MYCIN szakértői rendszer

MYCIN modell szakértői rendszer vér fertőzéseinek, gyógykezeléseknek meghatározását támogató orvosi diagnosztikai rendszer célvezérelt, szabályalapú rendszer orvosok, Stanfordi Egyetem AI kutatói LISP nyelv

MYCIN fő komponensei 1. konzultációs (tanácsadó) rendszer kérdések feltevése, következtetések, tanácsok 2. magyarázó rendszer kérdésekre válaszok, tanácsok indoklása 3. szabálybeszerző rendszer új szabályok, meglevő szabályok módosítása

1. Konzultációs rendszer szabálybázis statikus, dinamikus adatok vezérlés

Szabálybázis (produkciós szabályok) szabály: előfeltétel-akció pár  előfeltétel: feltételek konjunkciója feltétel: predikátum (igaz/hamis, bizonyossági mértékkel) bizonyossági mérték: adatelemekhez kapcsolódó szám [-1 … 1] bizalom mértéke, kételkedés mértéke  akció: konklúzió (megfelelő bizonyossággal) pl. organizmus azonosítása, végrehajtandó instrukció, terápia-lista  szabályok bizonyossági mértéke – tally szabály alkalmazásának megbízhatósága következmény megbízhatósága – feltételi rész bizonyosságának és a szabály bizonyosságának függvénye

Szabálybázis szabályok jellegzetes formája: (culture ?c)  (site ?c blood)  (organism ?o)  (gram ?o neg)  (morph ?o rod)  (patient ?p)  (burn ?p serious)  0.4 (identity ?o pseudomonos)

Szabálybázis szabály feltételi részének bizonyossága: c(p 1 ...  p n ) = min  c 1,..., c n  következtetés bizonyossága: c(p  q) = c(p)  c(r)c(p)  0, c(r)  0 független forrásból származó bizonyítások esetén: c(0, y) = c(y) c(1, y) = c(1) c(-x, x) = 0 c ≥ 0.2 esetén: szabály alkalmazása

MYCIN adatszerkezete Statikus adatok definíciószerű információk listák (pl. organizmusok listája) tudástáblák (pl. klinikai paraméterek) osztályozó rendszer, kontextus szerint (pl. páciens attribútumai, organizmus attribútumai) Dinamikus adatok objektum – attribútum – érték hármasok + CF kontextusfában tárolva (páciens személyi adatai, gyógykezelések, organizmusok) kikövetkeztetett adatok konzultáció kérdései a releváns attribútumok kitöltéséhez

MYCIN vezérlési struktúrája visszafelé haladó következtetés (célvezérelt) mint egy AI program, de kimerítő keresést végez (részcél  összes lehetséges feltétel előállítása) ha egy hipotézis megbízhatósága -0.2 és 0.2 közé esik  a válasz: ismeretlen preview mechanizmus: felesleges részfák bejárásának elkerülése (előzetes információk alapján) egyéb vezérlési lehetőségek az alapvető viselkedés módosításához (metaszabályok) szabály-interpreter először ezeket a szabályokat hajtja végre ~ 200 metaszabály top-level cél szabály  következmény rész: terápia meghatározása (lista)

2. Magyarázó rendszer konzultáció végén automatikusan meghívódik elérhető a konzultáció során is  WHY – miért kérdezte az adott kérdést  HOW – hogyan jutott adott következtetésre

3. Tudás- (szabály-) beszerző rendszer új szabály bevitele, szabálymódosítás angol nyelvű forma  LISP

3. Tudás- (szabály-) beszerző rendszer ellentmondásmentesség, redundancia ellenőrzése

Tudásbeszerző rendszer tipikus TB hibák:  hiányok a szabályhalmazban  szabályok átlapolása (inkonzisztenciát, redundaciát okozhat)  elavult szabályok (új felfedezések miatt) konzultációs program fő hibái:  hibás konklúzió  irreleváns kérdések TEIRESIAS – tudásbeszerzés interaktív párbeszéd alapján szakértő megállíthatja a működést, ha hibát tapasztal  nyomkövetés visszafelé (HOW, WHY kérdések alapján)