Trabajos anteriores han introducido una forma de inteligencia artificial explicable que es capaz de explicar con precisión, en un formato comprensible para los humanos, por qué toma decisiones. También es capaz de aprender a tomar mejores decisiones sin potencialmente aprender consideraciones ilegales o inválidas. Este sistema defendible se basa en sistemas expertos de reglas de valor fraccionario y el uso de entrenamiento por descenso de gradiente para optimizar los pesos de las reglas. Este sistema de software ha demostrado eficacia para muchas aplicaciones; sin embargo, utiliza procesamiento iterativo y, por lo tanto, no tiene un tiempo de finalización determinista. También requiere hardware de computación de propósito general comparativamente costoso para funcionar. Este documento se basa en trabajos anteriores en el desarrollo de sistemas expertos basados en hardware y presenta y evalúa la eficacia de una implementación de hardware de este sistema. Caracteriza su rendimiento y discute su utilidad y compensaciones para varios dominios de aplicación.