其次，MYCIN的推理是可以还原和解释的。推理透明度的问题在人工智能应用方面有时极其重要。如果一个人工智能系统被应用在一些生死攸关的决策中(以MYCIN而言，比如治疗方案事关病人的生死)，要想让人们遵从它的建议，就需要人们信任这个系统。因此，解释和证明人工智能建议的合理性是非常有必要的。经验表明，作为“黑盒”运行的系统，如果没有能力证明其建议的合理性，就会受到用户的严重质疑。
MYCIN至关重要的能力是它可以明确给出得出这一结论的原因，它是通过一系列推理链来得出最终结论的，即那些被触发的规则和触发规则的信息，都是有迹可寻的。在实践中，大多数专家系统的解释能力最终都归结为类似的东西。虽然不是特别理想，但这样的解释很容易追根溯源，并且有助于理解系统运作的机制。
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。