探索因果关系是各种科学研究的最终目标。当今大数据和人工智能时代，利用数据进行因果推断显得更加重要。相关关系不同于因果关系，因果推断的根本问题是消除混杂因素引起的虚假相关性；在几乎所有科学领域中，混杂都是一个历史悠久的问题。本报告探讨混杂因素的定义和判断准则、因果作用可识别、因果网络学习，以及因果网络局部学习与因果作用评价的结合方法。还将探讨逻辑推理与统计因果推断结合引起的悖论。

海报