Boken "Statistical Relational Artificial Intelligence" gir en grundig utforskning av hvordan intelligente agenter samhandler med den virkelige verden. I denne sammenhengen møter de forskjellige individer, kursmateriale, testresultater, reseptbelagte medisiner, stoler, bokser og mer. For å navigere i denne komplekse virkeligheten må disse agentene kunne resonnere rundt egenskapene til disse individene og relasjonene mellom dem, samt håndtere usikkerhet. Usikkerhet er et kjent tema innen sannsynlighetsteori og grafiske modeller, mens relasjoner har vært gjenstand for studier innen logikk, spesielt innen predikatkalkyle og dets utvidelser. I denne boken analyseres grunnprinsippene for å kombinere logikk og sannsynlighet i det som kalles relasjonelle probabilistiske modeller. Leseren introduseres for representasjons-, inferens- og læringsteknikker knyttet til sannsynlighet, logikk og sammensetningene av disse. Boken fokuserer spesielt på to representasjoner: Markov-logikk-nettverk, en relasjonell utvidelse av udirekte grafiske modeller og vektede førsteordens predikatkalkyle formler, samt Problog, en probabilistisk utvidelse av logikkprogrammer som også kan ses på som en Turing-komplett relasjonell utvidelse av Bayesiansk teori.
