MYCIN fonctionnait en utilisant un moteur d’inférence assez simple et une base de connaissances de ~600 règles. Il interrogeait le médecin qui exécutait le programme via une longue série de questions simples de type oui/non ou textuelles. À la fin, il fournissait une liste de bactéries coupables possibles classées de haut en bas en fonction de la probabilité de chaque diagnostic, de sa confiance dans la probabilité de chaque diagnostic, du raisonnement derrière chaque diagnostic (c’est-à-dire que MYCIN dressait également la liste des questions et des règles qui l’ont amené à classer un diagnostic d’une manière particulière), et du traitement médicamenteux qu’il recommandait.

MYCIN a suscité un débat sur l’utilisation de son cadre d’incertitude ad hoc, mais fondé sur des principes, connu sous le nom de « facteurs de certitude ». Les développeurs ont réalisé des études montrant que les performances de MYCIN étaient peu affectées par les perturbations des métriques d’incertitude associées aux règles individuelles, suggérant que la puissance du système était davantage liée à son schéma de représentation des connaissances et de raisonnement qu’aux détails de son modèle d’incertitude numérique. Certains observateurs ont estimé qu’il aurait dû être possible d’utiliser des statistiques bayésiennes classiques. Les développeurs de MYCIN ont fait valoir que cela nécessiterait soit des hypothèses irréalistes d’indépendance probabiliste, soit de demander aux experts de fournir des estimations pour un nombre infaisable de probabilités conditionnelles.

Des études ultérieures ont montré que le modèle de facteur de certitude pouvait effectivement être interprété dans un sens probabiliste, et ont souligné les problèmes liés aux hypothèses implicites d’un tel modèle. Cependant, la structure modulaire du système allait s’avérer très réussie, conduisant au développement de modèles graphiques tels que les réseaux bayésiens.

Combinaison de preuvesModification

Dans MYCIN, il était possible que deux règles ou plus tirent des conclusions sur un paramètre avec des poids de preuves différents. Par exemple, une règle peut conclure que l’organisme en question est E. Coli avec une certitude de 0,8 tandis qu’une autre conclut qu’il s’agit d’E. Coli avec une certitude de 0,5 ou même -0,8. Dans le cas où la certitude est inférieure à zéro, les preuves sont effectivement contre l’hypothèse. Afin de calculer le facteur de certitude, MYCIN a combiné ces pondérations en utilisant la formule ci-dessous pour obtenir un facteur de certitude unique :

C F ( x , y ) = { X + Y – X Y if X , Y > 0 X + Y + X Y if X , Y < 0 X + Y 1 – min ( | X | , | Y | ) otherwise {\displaystyle CF(x,y)={\begin{cases}X+Y-XY&{\text{if }}X,Y>0\\X+Y+XY&{\text{if }}X,Y<0\\{\frac {X+Y}{1-\min(|X|,|Y|)}}&{\text{otherwise}}\end{cases}}}