Eind jaren ’70 en begin jaren ’80 leek AI eindelijk zijn belofte waar te maken — niet via neurale netwerken of lerende systemen, maar via regels en logica. Expertsystemen waren software die de kennis van menselijke experts codeerde in duizenden “als-dan”-regels.

Het bekendste voorbeeld was XCON (ook wel R1 genoemd), ontwikkeld voor Digital Equipment Corporation (DEC). XCON kon klantorders voor computersystemen configureren — een taak waarvoor voorheen tientallen menselijke ingenieurs nodig waren. Het systeem bespaarde DEC naar schatting 40 miljoen dollar per jaar.

De opkomst van de AI-industrie

Bedrijven stortten zich massaal op expertsystemen. In de VS en Japan werden honderden miljoenen geïnvesteerd. Japan lanceerde het ambitieuze Fifth Generation Computer Project — een staatsgesponsord programma om AI-computers te bouwen die Japanse industriele dominantie zouden garanderen. De VS en VK reageerden met eigen programma’s (DARPA’s Strategic Computing Initiative).

Consultancybedrijven specialiseerden zich in het bouwen van expertsystemen. De term “knowledge engineering” werd gemunt. Het tijdschrift Forbes schreef dat AI de volgende grote industrie was.

De tweede AI-winter

Maar eind jaren ’80 stortte het kaartenhuis in. Expertsystemen bleken breekbaar, onderhoudsgevoelig en niet schaalbaar. Elke nieuwe regel kon conflicteren met bestaande regels. De kennisengineers konden het groeitempo niet bijhouden. Systemen werkten goed binnen een enge domein maar faalden buiten de gebaande paden.

Investeringen droogden op. Bedrijven zoals Symbolics — die gespecialiseerde AI-computers maakten — gingen failliet. Het Japanse Fifth Generation Project werd in 1992 stilgelegd als een mislukking. Dit werd de tweede AI-winter.

De les van de expertsystemen-era: kunstmatige intelligentie die afhankelijk is van handmatig geëncoded menselijke kennis, schaalt niet. Het zou een generatie duren voordat een andere aanpak — lerende systemen die patronen vinden in data — dat probleem zou oplossen.