【マイシン (MYCIN)🏥】1970年代に開発された血液感染症の診断と治療計画を目的とした世界初の代表的なエキスパートシステム💮：G検定合格講座 No.38

1. MYCINの基礎知識と開発背景✨

MYCINは、1970年代にスタンフォード大学で開発された世界初の代表的なエキスパートシステムの一つです🔖

ちなみに、エキスパートシステムとは、特定の専門分野における人間の専門家（エキスパート）の知識を計算機上に表現し、推論を行うことで、その分野の専門家のように振る舞うことを目的とした人工知能（AI）システムです。

MYCINの主な目的は、血液感染症（敗血症）および髄膜炎の診断と、抗菌薬の投与計画の提案でした🔖
当時の医療現場では、血液培養の結果が出るまでに時間がかかり、迅速な治療判断が求められていたため、専門医の判断を補助するシステムが必要とされていました。

2. MYCINのシステム構成と特徴💜

MYCINは、主に以下の要素で構成されています。

特に重要なのは知識ベースと推論エンジンです🔖

知識ベース

知識ベースには、専門医の知識が「プロダクションルール」という形式で格納されていました。
これは、「IF（もし）条件 THEN（ならば）結論」という形式で表現されるルールです。
例えば、「もし患者が発熱しており、Xという細菌が特定されたならば、Yという抗生物質を投与するべきである」といった形式です。
MYCINには約500～600のルールが搭載されていました。

推論エンジン

MYCINの推論エンジンは、後向き連鎖（Backward Chaining）と呼ばれる推論方式を主に使用しました。
これは、まず最終的な目標（結論、ここでは診断や治療提案）を設定し、その目標を達成するために必要な前提条件（ルール）を逆向きに辿っていく方法です。

例えば、「この患者に特定の抗菌薬Xを投与すべきか？」という結論からスタートし、「そのためには、細菌Yが原因である必要があり、細菌Yを特定するためには…」と、必要な証拠を順に問い詰めていくように動作します。

不確実性の取り扱い：確信度（Certainty Factor: CF）

MYCINの最大の特徴の一つは、不確実な知識や曖昧な情報を扱うために「確信度（Certainty Factor: CF）」という概念を導入したことです🌟
これは、ルールや事実の信頼度を**−1.0から＋1.0までの数値**で表す指標です。

$${+1.0}$$：完全に確信できる
$${0.0}$$：判断がつかない
$${-1.0}$$：完全に否定できる

MYCINは、複数のルールが組み合わさる際に、このCFを計算規則に従って統合し、最終的な結論に対する確信度を算出しました。
このCFを用いることで、知識ベース内のルールの適用において、人間の専門家が持つ「たぶんそうだ」「おそらく違うだろう」といった曖昧な判断をシステムに反映させることが可能になりました👍

この確信度CFの計算は、ベイズ統計学や確率論とは異なる、経験的な手法に基づいています。

$${\large \text{CF}(H, E) = \text{MB}(H, E) - \text{MD}(H, E) }$$

ここで、$${H}$$は仮説（Hypothesis）、$${E}$$は証拠（Evidence）、$${\text{MB}}$$は仮説を支持する確信度（Measure of Belief）、$\text{MD}$は仮説を否定する確信度（Measure of Disbelief）を表しています！

3. MYCINの応用と影響💎

説明能力（Explanation Capability）

MYCINは、単に診断結果を出すだけでなく、「なぜこの結論に至ったのか？」をユーザー（医師）に説明する説明サブシステムを持っていました。
これは、エキスパートシステムが医療のような人命に関わる分野で受け入れられるために非常に重要であり、AIの**透明性（Trustworthiness）**の先駆けとも言えます。
ユーザーが疑問を持った場合、「なぜその質問をしているのか？」や「どのようにこの結論に至ったのか？」という質問に対して、適用したルールを遡って提示することができました。

エキスパートシステムの評価と限界

MYCINの診断能力は、専門医と同等か、場合によってはそれ以上の性能を示すことが検証されましたが、実用化には至りませんでした💦
主な理由としては、以下の点が挙げられます。

