最后一点，MYCIN能够应对不确定性：有些时候用户向系统提供的信息并不是完全真实和准确的。应对和处理不确定性是对专家系统及人工智能系统的一个普遍要求，在MYCIN这样的系统中，极少根据某个单一的特性就得出明确结论的规则。例如，用户的血液检测结果呈阳性，这就为系统判断提供了一个有力的证据。但是，总有出现检测错误的概率(比如“假阳性”或者“假阴性”之类)；或者，患者表现出的某些症状可能是某种特定疾病的征兆，但是不能确定它一定就是某种特定疾病(例如咳嗽是拉沙热的典型症状之一，但病人有咳嗽的症状不能够直接判定他患了拉沙热)。为了能够做出准确的判断，专家系统需要以某种更保险的方式来考虑症状信息。
为了处理不确定性，MYCIN引入了确定性因素的技术——某种表示对某一特定信息的信任或者不信任程度的数值。确定性因素技术是处理不确定性问题的一个相当特别的解决方案，但也因此招来了大量的批评。不确定性处理问题和推理问题成为人工智能研究的一个重要课题，至今仍然如此。我们将在第四章深入讨论。