머신러닝이 등장하기 전에는 지식을 수작업으로 코딩했습니다. 전문가 시스템은 특정 영역의 규칙을 조건문(if-then)으로 표현하고 추론 엔진을 사용하여 결론을 도출했습니다. 이러한 시스템은 1970년대와 80년대에 의료 진단, 광물 탐사, 장비 문제 해결에 활용되었습니다.

두 가지 구성 요소가 작업을 수행했습니다. 지식 기반에는 사실과 규칙이 저장되었는데, 이는 종종 인간 전문가와의 인터뷰를 통해 구축되었습니다. 추론 엔진은 이러한 규칙을 새로운 사례에 적용하고 논리를 앞뒤로 연결하여 결론에 도달했습니다.

고전적인 예

• 세균 감염에 대한 마이신
• 분자 구조를 위한 DENDRAL
• 컴퓨터 구성용 XCON
• 내과용 CADUCEUS

유지보수가 문제의 핵심이었습니다. 규칙이 늘어나고 충돌이 발생했으며, 지식 기반을 업데이트하려면 전문가의 노력이 필요했습니다. 머신 러닝은 명시적인 인코딩 대신 데이터로부터 학습하기 때문에 많은 애플리케이션을 대체했습니다. 전문가 시스템은 투명성과 감사 가능성이 중요한 일부 영역에서 여전히 사용되고 있습니다.