MYCIN foi um dos primeiros sistemas de inteligência artificial desenvolvido no início da década de 1970 na Universidade de Stanford para auxiliar médicos no diagnóstico e tratamento de infecções bacterianas graves, como bacteremia e meningite. O sistema utilizava um mecanismo de inferência de encadeamento para trás e uma base de conhecimento com aproximadamente 600 regras de produção para raciocinar sobre os dados do paciente e recomendar antibióticos, com dosagens ajustadas ao peso corporal. O nome deriva do sufixo "-micina", comum em muitos antibióticos. MYCIN é amplamente reconhecido como um sistema especialista fundacional, e o cientista da computação Allen Newell o descreveu como o "avô de todos eles - o que lançou o campo".
MYCIN foi escrito em Lisp como tese de doutorado de Edward Shortliffe, sob a orientação de Bruce G. Buchanan, Stanley N. Cohen e outros. O sistema surgiu do Projeto de Programação Heurística de Stanford, que também contribuiu para outros sistemas iniciais de IA. O sistema demonstrou que conhecimento específico de domínio, claramente separado dos procedimentos de inferência, poderia produzir raciocínio de alto desempenho em um contexto médico.
Método
MYCIN operava fazendo perguntas ao médico em uma série de questões simples de sim/não ou textuais. Ao final da sessão, fornecia uma lista classificada de possíveis agentes causadores, cada um com um nível de confiança, o raciocínio por trás de cada diagnóstico e uma recomendação de tratamento. O sistema também podia responder a perguntas de acompanhamento dos médicos, como por que havia feito uma determinada pergunta, como chegara a uma conclusão ou por que não considerara certos fatores.
A base de conhecimento consistia em regras codificadas por especialistas, cada uma representando um fato inferencial individual. Na época, nenhum outro sistema de IA continha tanto conhecimento específico de domínio claramente separado do motor de inferência. O mecanismo de inferência usava encadeamento para trás, partindo de uma hipótese objetivo e trabalhando retroativamente através das regras para encontrar evidências de apoio.
Fatores de certeza
MYCIN utilizava um modelo de fatores de certeza para combinar evidências de múltiplas regras. Cada regra podia concluir uma hipótese com um peso entre -1 e +1, onde -1 representava "falso", +1 representava "verdadeiro" e 0 representava "incerto". Quando duas ou mais regras chegavam a conclusões sobre o mesmo parâmetro, MYCIN combinava seus fatores de certeza usando uma fórmula específica.
A fórmula de combinação foi projetada para ter várias propriedades desejáveis. Combinar um valor desconhecido com qualquer coisa deixava o resultado inalterado. Combinar verdadeiro com qualquer coisa, exceto falso, resultava em verdadeiro, e o mesmo valia para falso. Combinar verdadeiro e falso resultava em um erro de divisão por zero. Combinar +x e -x resultava em desconhecido. Combinar dois valores positivos resultava em um positivo maior, e combinar um positivo com um negativo resultava em um valor intermediário.
Estudos subsequentes mostraram que o modelo de fatores de certeza podia ser interpretado em termos probabilísticos, embora também tenham destacado problemas com as suposições implícitas. No entanto, a estrutura modular do sistema provou ser influente, levando ao desenvolvimento de modelos gráficos como as redes bayesianas.
Contextos
Um contexto em MYCIN determinava que tipos de objetos podiam ser raciocinados. Os contextos eram semelhantes a variáveis em Prolog ou variáveis de ambiente em sistemas operacionais. Eles permitiam que o sistema organizasse o conhecimento sobre diferentes aspectos de um caso médico, como o paciente, a cultura ou o organismo sendo identificado.
Legado
MYCIN levou ao desenvolvimento de EMYCIN ("MYCIN essencial"), um shell de sistema especialista que podia adquirir conhecimento, raciocinar com ele e explicar resultados sem o conhecimento médico específico. EMYCIN foi descrito como "EMYCIN = Prolog + incerteza + cache + perguntas + explicações + contextos - variáveis". Ele permitia que desenvolvedores construíssem sistemas especialistas em outros domínios substituindo a base de conhecimento médica.
A influência de MYCIN se estendeu além de sua aplicação imediata. Demonstrou o potencial de sistemas baseados em regras para aprendizado de máquina e raciocínio, e sua abordagem à representação do conhecimento influenciou trabalhos posteriores em IA e sistemas especialistas. Uma introdução ao MYCIN aparece no Capítulo 16 do livro Paradigms of Artificial Intelligence Programming (PAIP).
Apesar de seu sucesso técnico, MYCIN nunca foi amplamente implantado na prática clínica, em parte devido a preocupações legais e éticas sobre aconselhamento médico gerado por computador. No entanto, permanece um marco na história da IA, ilustrando tanto os pontos fortes quanto as limitações dos primeiros sistemas especialistas.