在机器学习出现之前，知识都是靠人工编码的。专家系统用“如果……那么……”语句来描述某个领域的规则，并使用推理引擎得出结论。它们在20世纪70年代和80年代为医疗诊断、矿产勘探和设备故障排除提供了强大的支持。

这项工作由两个部分组成。知识库存储事实和规则，这些事实和规则通常是通过与人类专家的访谈建立的。推理引擎将这些规则应用于新的案例，通过向前或向后追溯逻辑得出结论。

经典案例

• 霉素用于治疗细菌感染
• 用于分子结构的树状图
• XCON 计算机配置
• CADUCEUS 内科

维护是其致命弱点。规则数量激增，冲突不断出现，更新知识库需要专家投入大量精力。机器学习取代了许多应用程序，因为它能够从数据中学习，而无需显式编码。专家系统仍然出现在一些对透明度和可审计性要求较高的特定领域。