• 知識獲得のボトルネック：専門家の知識をルールとして抽出・形式化する作業が非常に困難で時間がかかった点。

• システムのサイズと計算資源：当時のコンピュータ技術では、システムが大きく、動作に多くのリソースを必要とした点。

• 医療現場での導入の障壁：医師の責任問題、システムの法的認可、医療行為への組み込みの難しさなど、技術以外の障壁が存在した点。

MYCINが残した遺産

MYCINは実用化されませんでしたが、その基本設計や推論の仕組みは、その後のエキスパートシステム開発に大きな影響を与え、「知識ベースシステム」という分野を確立しました。
特に、知識ベースと推論エンジンを分離する設計や、不確実な知識を扱う確信度（CF）の概念、そして説明能力の重要性は、現代のAI、特に知識表現と推論の分野において重要な教訓となっています。

本日のアウトプットはここまでとします！
MYCIN（マイシン）は、1970年代に開発された血液感染症の診断と治療計画を目的とした世界初の代表的なエキスパートシステムです👍
専門家の知識をIF-THEN形式のプロダクションルールとして知識ベースに格納し、後向き連鎖という推論方式で動作しました。
最大の特徴は、確信度（Certainty Factor: CF）という$${-1.0}$$から$${+1.0}$$の指標を用いて、不確実な知識を定量的に扱った点です。
また、結論に至るプロセスを説明する説明能力を持ち、AIの透明性の基礎を築きました。
診断能力は高かったものの、知識獲得の困難さなどの理由で実用化には至りませんでしたが、知識ベースシステムの礎を築き、その後のAI研究に決定的な影響を与えたという点で、非常に重要な意義を持っているのです🌟

AIを味方に、DX人材としての自信と
キャリアの可能性をを手に入れるべく
引き続き、G検定合格を目指して
コツコツと学習を進めてまいります💚

引き続きよろしくお願いいたします！

前回のお復習い🏫

復習を大切にして、確実にインプットした
知識を自分の記憶に留めておきましょう！

G検定とは？

G検定を取得するメリット💎

G検定の試験概要💮

• 主催団体: 一般社団法人日本ディープラーニング協会（JDLA）

• 試験形式: オンライン実施（自宅受験）

• 試験時間: 100分　※26年1月試験から変更。

• 出題形式: 知識問題（多肢選択式、約145~150問程度）

• 受験資格: 制限なし（誰でも受験可能）

• 受験料:

  • 一般：13,200円（税込）

  • 学生：5,500円（税込）

  • 再受験割引あり（受験日から2年以内は半額）

• 出題範囲: JDLAが公開しているシラバスに準拠

• 合格ライン: JDLAは公式に合格ラインを発表していませんが、一般的に70%程度の正答率が目安と言われています。

• 合格率: 開催回によって変動しますが、60%～75%程度で推移しています。

詳細な試験範囲：シラバスG2024#6

✅（シラバス）G2024#6～（出所）
技術分野と法令・倫理分野に分かれています！

今後はこちらのシラバスを参考に試験対策に繋がる投稿を作成してまいりますので、乞うご期待ください✨

G検定は、AI、特にディープラーニングに関する基礎知識を幅広く習得し、ビジネスの現場でAIを活用するための第一歩となる資格と言えるでしょう！

受験資格もなく、かつ、オンラインで受験できるため、多くの方が挑戦しやすい資格と言えるのではないでしょうか👍

まずは、試験の合格に向けてしっかりと学習に取り組んでまいります！

おすすめの参考書📚

おすすめマガジンのご紹介🔔

今後、さらにコンテンツを
拡充できるように努めて参りますので
何卒よろしくお願い申し上げます📚

最後までご覧いただきありがとうございました🌈

まだまだ浅学非才な私ですが
noteという最高の環境を活用して
日々、成長できるように精進します🔥

アウトプット前提のインプットを体現する
ことができるのは、本当に有意義であると
思いますし、成長の記録としても残るため
非常にやりがいを感じています。

社会人になってもnoteはなるべく
継続していきたいことではありますが
あくまで趣味としての取組みになりますので
優先順位を大切にして活動していきます！

お気軽にコメント、スキ&記事の共有
そして私のアカウントをフォローして
いただけると大変嬉しく思います✨

今後とも何卒よろしくお願いいたします！