在機器學習出現之前，知識都是靠人工編碼的。專家系統用「如果…那麼…」語句來描述某個領域的規則，並使用推理引擎得出結論。它們在1970年代和1980年代為醫療診斷、礦產勘探和設備故障排除提供了強大的支援。

這項工作由兩個部分組成。知識庫儲存事實和規則，這些事實和規則通常是透過與人類專家的訪談建立的。推理引擎將這些規則應用於新的案例，透過向前或向後追溯邏輯得出結論。

經典案例

• 黴素用於治療細菌感染
• 用於分子結構的樹狀圖
• XCON 計算機配置
• CADUCEUS 內科

維護是其致命弱點。規則數量激增，衝突不斷出現，更新知識庫需要專家投入大量精力。機器學習取代了許多應用程序，因為它能夠從資料中學習，而無需明確編碼。專家系統仍然出現在一些對透明度和可審計性要求較高的特定領域。