推理是进行思维模拟的基本形式之一，是从一个或几个已知的判断（前提）推出新判断（结论）的过程。推理、搜索和约束满足一起并称为人工智能问题求解中的三大方法。在人工智能发展初期，脱胎于数理逻辑的符号主义人工智能(symbolic AI)是人工智能研究的一种主流学派。推理只有建立在这样一套高度概括、抽象、严格化和精确化的符号系统中，才能得到飞跃发展。因此，在符号主义人工智能中，概念（命题等）不再是用自然语言来描述，而是通过所定义的“符号”及符号之间关系来表示，所解决的问题就是构造一个证明来阐释其成立或者不成立（证伪）。

 关于逻辑与推理的研究由来已久。古希腊学者亚里士多德被誉为“逻辑学之父”，他的逻辑理论完全是以演绎推理的方式架构而成的，其中就包含了著名的“三段论”方法。亚里士多德的逻辑理论自提出以来一直主导着逻辑学界，直到19世纪，布尔提出了数理逻辑理论，才取代了其在逻辑学界的支配地位。

墨翟（尊称为墨子）被认为是东方逻辑学的奠基人。他提出了名、辞、说三种基本思维形式和由骨、理、类三物构成的逻辑推理。《墨辨·经下》里有个著名的描述归纳推理的句子：擢虑不疑，说在有无。这里的“擢”即抽引，表示从一个典型个别事例中抽引出一个一般命题（虑），这种归纳推理的方式不用怀疑，因为其理由或根据是“与典型事例同类的事物联系是存在，还是不存在”。

一般推理包括归纳(inductive)推理、演绎(deductive)推理和因果(causality)推理等主流方法。归纳推理是从个别事实出发，推演出一般性知识作为结论的推理过程，即从特殊到一般、由具体到抽象、由现象到本质。与归纳推理相反，演绎推理是从一般性前提出发，通过推导即“演绎”，得出具体陈述或个别结论的过程。因果推理是人类智能的重要组成，诸如回答“吸烟是否导致癌症”或“某个广告发布是否导致了某个商品销量上涨”等问题时，往往需要因果推理的能力。

 《墨经》曾言“力，形之所以奋也”。哲学上把这种现象和现象之间那种“引起和被引起”的关系，叫做因果关系，其中引起某种现象产生的现象叫做原因，被某种现象引起的现象叫做结果。因果推理就是用来判断事物间存在的原因和结果这样的关系，即因果关系，这是一种重要的推理方法。

辛普森悖论(Simpson's Paradox)表明，在某些情况下，忽略潜在的“第三个变量”，可能会改变已有的结论，而我们常常却一无所知。从观测结果中寻找引发结果的原因，由果溯因，就是本次要介绍的因果推理。因果推理一个核心的问题是因果效应评估，其关键挑战在于消除混淆(cofounding)变量对干预(intervening)变量的影响。一般采取的方法有A/B测试和“双盲(double blind)测试”等。

因果推理是克服现有“数据拟合”和“炼金调参”等机器学习方法不足，另辟蹊径的一种努力。因此图灵奖得主Judea Pearl认为人工智能中因果推断是推动人工智能发展的一个重要方向。

 在被誉为“史家之绝唱,无韵之离骚”的《史记》中，司马迁也不时用因果思想来撰写历史，"其志洁,故其称物芳;其行廉,故死而不容。"