Před strojovým učením se znalosti kódovaly ručně. Expertní systémy zachycovaly pravidla dané oblasti v příkazech „if-then“ a k vyvozování závěrů používaly inferenční systém. V 70. a 80. letech 20. století poháněly lékařskou diagnostiku, průzkum nerostů a řešení problémů se zařízeními.

Práci plnily dvě složky. Znalostní báze uchovávala fakta a pravidla, často vytvořená na základě rozhovorů s lidskými experty. Inferenční engine aplikoval tato pravidla na nové případy a řetězil logiku tam i zpět, aby dospěl k závěrům.

Klasické příklady

• MYCIN pro bakteriální infekce
• DENDRAL pro molekulární strukturu
• XCON pro konfiguraci počítače
• KADUCEUS pro interní lékařství

Údržba byla příčinou pádu. Pravidla se množila, objevovaly se konflikty a aktualizace znalostní báze vyžadovala úsilí expertů. Strojové učení nahradilo mnoho aplikací, protože se učí z dat, místo aby vyžadovalo explicitní kódování. Expertní systémy se stále objevují v úzkých oblastech, kde záleží na transparentnosti a auditovatelnosti.