Et ekspertsystem er et computerprogram, der gemmer menneskelige specialisters knowhow som regler og fakta og drager konklusioner ud fra dem. Det består typisk af en vidensbase og en inferensmotor, der anvender reglerne. Ekspertsystemer prægede AI i 1970'erne og 1980'erne, f.eks. inden for medicinsk diagnose eller konfiguration af teknisk udstyr. Deres idéer lever videre i dag i regelbaserede kontroller og vidensgrafer.
Knowledge engineering omfatter indsamling, organisering og forberedelse af ekspertviden, så IT-systemer kan bruge den. Oprindeligt handlede det om regler til ekspertsystemer; i dag er det ofte vigtigst at dokumentere spredt viden fra manualer, procesbeskrivelser og folks hoveder, så AI-agenter kan svare pålideligt ud fra den. Det indebærer klare strukturer, opdaterede kilder, definerede ansvarsområder og lukning af identificerede huller.
Heuristikker er tommelfingerregler eller forenklede strategier, der inden for rimelig tid fører til en god, men ikke garanteret optimal løsning. I datalogi og AI hjælper de med at indsnævre enorme søgerum – f.eks. i ruteplanlægning, hvor luftlinjeafstanden til målet bruges som estimat, eller i skak, hvor stillinger vurderes. Mennesker bruger også heuristikker i hverdagen og i forretningsbeslutninger, med risiko for systematiske tankefejl.
Inden for datalogi er en ontologi en formel model af et fagområde, som entydigt definerer begreber, deres egenskaber og relationerne imellem dem. Det gør det muligt for mennesker og maskiner at fortolke data ensartet og drage slutninger ud fra dem. Ontologier ligger til grund for mange vidensgrafer, semantiske søgesystemer og dataintegrationsprojekter. Eksempel: en produktontologi fastslår, at en »elcykel« er en »cykel« og har et »batteri«.
Et beslutningstræ er en model, der fremstiller en beslutning som en række enkle ja/nej-spørgsmål: Hver gren tester ét træk, og hvert blad giver et udfald. I maskinlæring læres sådanne træer automatisk ud fra data og bruges til klassifikation eller prognoser. Deres største styrke er gennemsigtighed – f.eks. kan de vise, hvorfor en låneansøgning blev markeret ud fra indkomst, løbetid og betalingshistorik.
