一、案例定位

用 MYCIN 與 XCON 理解 1970–1980 年代的專家系統如何把特定領域知識編成規則。

二、學習目標

• 說明知識庫與推論引擎的角色。
• 理解正向推理與反向推理。

三、案例情境

原書指出，專家系統在 1970 年代出現、1980 年代蓬勃發展。MYCIN 由 Stanford 開發，用於診斷血液感染並推薦抗生素，劑量會依患者體重調整；R1／XCON 由 Carnegie Mellon University 為 Digital Equipment Corporation（DEC）開發，用於電腦訂單配置，確保零件齊全且彼此相容。

四、開始資料

五、Excel／AI 分析方法

用 規則編號｜條件｜行動｜知識來源專家｜版本 建立簡化知識庫，再用決策表檢查規則衝突。

六、計算結果

原書沒有提供 MYCIN 的診斷正確率或 XCON 的節省金額，因此不補造數值。

七、結果分析與管理解讀

專家系統的優勢來自特定領域知識，但也意味著知識取得、更新與維護成本很高。

八、AI 提問詞

把以下專家規則整理成決策表，標示互相衝突或重疊的條件；不得自行新增醫療或配置規則。

九、思考／情境變動

**題目：**若知識庫已過期，但推論引擎仍正常運作，系統是否仍可靠？

**參考解答：**不一定。推論引擎只會依現有規則推理，領域知識過期仍會造成錯誤。