题：人和智能设备，哪一个应当是可以被预测的部分？如果两个部分都同样聪明、能干，那就没有问题。这就像骑自行车的人和行人的例子。智慧都来自于人类，所以无论骑自行车的人还是行人都能小心地预测和应对。只要每个人对彼此扮演的角色都有共识，就没有问题。然而，大部分情况下两边并不平等。人类的智力和对外界所掌握的普遍认知，远超过智能设备所拥有的。行人和骑自行车的人有某种程度的共识和共同背景，他们唯一的困难是两者之间没有足够的时间做充分的交流和协调。至于人与机器之间，并不存在沟通所需的共同领域，所以，最好是机器的行为可以被预测，然后操作者对机器做出适当的反应。在这里，策略脚本的想法可以有效地帮助操作者了解机器所遵循的运作程序。如果机器试着要推测人的动机，然后进一步猜测人的行动，轻者会导致混乱，严重者甚至会产生极端危险。