当然！这是一个现在有点热的领域。

有很多方法可以做到这一点。

研究的主线可能是贝叶斯网络（1980 年代）和休闲网络（1990 年代）。这些基本上是用于概率推理的基于规则的系统。它们依赖于用户设计的模型，该模型与规则很好地对应（例如，当血压高时，心脏病发作率会升高），但提供了一种可靠的方法来推理存在这些规则的不确定性。将此与纯粹的学习方法（如决策树或神经网络）进行对比，后者往往较少依赖规则。该领域的现代研究侧重于从数据中学习网络的结构（对应于学习概率规则）。

虽然可以从数据中学习规则，然后使用其他技术（例如规则归纳）在它们之上进行符号推理，但这种方法遇到了困扰贝叶斯网络结构学习的相同问题：相关因果关系何时出现？因果图是回答这个问题的唯一好工具，但我的印象是自动推断它们的结构仍然是一个悬而未决的问题。