推理是AI基于已有知识推导结论的核心能力，Deductive（演绎）、Inductive（归纳）、Abductive（溯因）三种推理方式覆盖了AI从“已知到未知”的核心场景。
1. Deductive Reasoning（演绎推理）：从General Principle（一般原理）推导Specific Conclusion（具体结论），满足Validity（有效性）与Soundness（可靠性）。例如“所有AI都需要数据训练（大前提）→ 推荐AI是AI的一種（小前提）→ 推荐AI需要数据训练（结论）”，是规则型AI的核心推理逻辑，常见于Expert System（专家系统）。
2. Inductive Reasoning（归纳推理）：从Specific Examples（具体案例）总结General Pattern（一般规律），结论具有Probability（概率性）而非绝对性。例如通过1000条“猫的特征”归纳出“猫有尖耳、抓挠、吃鱼”的特征，是机器学习中Supervised Learning（监督学习）的核心逻辑，模型通过数据学习规律实现泛化。
3. Abductive Reasoning（溯因推理）：从Observation（观察结果）推导Most Likely Explanation（最可能的解释），是“结果→原因”的逆向推理。例如医生通过症状推断病因、侦探通过线索锁定嫌疑人，是Diagnostic Reasoning（诊断推理）的核心，常见于医疗AI、故障排查系统。
4. Probabilistic Reasoning（概率推理）：处理不确定性的核心工具，通过Bayesian Network（贝叶斯网络）建模变量间的概率关系，结合Prior Probability（先验概率）与Likelihood（似然）计算Posterior Probability（后验概率），例如垃圾邮件分类中，通过词汇出现概率判断邮件类型。
推理不是单一逻辑的堆砌，而是根据场景选择适配的推理方式，从确定性规则到概率性推断，AI的推理能力决定了其解决实际问题的广度。