MYCIN

MYCIN разрабатывалась в течение пяти-шести лет в начале 1970-х годов в Стэнфордском университете. Программная реализация была написана на языке Лисп и использовалась в качестве докторской диссертации Эдварда Шортлиффа под руководством Брюса Бьюкэнена, Стэнли Коэна и других.

MYCIN возникла в рамках проекта эвристического программирования Стэнфордского университета^[1]. Система продемонстрировала возможности экспертных систем при создании высокоэффективных медицинских программ рассуждения. MYCIN часто рассматривается как одна из первых и наиболее значимых экспертных систем^[2].

Впоследствии на базе MYCIN была создана оболочка экспертных систем EMYCIN (от англ. Essential MYCIN), предназначенная для обработки знаний, рассуждения на их основе и представления объяснений уже без конкретной медицинской базы. Формально её можно описать как «EMYCIN = Пролог + неопределённость + кэширование + вопросы + объяснения + контексты − переменные». Введение в систему приведено в главе 16 книги «Paradigms of Artificial Intelligence Programming» (PAIP)^[3].

MYCIN работала на основе сравнительно простого механизма вывода и набора из примерно 600 правил, полученных индивидуально от специалистов и закодированных в виде отдельных продукционных правил. Ни одна другая система искусственного интеллекта того времени не содержала столь большого объёма отраслевых знаний, чётко отделённых от процедур вывода. MYCIN вела диалог с врачом, задавая длинную серию простых вопросов типа «да/нет» или вопросов с текстовым ответом. По завершении опроса система предоставляла список возможных возбудителей, ранжированный по вероятности диагноза, степень уверенности в каждой диагностической гипотезе, рассуждения (MYCIN указывала на вопросы и правила, оказавшие влияние на ранжирование) и рекомендованный курс лечения соответствующими препаратами. Кроме того, MYCIN могла ответить врачу, почему был задан тот или иной вопрос, как система пришла к выводу и почему не были учтены определённые факторы^[4].

Разработчики исследовали влияние изменений в метриках неопределённости, ассоциированных с отдельными правилами, и установили, что производительность MYCIN минимально зависела от точности этих численных параметров. Это означало, что сила системы объяснялась скорее особенностями представления знаний и подходом к рассуждению, чем деталями численных моделей неопределённости. Некоторые исследователи предполагали возможность использования классического байесовского подхода, однако разработчики MYCIN полагали, что это либо потребовало бы нереалистичных предположений о статистической независимости факторов, либо необходимости запрашивать у экспертов огромное количество условных вероятностей^[5][6].

Позднейшие исследования показали, что модель факторов уверенности MYCIN действительно может быть интерпретирована в вероятностных терминах, а также выявили ограничения этой модели и связанные с ней предположения. Тем не менее, модульная структура системы оказалась крайне успешной и послужила основой для развития графовых моделей, таких как байесовские сети^[7].

В системе MYCIN понятие «контекст» определяет, с какими типами объектов система может осуществлять рассуждения. Контексты аналогичны переменным в Прологе или переменным окружения в операционных системах^[3].

(defun mycin ()
  "Определяет, какой организм заражает пациента."
  (emycin
    (list (defcontext patient  (name sex age)  ())
          (defcontext culture  (site days-old) ())
          (defcontext organism ()              (identity)))))

В MYCIN допускалось, что два или более правила могут делать заключения об одном и том же параметре, но с разными степенями уверенности. Например, одно правило может установить, что организм — E. Coli с коэффициентом уверенности 0,8, а другое — что тот же организм E. Coli с коэффициентом 0,5 или даже −0,8. Если итоговый коэффициент меньше нуля — это свидетельствует против гипотезы.

Для вычисления итогового коэффициента уверенности MYCIN применяла следующую формулу:

${\displaystyle CF(x,y)={\begin{cases}X+Y-XY&{\text{если }}X,Y>0\\X+Y+XY&{\text{если }}X,Y<0\\{\frac {X+Y}{1-\min(|X|,|Y|)}}&{\text{иначе}}\end{cases}}}$

Здесь X и Y — коэффициенты уверенности^[8]. При наличии более двух правил формулу применяли последовательно. Комбинирование является коммутативным — порядок не влияет на результат.

