마이신

Mycin

마이신(MYCIN)은 인공 지능을 사용하여 균혈증, 뇌막염과 같은 심각한 감염을 일으키는 박테리아를 식별하고 항생제를 권하는 초기 역방향 체인 전문가 시스템이었는데, 항생제 자체에서 유래한 이름인 항생제 자체의 접미사 "마이신"을 가지고 있는 항생제 자체에서 유래한 이름이다. 마이신 체계는 혈액 응고 질환 진단에도 사용되었다. MYCIN은 1970년대 초 스탠포드 대학에서 5, 6년에 걸쳐 개발되었다. 브루스 G의 지시로 에드워드 쇼트리프의 박사학위 논문으로 리스프에서 작성되었다. 부캐넌, 스탠리 N 코헨 등.

방법

MYCIN은 상당히 단순한 추론 엔진과 600가지 규칙의 지식 기반을 사용하여 운영되었다. 그것은 프로그램을 운영하는 의사에게 일련의 간단한 예/아니오 또는 텍스트 질문을 통해 질의할 것이다. 마지막에 각 진단 확률, 각 진단 확률에 대한 신뢰도, 각 진단에 대한 근거(즉, MYCIN도 특정 진단방식의 순위를 매기게 한 질문과 규칙을 나열함)에 근거하여 상위부터 하위까지 순위가 매겨질 수 있는 가능한 범법자균의 목록을 제공하였다. 약물 치료

MYCIN은 "확실한 요인"으로 알려진 그것의 특별하지만 원칙적인 불확실성 프레임워크의 사용에 대한 논쟁을 불러일으켰다. 개발자들은 MYCIN의 성능이 개별 규칙과 관련된 불확실성 측정의 동요에 의해 최소로 영향을 받는다는 것을 보여주는 연구를 수행하였고, 이는 시스템의 동력이 수치 불확실성 모델의 세부사항보다는 지식 표현 및 추론 체계와 더 관련이 있음을 시사하였다. 일부 관측통들은 고전적인 베이지안 통계를 사용하는 것이 가능했어야 했다고 생각했다. MYCIN의 개발자들은 이것이 확률론적 독립성에 대한 비현실적인 가정을 요구하거나 또는 전문가들이 실현 불가능한 수의 조건부 확률에 대한 추정치를 제공하도록 요구할 것이라고 주장했다.[1][2]

이후의 연구는 확실성 인자 모델이 실제로 확률론적 의미로 해석될 수 있다는 것을 보여주었고, 그러한 모델의 내재된 가정과 관련된 문제들을 강조하였다. 그러나 이 시스템의 모듈형 구조는 베이시안 네트워크와 같은 그래픽 모델의 개발을 이끌면서 매우 성공적인 것으로 판명될 것이다.[3]

증거 조합

MYCIN에서는 둘 이상의 규칙이 서로 다른 증거 가중치를 가진 매개변수에 대한 결론을 도출할 수 있었다. 예를 들어, 한 규칙은 문제의 유기체가 E라고 결론 내릴 수 있다. 대장균은 확실성이 0.8인 반면 다른 대장균은 E라고 결론짓는다. 0.5 또는 -0.8의 확실성을 가진 대장균. 확실성이 0보다 작을 경우 그 증거는 실제로 가설에 반대한다. 확실성 인자를 계산하기 위해 MYCIN은 아래 공식을 사용하여 이러한 가중치를 결합하여 단일 확실성 인자를 산출한다.

여기서 X와 Y는 확실성 요인이다.[4] 세 개 이상의 규칙이 동일한 매개변수에 대한 결론을 도출하는 경우 이 공식을 두 번 이상 적용할 수 있다. 그것은 역순이기 때문에 어떤 순서로 가중치를 결합했는지는 중요하지 않다.

결과.

스탠포드 의대에서 행해진 연구에서는 8명의 독립된 전문가들로 구성된 패널로부터 MYCIN이 치료 계획에서 65%의 허용 등급을 받았으며, 이는 5명의 교수진들의 42.5%에서 62.5%에 버금가는 수준이었다.[5] 이 연구는 정확한 치료를 위한 '금본위제'가 없는 경우 전문가들 사이에서도 치료 결정에 대한 의견 불일치의 가능성을 보여주는 것으로 자주 인용된다.[citation needed]

실용화

MYCIN은 실제로 실제로 사용되지 않았다. 이는 실적의 어떤 약점 때문은 아니었다. 일부 관찰자들은 시스템이 잘못된 진단을 내릴 경우에 대한 의사의 책임과 관련하여, 의학의 컴퓨터 사용과 관련된 윤리적, 법적 문제를 제기했다. [6] 그러나, MYCIN이 일상 업무에 사용되지 않은 가장 큰 문제, 그리고 그 이유는 시스템 통합을 위한 기술의 상태, 특히 그것이 개발되었을 때의 상태였다. 마이신(MYCIN)은 사용자가 마이신(MYCIN)이 제기한 질문에 대한 응답을 입력하여 환자에 대한 모든 관련 정보를 입력해야 하는 독립형 시스템이었다. 이 프로그램은 개인용 컴퓨터가 개발되기 전에 초기 인터넷(ARPANet)을 통해 이용할 수 있는 대규모 시간 공유 시스템에서 실행되었다.

MYCIN의 가장 큰 영향은 따라서 그것의 표현과 추론 접근의 힘에 대한 그것의 입증이었다. 많은 비의료 영역의 규칙 기반 시스템은 MYCIN의 접근법 도입 이후 몇 년 동안 개발되었다. 1980년대에 전문가 시스템 "셸"이 도입되었고(지식공학 환경 - KI에 따라 E-MYCIN(지식공학 환경 - KI)으로 알려진 MYCIN 기반 시스템 포함)이 매우 다양한 응용 분야에서 전문가 시스템 개발을 지원하였다. 마이신(MYCIN)과 그에 따른 복잡한 전문가 시스템의 개발 과정에서 눈에 띄게 된 어려움은 추론 엔진이 관련 분야의 인간 전문가로부터 규칙 기반( 이른바 "지식 획득 병목 현상")으로 사용하기 위해 필요한 지식을 추출하는 것이었다.

참고 항목

참조

  1. ^ Shortliffe, E.H.; Buchanan, B.G. (1975). "A model of inexact reasoning in medicine". Mathematical Biosciences. 23 (3–4): 351–379. doi:10.1016/0025-5564(75)90047-4. MR 0381762.
  2. ^ Buchanan, B.G.; Shortliffe, E.H. (1984). Rule Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Reading, MA: Addison-Wesley. ISBN 978-0-201-10172-0.
  3. ^ Heckerman, D.; Shortliffe, E. (1992). "From certainty factors to belief networks" (PDF). Artificial Intelligence in Medicine. 4 (1): 35–52. CiteSeerX 10.1.1.157.4459. doi:10.1016/0933-3657(92)90036-O.
  4. ^ Jackson, Peter (1999). Introduction to expert systems. Addison Wesley Longman Limited. p. 52. ISBN 978-0-201-87686-4.
  5. ^ Yu, Victor L. (1979-09-21). "Antimicrobial Selection by a Computer". JAMA. 242 (12): 1279–82. doi:10.1001/jama.1979.03300120033020. ISSN 0098-7484. PMID 480542.
  6. ^ 트리베디, M. C. (2014년) 인공지능에 대한 고전적 접근법 (2차 개정판) 반 하렌 출판사 331페이지

외부 링크