Deep dive: MYCIN, certainty factor e limiti
Companion di
notes.mdsez. 8. Fonti:05_Sistemi_Esperti.pdf(regola
MYCIN, formule CF);06_Incertezza.pdf(CF vs probabilita’).
1. La regola MYCIN delle slide
IF l'organismo e' gram-negativo, a bastoncello, anaerobio...
THEN evidenza suggestiva (0.6) che sia Bacteroides
Il 0.6 non e’ una probabilita’ ma un incremento di belief apportato
dalla regola. La base di conoscenza e’ una collezione di questi incrementi;
il motore li combina.
2. Algebra dei CF
- Conferme multiple:
CF = CF1 + CF2 − CF1·CF2(es. 0.7, 0.5 → 0.85:
rendimenti decrescenti, mai sopra 1). - Disconferme multiple: simmetrica sui negativi.
- Conferma + disconferma:
CF = (CF1 + CF2) / (1 − min(|CF1|, |CF2|)). - Propagazione:
CF(conclusione) = CF(regola) · max(0, CF(premessa)).
3. Perche’ non sono probabilita’
Le slide sull’incertezza lo dicono esplicitamente: i CF violano gli
assiomi (es. P(A) + P(¬A) = 1 non vale per i CF; la combinazione non e’
il teorema di Bayes). Sono una euristica di ragionamento plausibile,
nata per spremere giudizi esperti senza tabelle CPT complete. Pregi:
elicitazione facile, spiegabilita’. Difetti: nessuna garanzia di coerenza,
ordini di combinazione che contano, difficile calibrazione.
4. Uso nel Wumpus (consiglio del progetto)
I CF sono il posto naturale per le ipotesi pit: ogni breeze alza il CF
delle celle adiacenti non visitate; visitare una cella senza morire azzera
il CF; la scommessa pit-* scatta solo sopra soglia (es. CF > 0.8),
bilanciando +25/−25 attesi. Alternativa frequentista: conteggi
breeze/vicini (stima di probabilita’ empirica). Entrambe accettate: conta
mostrare che l’agente intelligente batte la baseline.
Vedi anche: deepdive_rete_rifrazione.md, notes.md sez. 8–9,
../conoscenza_incerta/notes.md per il confronto con Bayes.