Rolle der Bayes'schen Folgerung in Denksystemen

Ich habe seit einiger Zeit mit der Verbindung zwischen wissensbasierten KI-Systemen und Bayes'scher Folgerung zu kämpfen. Während ich weiter in der Literatur stöbere, würde ich mich freuen, wenn jemand diese Fragen direkt beantworten kann -

1. Werden Bayes'sche Inferenz-basierte Methoden in Argumentations- oder Q / A-Systemen verwendet, um Schlussfolgerungen zu Fragen zu ziehen, deren Antworten nicht direkt in der Wissensbasis vorhanden sind?
2. Mit anderen Worten, wenn ein Q / A-System in einer Wissensdatenbank keine Antwort findet, kann es dann die Bayes'sche Inferenz verwenden, um anhand der verfügbaren Fakten Antworten mit unterschiedlichen Wahrscheinlichkeiten vorzuschlagen?
3. Wenn ja, können Sie mich auf einige Implementierungen hinweisen?

Ja, es ist möglich, probabilistisches / bayesianisches Denken mit einer traditionellen "Wissensdatenbank" zu kombinieren. Und einige Arbeiten in dieser Richtung wurden durchgeführt. Siehe zum Beispiel ProbLog ("Probabilistic Prolog"), das logische Programmierung und probabilistische Elemente kombiniert. Sehen:

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

Ein weiteres zu untersuchendes Projekt ist Pr-OWL ("Probabilistic OWL"), das dem Semantic Web-Stack Bayes'sche Argumentation hinzufügt.

Natürlich befasst sich keines dieser Themen speziell mit QS-Systemen, aber beide stellen einige Arbeiten dar, die zumindest den grundlegenden Aspekt der Kombination traditioneller Logik und / oder Ontologien mit probabilistischen Ansätzen betreffen. Darüber hinaus ist der Aufbau eines QS-Systems eine Übung für den Leser ...