简单来看：Causal learning = To learn causal models/features from data
Causal research 里包括两种重要问题，一种是Causal learning，另一种是Causal reasoning（不同的文献有不同的分法和叫法，这里用Jonas Peters等人的书里的）。简单的说，前者想解决如何从数据中发现因果模型、因果关系、因果特征等，后者想解决如何根据因果模型来研究相应的现象或推断变量的因果变化（causal effect analysis，intervention analysis，counterfactual analysis等）。
人工智能里的Causal learning 和传统的Causal learning从目的上没区别，非要说区别那就是解决问题的工具和数据维度上的区别。人工智能可能更偏向于使用机器学习或深度学习的工具实现高维度数据的Causal learning，传统Causal inference可能局限于使用一些统计工具解决低维度数据的Causal learning。
Causal learning 最终目的是什么？
参考文献：
https://www.zhihu.com/question/506585967
