Vor dem Aufkommen des maschinellen Lernens wurde Wissen manuell kodiert. Expertensysteme erfassten die Regeln eines Anwendungsbereichs in Wenn-Dann-Aussagen und nutzten eine Inferenzmaschine, um Schlussfolgerungen zu ziehen. Sie leisteten in den 1970er- und 1980er-Jahren Pionierarbeit in der medizinischen Diagnostik, der Mineralexploration und der Fehlerbehebung an Geräten.

Zwei Komponenten erledigten die Arbeit. Die Wissensbasis speicherte Fakten und Regeln, die häufig durch Interviews mit Experten erstellt wurden. Die Inferenzmaschine wandte diese Regeln auf neue Fälle an und verknüpfte Logik vorwärts oder rückwärts, um zu Schlussfolgerungen zu gelangen.

Klassische Beispiele

• Mycin gegen bakterielle Infektionen
• DENDRAL für Molekularstruktur
• XCON für Computerkonfiguration
• CADUCEUS für Innere Medizin

Die Wartung erwies sich als Verhängnis. Die Regeln vervielfachten sich, Konflikte entstanden, und die Aktualisierung der Wissensbasis erforderte Expertenwissen. Maschinelles Lernen hat viele Anwendungen ersetzt, da es aus Daten lernt, anstatt explizite Kodierung zu benötigen. Expertensysteme finden sich weiterhin in eng begrenzten Bereichen, in denen Transparenz und Nachvollziehbarkeit entscheidend sind.