构建因果关系是人类对理解真实世界并与真实世界进行交互的人类基本反应。很难想象一个人很少对世界构建因果关系模型。不论你是否试着去理解石油的高价格，或是试着去想出为什么你的朋友轻视你，或是试着去评价你对更高薪水和升职前景的要求将会对你的老板产生什么样的结果，在所有这些情况中，你都会进行一些形式的因果关系推理。本节中将说明图表化表示因果关系的方法，同时简单论述确定因果关系的困难所在。这是个长期存在的问题，这一问题使哲学家和科学家困惑了几个世纪之久。当然，我们将不会解决在确定因果关系中的所有困难和棘手的问题，但是我们最终将会理解一些方法，使用这些方法去构建并解释世界上的复杂现象。

在人工智能领域，可以使用因果关系知识开发能够解决自身问题的智能系统。例如，具有对疾病起因的详细的因果关系模型能够帮助我们开发出医疗专家系统去解决困难的问题，同时为患者提出建议。在第5章中将会更加详细地涉及有关专家系统的主题。

如同“吸烟引起肺癌”的因果关系论述可以被表示为X→Y，这里X是原因（吸烟），Y是结果（肺癌）。因果关系的一个通常的概念是原因（这可以是一个人、一个事件、一个动作、一种事件的状态、一个条件或是一个属性）对其结果负责。换句话说，原因通过某种方式产生结果。人们可以做出的另一种假设，原因在时间上领先其结果。暂时的领先不仅可以帮助我们从结果中区别原因，同时也能帮助我们从其他的关系类型（例如暂时的领先并不会持续这一轻微的联系）中区别原因。同时，我们需要更加小心地建立基于单独的暂时领先的因果关系，这是因为这可能导致欺骗性的，有时候甚至是荒谬的因果联系。例如，如果我们知道在太阳升起之前公鸡开始打鸣（两个时间常常同时发生），我们不能将其解释成公鸡打鸣导致了太阳升起。在本节最后，我们将论述一些因果关系推理的常见谬论。(www.daowen.com)

因果关系的另一个常见的概念关注于对于原因的可操作性。在这一概念中，如果我们能够通过对X的操作改变Y，那么我们就可以说X引起Y发生。由于操作暗示了我们能够使用对于因果关系的理解去对世界产生改变，因此，这种操作的概念是十分吸引人的。例如，如果我们知道经常性的锻炼可以降低心脏病的患病频率，那么我们能够采取经常性的锻炼这种养生法就可以防止心脏病的发生。对于这种看法的批评是由于这种看法着重于对人产生干涉性观点，这种看法过分地以人类为中心，而忽视考虑了不能被操作的原因，例如自然发生的事件（比如引起建筑物倒塌的地震）。自然地发生的事件表示了目标的固有特性（女性白皙的皮肤会使女性引起关注），或是产生了表示超出人类控制范围的环境或外部条件（顾客信心的增长会使得超市中人群的聚集）。解决这一问题的一种可能的方式是就用与事实相悖的表述去审视因果表述，而不是作为一种可以操作的原因。例如，因果表述“地震将引起建筑物倒塌”可以被看做是与事实相悖的表述“如果地震不发生，那么建筑物不会倒塌”。

现在，让我们研究一些因果关系图表的例子。我们将特别地看到模型因果关系的3种类型的图表：有向图、鱼骨图和故障树。