Przed erą uczenia maszynowego wiedza była kodowana ręcznie. Systemy eksperckie zapisywały reguły danej dziedziny w instrukcjach warunkowych „jeśli-to” i wykorzystywały silnik wnioskowania do wyciągania wniosków. W latach 70. i 80. XX wieku wspomagały one diagnostykę medyczną, poszukiwania złóż i rozwiązywanie problemów ze sprzętem.

Za pracę odpowiadały dwa komponenty. Baza wiedzy przechowywała fakty i reguły, często tworzone w oparciu o wywiady z ekspertami. Silnik wnioskowania stosował te reguły do ​​nowych przypadków, łącząc logikę w przód lub w tył, aby dojść do wniosków.

Klasyczne przykłady

• MYCIN na zakażenia bakteryjne
• DENDRAL do badania struktury molekularnej
• XCON do konfiguracji komputera
• Kaduceusz do medycyny wewnętrznej

Utrzymanie systemu okazało się porażką. Reguły mnożyły się, pojawiały się konflikty, a aktualizacja bazy wiedzy wymagała wysiłku ekspertów. Uczenie maszynowe zastąpiło wiele aplikacji, ponieważ uczy się na podstawie danych, zamiast wymagać jawnego kodowania. Systemy eksperckie nadal pojawiają się w wąskich dziedzinach, w których liczy się przejrzystość i audytowalność.