MYCIN은 1970년대 초 스탠포드 대학에서 개발된 초기 인공지능 프로그램으로, 의사들이 균혈증과 수막염 같은 심각한 세균 감염을 진단하고 치료하는 데 도움을 주기 위해 만들어졌다. 이 프로그램은 역방향 연결 추론 엔진과 약 600개의 생산 규칙으로 구성된 지식 베이스를 사용하여 환자 데이터를 추론하고, 체중에 따라 용량을 조정한 항생제를 권장했다. 이름은 많은 항생제에 공통적으로 쓰이는 접미사 "-mycin"에서 유래했다. MYCIN은 기초적인 전문가 시스템으로 널리 인정받으며, 컴퓨터 과학자 앨런 뉴웰은 이를 "그들 모두의 할아버지 - 이 분야를 시작한 존재"라고 불렀다.
MYCIN은 에드워드 쇼틀리프의 박사 논문으로 Lisp 언어로 작성되었으며, 브루스 G. 뷰캐넌, 스탠리 N. 코헨 등의 지도 아래 완성되었다. 이 프로그램은 스탠포드 휴리스틱 프로그래밍 프로젝트에서 탄생했으며, 이 프로젝트는 다른 초기 AI 시스템에도 기여했다. 이 프로그램은 도메인별 지식이 추론 절차와 명확히 분리될 때 의료 맥락에서 고성능 추론을 생성할 수 있음을 보여주었다.
방법
MYCIN은 일련의 간단한 예/아니오 또는 텍스트 질문을 통해 의사에게 질문하는 방식으로 작동했다. 세션이 끝나면 각각 신뢰 수준, 각 진단의 근거, 권장 약물 치료와 함께 가능한 원인균의 순위 목록을 제공했다. 시스템은 또한 의사가 특정 질문을 한 이유, 결론에 도달한 방법, 특정 요인을 고려하지 않은 이유 등 후속 질문에 답할 수 있었다.
지식 베이스는 전문가가 인코딩한 규칙으로 구성되었으며, 각 규칙은 개별 추론 사실을 나타냈다. 당시 다른 AI 프로그램은 추론 엔진과 명확히 분리된 이렇게 많은 도메인별 지식을 포함하지 않았다. 추론 엔진은 목표 가설에서 시작하여 규칙을 역방향으로 추적하여 지지 증거를 찾는 역방향 연결을 사용했다.
개발자들은 MYCIN의 성능이 개별 규칙과 관련된 불확실성 지표의 변동에 최소한으로 영향을 받는다는 연구를 수행했다. 이는 시스템의 힘이 수치적 불확실성 모델의 세부 사항보다는 지식 표현과 추론 체계에서 더 많이 나온다는 것을 시사했다. 일부 관찰자들은 고전적인 베이즈 통계를 사용해야 한다고 주장했지만, 개발자들은 이는 비현실적인 확률적 독립 가정이나 전문가로부터 비현실적으로 많은 조건부 확률 추정치를 요구할 것이라고 반박했다.
확신 계수
MYCIN은 여러 규칙의 증거를 결합하기 위해 확신 계수 모델을 사용했다. 각 규칙은 -1에서 +1 사이의 가중치로 가설을 결론지을 수 있었으며, -1은 "거짓", +1은 "참", 0은 "불확실"을 나타냈다. 두 개 이상의 규칙이 동일한 매개변수에 대해 결론을 내릴 때, MYCIN은 특정 공식을 사용하여 확신 계수를 결합했다.
결합 공식은 여러 바람직한 속성을 갖도록 설계되었다. 알 수 없는 값을 어떤 것과 결합하면 변경되지 않았다. 참을 거짓을 제외한 어떤 것과 결합하면 참이 되었고, 거짓도 마찬가지였다. 참과 거짓을 결합하면 0으로 나누기 오류가 발생했다. +x와 -x를 결합하면 알 수 없음이 되었다. 두 양수를 결합하면 더 큰 양수가 되었고, 양수와 음수를 결합하면 그 사이의 값이 되었다.
후속 연구는 확신 계수 모델이 확률적 의미로 해석될 수 있음을 보여주었지만, 암시된 가정의 문제점도 지적했다. 그러나 시스템의 모듈식 구조는 영향력이 입증되었으며, 베이즈 네트워크와 같은 그래픽 모델의 개발로 이어졌다.
컨텍스트
MYCIN의 컨텍스트는 추론할 수 있는 객체 유형을 결정했다. 컨텍스트는 Prolog의 변수나 운영 체제의 환경 변수와 유사했다. 이를 통해 시스템은 환자, 배양, 식별 중인 유기체 등 의료 사례의 다양한 측면에 대한 지식을 구성할 수 있었다.
유산
MYCIN은 특정 의료 지식 없이도 지식을 획득하고, 추론하며, 결과를 설명할 수 있는 전문가 시스템 셸인 EMYCIN("필수 MYCIN")의 개발로 이어졌다. EMYCIN은 "EMYCIN = Prolog + 불확실성 + 캐싱 + 질문 + 설명 + 컨텍스트 - 변수"로 설명되었다. 이를 통해 개발자는 의료 지식 베이스를 교체하여 다른 도메인에서 전문가 시스템을 구축할 수 있었다.
MYCIN의 영향력은 즉각적인 응용을 넘어 확장되었다. 이 프로그램은 기계 학습 및 추론을 위한 규칙 기반 시스템의 잠재력을 보여주었으며, 지식 표현에 대한 접근 방식은 이후 AI 및 전문가 시스템 작업에 영향을 미쳤다. MYCIN에 대한 소개는 인공지능 프로그래밍 패러다임(PAIP) 책의 16장에 나타난다.
기술적 성공에도 불구하고, MYCIN은 컴퓨터 생성 의료 조언에 대한 법적 및 윤리적 우려로 인해 임상 실무에서 널리 배포되지 않았다. 그럼에도 불구하고, 이는 초기 전문가 시스템의 강점과 한계를 모두 보여주는 AI 역사의 이정표로 남아 있다.