I dag kan ekspertsystemer (SE) betragtes som en delmængde af kunstig intelligens. Et ekspertsystem er et system, der anvender menneskelig viden opnået i en computer til at løse problemer, som normalt ville blive løst af ekspertmennesker. Veludformede systemer efterligner den ræsonnementsproces, som eksperter bruger til at løse specifikke problemer. Disse systemer kan fungere bedre end en menneskelig ekspert, der træffer beslutninger individuelt inden for visse områder, og de kan bruges af ikke-ekspertmennesker til at forbedre deres problemløsningsevner.
Ekspertsystemer kan betragtes som begyndelsen til kunstig intelligens. De blev udviklet af AI-fællesskabet i midten af 60’erne. I denne periode med forskning inden for AI-området mente man, at tilføjelsen af nogle få ræsonnementsprincipper kombineret med kraftige computere kunne give en ekspert med overmenneskelige præstationer. I denne periode udviklede forskerne Allen Newell og Herbert Simon et program kaldet GPS (General Problem Solver). Dette program var i stand til at arbejde med cytometri, med tårnene i Hanoi og lignende problemer. Det var imidlertid ikke i stand til at opfylde sin funktionelle titel, nemlig at løse problemer i det virkelige liv.
Dette fik nogle forskere til at undersøge muligheden for at fokusere deres programmer på et mere specifikt område og dermed forsøge at simulere en menneskelig eksperts måde at handle og ræsonnere på, hvilket førte til skabelsen af ekspertsystemer, som vi kender dem i dag. En af disse forskere var Edward Feigenbaum, som sammen med sit team formåede at udvikle DENDRAL, det første ekspertsystem, der blev brugt til reelle formål (det blev brugt i mere end 10 år), og som blev en stor succes blandt kemikere og biologer, da det var i stand til at identificere molekylære kemiske strukturer ud fra deres spektrografiske analyse.
Der findes to typer ekspertsystemer, nemlig dem, der er baseret på regler, og dem, der er baseret på sandsynligheder.
