Før maskinlæring blev viden kodet manuelt. Ekspertsystemer indfangede reglerne for et domæne i if-then-sætninger og brugte en inferensmotor til at drage konklusioner. De drev medicinsk diagnose, mineralefterforskning og fejlfinding af udstyr i 1970'erne og 1980'erne.

To komponenter udførte arbejdet. Vidensbasen lagrede fakta og regler, ofte opbygget gennem interviews med menneskelige eksperter. Inferensmotoren anvendte disse regler på nye sager og kædede logik fremad eller bagud for at nå frem til konklusioner.

Klassiske eksempler

• MYCIN til bakterielle infektioner
• DENDRAL for molekylær struktur
• XCON til computerkonfiguration
• CADUCEUS for intern medicin

Vedligeholdelse var årsagen til problemet. Reglerne blev mangedoblet, konflikter opstod, og opdatering af vidensbasen krævede ekspertindsats. Maskinlæring erstattede mange applikationer, fordi den lærer af data i stedet for at kræve eksplicit kodning. Ekspertsystemer optræder stadig i snævre domæner, hvor gennemsigtighed og revisionsvenlighed er vigtig.