Vóór de komst van machine learning werd kennis handmatig gecodeerd. Expertsystemen legden de regels van een domein vast in if-then-uitspraken en gebruikten een inferentiemotor om conclusies te trekken. Ze werden in de jaren 70 en 80 gebruikt voor medische diagnoses, delfstoffenexploratie en het oplossen van problemen met apparatuur.

Het werk werd uitgevoerd door twee componenten. De kennisbank bevatte feiten en regels, vaak opgebouwd door middel van interviews met menselijke experts. De inferentiemotor paste die regels toe op nieuwe gevallen, waarbij de logica voorwaarts of achterwaarts werd doorgetrokken om tot conclusies te komen.

Klassieke voorbeelden

• Mycine tegen bacteriële infecties
• DENDRAL voor moleculaire structuur
• XCON voor computerconfiguratie
• CADUCEUS voor interne geneeskunde

Onderhoud was de grootste valkuil. Regels vermenigvuldigden zich, conflicten ontstonden en het bijwerken van de kennisbank vereiste expertise. Machine learning verving veel toepassingen omdat het leert van data in plaats van expliciete codering te vereisen. Expertsystemen komen nog steeds voor in specifieke domeinen waar transparantie en controleerbaarheid belangrijk zijn.