MYCIN एक प्रारंभिक कृत्रिम बुद्धिमत्ता कार्यक्रम था, जिसे 1970 के दशक की शुरुआत में स्टैनफोर्ड विश्वविद्यालय में विकसित किया गया था, ताकि चिकित्सकों को बैक्टीरिमिया और मेनिनजाइटिस जैसे गंभीर जीवाणु संक्रमणों के निदान और उपचार में सहायता मिल सके। इसने रोगी डेटा पर तर्क करने और एंटीबायोटिक्स की सिफारिश करने के लिए एक बैकवर्ड चेनिंग इन्फ्रेंस इंजन और लगभग 600 उत्पादन नियमों का ज्ञानकोष उपयोग किया, जिसमें शरीर के वजन के अनुसार खुराक समायोजित की जाती थी। यह नाम कई एंटीबायोटिक्स में सामान्य प्रत्यय "-माइसिन" से लिया गया था। MYCIN को व्यापक रूप से एक आधारभूत विशेषज्ञ प्रणाली माना जाता है, और कंप्यूटर वैज्ञानिक एलन नेवेल ने इसे "उन सभी का जनक - जिसने इस क्षेत्र की शुरुआत की" कहा।
MYCIN को एडवर्ड शॉर्टलिफ़ के डॉक्टरेट शोध प्रबंध के रूप में लिस्प में लिखा गया था, जो ब्रूस जी. बुकानन, स्टेनली एन. कोहेन और अन्य के निर्देशन में था। यह स्टैनफोर्ड ह्यूरिस्टिक प्रोग्रामिंग प्रोजेक्ट से उभरा, जिसने अन्य प्रारंभिक AI प्रणालियों में भी योगदान दिया। कार्यक्रम ने प्रदर्शित किया कि डोमेन-विशिष्ट ज्ञान, जो अनुमान प्रक्रियाओं से स्पष्ट रूप से अलग है, चिकित्सा संदर्भ में उच्च-प्रदर्शन तर्क उत्पन्न कर सकता है।
विधि
MYCIN ने चिकित्सक से सरल हाँ/नहीं या पाठ्य प्रश्नों की एक श्रृंखला के माध्यम से पूछताछ करके कार्य किया। सत्र के अंत में, इसने संभावित कारक बैक्टीरिया की एक रैंक की गई सूची प्रदान की, जिसमें प्रत्येक के लिए एक आत्मविश्वास स्तर, प्रत्येक निदान के पीछे का तर्क, और एक अनुशंसित दवा उपचार शामिल था। यह प्रणाली चिकित्सकों के अनुवर्ती प्रश्नों का उत्तर भी दे सकती थी, जैसे कि उसने एक विशेष प्रश्न क्यों पूछा, उसने एक निष्कर्ष कैसे निकाला, या उसने कुछ कारकों पर विचार क्यों नहीं किया।
ज्ञानकोष में विशेषज्ञों द्वारा एन्कोड किए गए नियम शामिल थे, जिनमें से प्रत्येक एक व्यक्तिगत अनुमानात्मक तथ्य का प्रतिनिधित्व करता था। उस समय, किसी अन्य AI कार्यक्रम में इतना डोमेन-विशिष्ट ज्ञान नहीं था जो अपने अनुमान इंजन से स्पष्ट रूप से अलग हो। अनुमान इंजन ने बैकवर्ड चेनिंग का उपयोग किया, जो एक लक्ष्य परिकल्पना से शुरू होकर सहायक साक्ष्य खोजने के लिए नियमों के माध्यम से पीछे की ओर काम करता था।
डेवलपर्स ने अध्ययन किए जो दिखाते हैं कि MYCIN का प्रदर्शन व्यक्तिगत नियमों से जुड़े अनिश्चितता मेट्रिक्स में गड़बड़ी से न्यूनतम रूप से प्रभावित था। इससे पता चला कि सिस्टम की शक्ति उसके ज्ञान प्रतिनिधित्व और तर्क योजना से अधिक आती थी, न कि उसके संख्यात्मक अनिश्चितता मॉडल के विवरण से। कुछ पर्यवेक्षकों ने तर्क दिया कि शास्त्रीय बायेसियन सांख्यिकी का उपयोग किया जाना चाहिए था, लेकिन डेवलपर्स ने जवाब दिया कि इसके लिए या तो संभाव्य स्वतंत्रता की अवास्तविक धारणाओं या विशेषज्ञों से सशर्त संभाव्यता अनुमानों की एक अव्यवहारिक रूप से बड़ी संख्या की आवश्यकता होगी।
निश्चितता कारक
