专家系统受阻而进入寒冬了吗？
《人工智慧在台湾》第81页说：『机器学习走了一条与专家系统不同的路线，它由历史资料归纳出专家的法则…. 机器学习同样是在学习专家的决策规则，只是不让专家自己从口中说出，而是由专家的历史行为来自动学习。 』
这个观点真是让人啼笑皆非。若人们已经知道了决策的规则，直接用就好了，为什么不让专家说出来而要另外由资料中去找？机器学习要找的是专家还不知道，或知道得不够全的决策规则才对。因此，书中用这个观点来判定专家系统没落了，是很怪异的逻辑。
书中更怪异的观点是评论专家系统与期待差距很多的原因：
- 专家系统无法预测火灾或地震
我认为这当然不能，什么技术能100%做到？机器学习现在也做不到呀，那是不是AI也要进入寒冬了？ 1990与2000年代中，我没听说过专家系统要求解如火灾及地震的预测问题，一如汽车公司也没说过他们研发的汽车要解决飞行的问题一样。
- 某些事情，专家不一定能把规则说明清楚
这是完全正确的废话，任何技术都受此限制。说不清楚规则的就不是专家系统，如此而已。以此来指称专家系统之弱，有失公允。
- 说得出的规则，不见得能以程式码写下来
这也是不公平的评论。专家系统对规则的陈述有其要求，依其要求说出的规则，自然可写成程式（其实多是由规则引擎来自动执行规则的判定而不需另写程式）。不能依规则陈述要求讲出规则的，就不是专家系统要解（或能解）的问题了。就像开汽车能驶过很小的水沟，但若碰到河流就开不过去了，因此汽车就不值得用了吗？
专家系统没有离开产业，它演变成规则管理系统(BRMS)，而进一步发展为今日的决策管理系统(DMS)的一个重要的组成部份。
因此，《人工智慧在台湾》书中对专家系统的批评是错误的，著者不了解专家系统在本质上与ERP系统的差异，以及后续规则管理的发展与应用趋势，反而武断地指称专家系统已面临寒冬，远离了产业而退回到学术圈。
我们若观察企业实际应用的内容，也可佐证《人工智慧在台湾》在上述这些个观点上的错误，如下述。
Good info. Lucky mee I discovered yoour site by chance (stumbleupon).
I’ve boolk marked it for later!
Hey very nice blog!
Hi! Someone in my Myspace group sharded this wwebsite with us so I cae to tske a look.
I’m definitely enjoying thee information. I’m book-marking aand will be tweeting this to my followers!
Wonderful blog and amazing deszign and style.
Its like yoou read mmy mind! You appear to know a
lot about this, like youu wrore the book iin iit or something.
I think thqt yyou can do with some pcs to drijve thhe messag home
a bit, butt other than that, this is excellent blog.
A grwat read. I’ll definitely be back.
Howdy! Icould have sworn I’ve beeen tto yopur log before but avter lookoing att many of the podts I realizzed it’s new to me.
Regardless, I’m definitely pleased I fiund iit and I’llbe bookmarking it aand chcking badk often!
My spouse and I stumbled over herte ddifferent website andd thought
I might check things out. I like whqt I seee sso
i aam just fllowing you. Look forward to exploring your web page repeatedly.