Expertensysteme sind KI-Systeme, die auf einer Wissensbasis und einem Regelwerk basieren, um Schlussfolgerungen zu ziehen und Entscheidungen zu treffen. Diese Systeme verwenden oft logikbasierte Wissensrepräsentationen, um Fakten, Regeln und Axiome über ein bestimmtes Fachgebiet zu kodieren. Wissensrepräsentation ist dabei der Prozess, Informationen so zu strukturieren und zu organisieren, dass ein intelligenter Agent diese effektiv nutzen kann, um Schlussfolgerungen zu ziehen, Probleme zu lösen und Handlungen zu bestimmen. Zu den gängigen Methoden der Wissensrepräsentation gehören semantische Netzwerke, Frames und logikbasierte Ansätze.
Der Unterschied zwischen symbolischer KI und modernem maschinellem Lernen (ML) liegt in ihrer Herangehensweise an Problemlösungen. Symbolische KI basiert auf explizit kodierten Regeln und logischen Strukturen, die präzise und nachvollziehbare Schlussfolgerungen ermöglichen, aber oft Schwierigkeiten mit unklaren oder komplexen realen Daten haben. Im Gegensatz dazu basiert modernes ML auf statistischen Modellen, die Muster in großen Datenmengen erkennen und nutzen, jedoch oft weniger erklärbar sind und Schwierigkeiten bei der genauen Berechnung und verifizierbaren Schlussfolgerungen haben. Moderne Ansätze kombinieren oft beide Methoden, um die Stärken beider Paradigmen zu nutzen.