Modelele de reprezentare a cunostintelor prezentate pana acum se refera la cunostinte sigure, complete si consistente. in activitatea lor, oamenii sunt insa capabili sa rezolve probleme si pe baza cunostintelor incerte sau contradictorii. Din acest motiv, cercetatorii in inteligenta artificiala au propus metode de reprezentare a ignorantei in sistemele bazate pe cunostinte. Aceste metode se pot imparti in doua mari categorii:

- Reprezentarea cunostintelor este extinsa prin asocierea unei masuri numerice a certitudinii (incertitudinii) diverselor entitati din baza de cunostinte. Sistemul trebuie sa fie capabil sa rationeze cu aceasta reprezentare, tipul de rationament efectuat numindu-se rationament incert sau rationament statistic.



- Axiomele si/sau regulile de inferenta din sistemul bazat pe cunostinte sunt extinse astfel incat sa permita rationamentul bazat pe cunostinte incomplete si contradictorii. Acest tip de rationament se numeste rationament nemonoton si este o generalizare a rationamentului monoton din logica cu predicate de ordinul I.

Rationamentul statistic este subiectul acestui capitol. Reprezentarea cunostintelor incerte are asociate metode de inferenta specifice care modeleaza un rationament ce propaga incertitudinea de la date si ipoteze la concluzii. Aceste metode de reprezentare a cunostintelor pot fi folosite in rezolvarea problemelor ce implica date nesigure, vagi, incomplete sau chiar inconsistente. O astfel de categorie de probleme este, de exemplu, domeniul diagnosticarii medicale.