MYCIN ने कई नियमों से साक्ष्य को संयोजित करने के लिए एक निश्चितता कारक मॉडल का उपयोग किया। प्रत्येक नियम -1 और +1 के बीच एक भार के साथ एक परिकल्पना का निष्कर्ष निकाल सकता था, जहाँ -1 "झूठा" का प्रतिनिधित्व करता था, +1 "सत्य" का प्रतिनिधित्व करता था, और 0 "अनिश्चित" का प्रतिनिधित्व करता था। जब दो या अधिक नियम एक ही पैरामीटर के बारे में निष्कर्ष निकालते थे, तो MYCIN एक विशिष्ट सूत्र का उपयोग करके उनके निश्चितता कारकों को संयोजित करता था।
संयोजन सूत्र को कई वांछनीय गुणों के लिए डिज़ाइन किया गया था। किसी अज्ञात मान को किसी भी चीज़ के साथ संयोजित करने से वह अपरिवर्तित रहता था। सत्य को झूठे को छोड़कर किसी भी चीज़ के साथ संयोजित करने से सत्य मिलता था, और झूठे के लिए भी ऐसा ही था। सत्य और झूठे को संयोजित करने से शून्य-विभाजन त्रुटि उत्पन्न होती थी। +x और -x को संयोजित करने से अज्ञात मिलता था। दो सकारात्मक मानों को संयोजित करने से एक बड़ा सकारात्मक मान मिलता था, और एक सकारात्मक और एक नकारात्मक मान को संयोजित करने से बीच का मान मिलता था।
बाद के अध्ययनों से पता चला कि निश्चितता कारक मॉडल को संभाव्य अर्थ में व्याख्या किया जा सकता है, हालाँकि उन्होंने निहित धारणाओं के साथ समस्याओं को भी उजागर किया। हालाँकि, सिस्टम की मॉड्यूलर संरचना प्रभावशाली साबित हुई, जिससे बायेसियन नेटवर्क जैसे ग्राफिकल मॉडल का विकास हुआ।
संदर्भ
MYCIN में एक संदर्भ यह निर्धारित करता था कि किस प्रकार की वस्तुओं के बारे में तर्क किया जा सकता है। संदर्भ प्रोलॉग में चर या ऑपरेटिंग सिस्टम में पर्यावरण चर के समान थे। उन्होंने सिस्टम को एक चिकित्सा मामले के विभिन्न पहलुओं, जैसे रोगी, संस्कृति, या पहचाने जा रहे जीव के बारे में ज्ञान व्यवस्थित करने की अनुमति दी।
विरासत
MYCIN ने EMYCIN ("आवश्यक MYCIN") के विकास का नेतृत्व किया, जो एक विशेषज्ञ प्रणाली शेल था जो विशिष्ट चिकित्सा ज्ञान के बिना ज्ञान प्राप्त कर सकता था, उसके साथ तर्क कर सकता था, और परिणामों की व्याख्या कर सकता था। EMYCIN को "EMYCIN = प्रोलॉग + अनिश्चितता + कैशिंग + प्रश्न + स्पष्टीकरण + संदर्भ - चर" के रूप में वर्णित किया गया था। इसने डेवलपर्स को चिकित्सा ज्ञानकोष को बदलकर अन्य डोमेन में विशेषज्ञ प्रणाली बनाने की अनुमति दी।
MYCIN का प्रभाव इसके तत्काल अनुप्रयोग से परे फैला। इसने मशीन लर्निंग और तर्क के लिए नियम-आधारित प्रणालियों की क्षमता का प्रदर्शन किया, और इसका ज्ञान प्रतिनिधित्व दृष्टिकोण AI और विशेषज्ञ प्रणालियों में बाद के काम को प्रभावित करता था। MYCIN का एक परिचय पुस्तक पैराडाइम्स ऑफ आर्टिफिशियल इंटेलिजेंस प्रोग्रामिंग (PAIP) के अध्याय 16 में दिखाई देता है।
अपनी तकनीकी सफलता के बावजूद, MYCIN को नैदानिक अभ्यास में कभी व्यापक रूप से तैनात नहीं किया गया, आंशिक रूप से कंप्यूटर-जनित चिकित्सा सलाह के बारे में कानूनी और नैतिक चिंताओं के कारण। फिर भी, यह AI के इतिहास में एक मील का पत्थर बना हुआ है, जो प्रारंभिक विशेषज्ञ प्रणालियों की ताकत और सीमाओं दोनों को दर्शाता है।