บทบาทของการอนุมานแบบเบย์ในระบบการใช้เหตุผล

ฉันกำลังดิ้นรนกับการเชื่อมต่อระหว่างระบบ AI ที่ใช้ความรู้และการอนุมานแบบเบย์ในขณะนี้ ในขณะที่ฉันยังคงอ่านวรรณกรรมต่อไปฉันจะมีความสุขถ้าใครบางคนสามารถตอบคำถามเหล่านี้ได้โดยตรง -

1. การอนุมานแบบเบย์ใช้วิธีการในการให้เหตุผลหรือระบบ Q / A - เพื่อให้ได้ข้อสรุปเกี่ยวกับคำถามที่คำตอบไม่ได้นำเสนอโดยตรงในฐานความรู้หรือไม่?
2. กล่าวอีกนัยหนึ่งถ้าระบบถามคำถามไม่พบคำตอบในฐานความรู้มันสามารถใช้การอนุมานแบบเบย์เพื่อใช้ข้อเท็จจริงที่มีอยู่เพื่อแนะนำคำตอบที่มีโอกาสที่แตกต่างกันหรือไม่?
3. ถ้าใช่คุณช่วยชี้ทางฉันไปสู่การใช้งานได้บ้างไหม?

ใช่เป็นไปได้ที่จะรวมการใช้เหตุผลที่น่าจะเป็น / เบย์และ "ฐานความรู้" แบบดั้งเดิม และบางงานก็ทำไปแล้ว ดูตัวอย่างเช่นProbLog ("Probabilistic Prolog") ซึ่งรวมการเขียนโปรแกรมเชิงตรรกะและองค์ประกอบความน่าจะเป็น ดู:

https://dtai.cs.kuleuven.be/problog/tutorial/mpe/01_bn.html

อีกโครงการที่ต้องดูคือPr-OWL ("Probabilistic OWL") ซึ่งเพิ่ม Bayesian ให้เหตุผลใน Semantic Web stack

แน่นอนว่าข้อตกลงเหล่านี้ไม่เฉพาะเจาะจงกับระบบควบคุมคุณภาพ แต่ทั้งสองเป็นตัวแทนของงานบางอย่างในด้านพื้นฐานของการรวมตรรกะดั้งเดิมและ / หรือจีส์ด้วยวิธีการที่น่าจะเป็น การสร้างระบบควบคุมคุณภาพบนพื้นฐานของการออกกำลังกายสำหรับผู้อ่าน ...