Az 1970-es években egy olyan előrelépés jelent meg a mesterséges intelligencia működésében, amely máig meghatározza az alkalmazási területeit. A kezdeti problémamegoldó módszerek nem specifikus, a konkrét problématerületre specializált algoritmust használtak, hanem többféle probléma megoldása során is alkalmazható, általános módszert alkalmaztak. Ennélfogva ezen metódusok teljesítménye kicsi volt, ezért nevezték őket gyenge módszereknek (weak methods) is. A gyenge módszerek a problémák nagyobb vagy nehezebben megoldható példányaira már nem voltak felskálázhatók. Ennek alternatívájaként megjelentek a tudásalapú módszerek, amelyek a problémamegoldáshoz nagyszámú speciális rendeltetésű szabályt használnak fel, az adott problémakörre specifikus tudást véve alapul. Az első ilyen rendszerek az orvostudomány területén jöttek létre.1 Fontos eredményeket a tudásreprezentáció területén értek el, valamint a jövőbeli fejlesztések alapjául szolgált az itt alkalmazott szabályalapú megközelítés. Ezenkívül szintén fontos hozadéka volt ezeknek a megoldásoknak (különösen a MYCIN-rendszernek) a bizonyossági faktor hozzárendelése mesterséges intelligencia által megalkotott következtetésekhez, amely az orvosi ismeretek és diagnózis felállításának bizonytalanságát is tükrözte.