專家系統受阻而進入寒冬了嗎？
《人工智慧在台灣》第81頁說：『機器學習走了一條與專家系統不同的路線，它由歷史資料歸納出專家的法則…. 機器學習同樣是在學習專家的決策規則，只是不讓專家自己從口中說出，而是由專家的歷史行為來自動學習。』
這個觀點真是讓人啼笑皆非。若人們已經知道了決策的規則，直接用就好了，為什麼不讓專家說出來而要另外由資料中去找？機器學習要找的是專家還不知道，或知道得不夠全的決策規則才對。因此，書中用這個觀點來判定專家系統沒落了，是很怪異的邏輯。
書中更怪異的觀點是評論專家系統與期待差距很多的原因：
- 專家系統無法預測火災或地震
我認為這當然不能，什麼技術能100%做到？機器學習現在也做不到呀，那是不是AI也要進入寒冬了？1990與2000年代中，我沒聽說過專家系統要求解如火災及地震的預測問題，一如汽車公司也沒說過他們研發的汽車要解決飛行的問題一樣。
- 某些事情，專家不一定能把規則說明清楚
這是完全正確的廢話，任何技術都受此限制。說不清楚規則的就不是專家系統，如此而已。以此來指稱專家系統之弱，有失公允。
- 說得出的規則，不見得能以程式碼寫下來
這也是不公平的評論。專家系統對規則的陳述有其要求，依其要求說出的規則，自然可寫成程式（其實多是由規則引擎來自動執行規則的判定而不需另寫程式）。不能依規則陳述要求講出規則的，就不是專家系統要解（或能解）的問題了。就像開汽車能駛過很小的水溝，但若碰到河流就開不過去了，因此汽車就不值得用了嗎？
專家系統沒有離開產業，它演變成規則管理系統(BRMS)，而進一步發展為今日的決策管理系統(DMS)的一個重要的組成部份。
因此，《人工智慧在台灣》書中對專家系統的批評是錯誤的，著者不了解專家系統在本質上與ERP系統的差異，以及後續規則管理的發展與應用趨勢，反而武斷地指稱專家系統已面臨寒冬，遠離了產業而退回到學術圈。
我們若觀察企業實際應用的內容，也可佐證《人工智慧在台灣》在上述這些個觀點上的錯誤，如下述。
