Waarom is dit belangrijk?
Het vastleggen van vakkennis in aparte regels, los van het programma dat redeneert, laat een computer onzekere keuzes uitleggen. In de wetenschap werd dat model de basis voor regelgestuurde systemen in veel vakgebieden buiten de zorg. Voor studenten en werknemers laat dit zien dat zo’n systeem specialisten kan benaderen, maar het kwam niet in de dagelijkse praktijk door technische, ethische en juridische grenzen.
Zo werkt het in de praktijk
Aan de Stanford Medical School vergeleken onderzoekers de adviezen van MYCIN met die van artsen. Specialisten in infectieziekten beoordeelden de voorstellen zonder de maker te kennen. Uit MYCIN kwam EMYCIN, een lege schil voor kennis, redeneren en uitleg, en later deed KEE vergelijkbaar werk.
De ontwikkelaars van MYCIN onderzochten hoe gevoelig de zekerheidsfactoren waren. Kleine wijzigingen in de zekerheidsfactoren veranderden de uitkomst weinig. De klassieke kansrekening vroeg volgens hen te veel losse kansen van experts.
Elke regel kreeg een zekerheidsfactor: een getal voor hoe sterk een aanwijzing een conclusie steunt of weerspreekt. MYCIN voegde die getallen met een vaste formule samen. Het omzetten van kennis van de specialist naar regels bleef een knelpunt.