Формула обладает следующими свойствами^[3]:

• −1 соответствует «ложь», +1 — «истина», 0 — «неопределённо»;
• Комбинирование с неизвестным не изменяет результат;
• Комбинирование истины с чем-либо (кроме лжи) даёт истину; аналогично для лжи;
• При объединении истины и лжи возникает ошибка деления на ноль;
• Комбинирование +x и −x даёт «неопределённо»;
• При объединении двух положительных (кроме истины) получается более сильное положительное (аналогично для отрицательных);
• Комбинация положительного и отрицательного даёт промежуточное значение.

Ниже приведены примеры на основе главы 16 из книги PAIP, где показана упрощённая педагогическая реализация MYCIN на языке Common Lisp.

Правило и сформированная системой английская формулировка:

(defrule 52
 if (site culture is blood)
  (gram organism is neg)
  (morphology organism is rod)
  (burn patient is serious)
 then .4
  (identity organism is pseudomonas))
Rule 52:
 If
  1) МЕСТО КУЛЬТИВИРОВАНИЯ — КРОВЬ
  2) ГРАММОВАЯ ОКРАСКА ОРГАНИЗМА — ОТРИЦАТЕЛЬНАЯ
  3) МОРФОЛОГИЯ ОРГАНИЗМА — ПАЛОЧКА
  4) ОЖОГ У ПАЦИЕНТА — ТЯЖЁЛЫЙ
 Тогда наличие свидетельств (0,4), слабо указывающих на то, что:
  1) ОРГАНИЗМ — PSEUDOMONAS

Оценка эффективности MYCIN проводилась в Стэнфордской медицинской школе (англ. Stanford Medical School). Первый этап включал 10 тестовых случаев различного происхождения, выбранных врачом, не знакомым с методами и базой знаний MYCIN. Эти случаи рассматривались 7 врачами и одним старшим студентом-медиком. Для каждого случая выбирали 10 вариантов назначения: одну рекомендацию MYCIN, одну — лечащего врача госпиталя, и восемь — вышеназванных специалистов. На втором этапе восемь специалистов по инфекционным заболеваниям получали клинические сведения и десять назначений для каждого случая, после чего должны были дать собственные рекомендации и оценить данные варианты. MYCIN получила рейтинг принятия 65 %, что сравнимо с диапазоном от 42,5 % до 62,5 % у пяти членов профессорско-преподавательского состава^[9]. Это исследование часто приводят в качестве иллюстрации того, что даже среди экспертов могут быть существенные расхождения во мнениях относительно методов лечения при отсутствии «золотого стандарта».

MYCIN никогда не применялась в реальной медицинской практике. Это было связано не с недостатками самой системы: некоторые специалисты поднимали этические и юридические проблемы, связанные с применением компьютерных систем в медицине и ответственностью врача в случае ошибочного диагноза^[10]. Главной же причиной невнедрения MYCIN был уровень развития технологий интеграции информационных систем на момент её создания. MYCIN представляла собой автономную систему, требовавшую полного ручного ввода данных о пациенте в ходе диалога с пользователем. Она работала на вычислителе DEC KI10 PDP-10, поддерживавшем режим коллективного пользования и подключение к ранним компьютерным сетям (АРПАНЕТ), задолго до появления персональных компьютеров^[11][12].

Наибольшее влияние MYCIN оказала демонстрацией возможностей выбранных моделей представления знаний и рассуждений. После появления этой системы в 1980-х годах начали активно разрабатываться экспертные системы и универсальные оболочки для них (в их числе — E-MYCIN, позднее KEE, англ. Knowledge Engineering Environment)^[13], что привело к бурному развитию таких систем и в других областях.

Одной из сложнейших проблем, с которой столкнулись разработчики MYCIN и последующих экспертных систем, стал процесс извлечения необходимых знаний для программного вывода из эксперта-специалиста и формализации этих знаний в виде базы правил^[14].