Ebben a fejezetben ismertetjük, hogyan építhetők olyan következtető rendszerek, amelyek hálós modelleket használnak a bizonytalanságnak a valószínűség-számítás törvényeinek megfelelő kezelésére.

A 13. fejezetben bemutattuk a valószínűség-számítás szintaxisát és szemantikáját. Külön hangsúlyoztuk a függetlenségi és a feltételes függetlenségi kapcsolatok fontosságát a világ valószínűségi reprezentációjának az egyszerűsítésében. Ez a fejezet egy szisztematikus módszert vezet be az ilyen relációk explicit reprezentálására, a Bayes-hálók formájában. Ezeknek a hálózatoknak definiáljuk a szintaxisát és szemantikáját, és megmutatjuk, hogyan használhatók fel bizonytalan tudás megragadására természetes és hatékony módon. Ezt követően ismertetjük, hogyan végezhető el a valószínűségi következtetés, ami bár legrosszabb esetben exponenciális komplexitású, a gyakorlatban sok esetben hatékonyan alkalmazható. Leírunk továbbá különböző közelítő következtető algoritmusokat, amelyek gyakran akkor is alkalmazhatók, amikor egzakt következtetés nem lehetséges. Megvizsgálunk olyan módszereket is, hogy hogyan alkalmazható a valószínűség-számítás egy objektumokat és relációkat is tartalmazó világra – azaz az ítéletlogikával szemben az elsőrendű reprezentációkra. Végül áttekintjük a bizonytalan következtetés egyéb alternatív megközelítéseit.