定性推理是人工智能研究中的一种推理方法，它是通过对物理系统的结构、行为、功能以及它们之间的关系和因果性进行研究，以探索人类的定性推理机制为目的，从而有效地完成各项求解任务的一种推理方法体系。由于定性推理源于物理现象研究这一特殊历史事实，因此经常将定性推理和定性物理看作同一概念。定性推理中“定性”的含义指推理过程是基于定性信息、依据物理规律建立定性方程，最后给出行为的定行解释。

相比于基于精确变量信息、构建数学方程、求解精确数值解的方法，在很多复杂情况下，变量及其关系的精确信息都不可能获得，这时就需要对问题进行定性分析与预测。例如，生态学家要研究某地狐狸和野兔间的数量关系，可以知道狐狸数量的增加（减少）将导致野兔数量的减少（增加），而野兔数量的减少会导致狐狸数量的减少，但两者数量之间的确切数学关系是不可能知道的。另外，人们在日常生活中可以轻而易举地完成定性推理。例如，向空间抛出一个铁球，可以预测铁球先继续向上运行并且速率逐渐减小至零，然后以逐渐增大的速率开始向下运动直至落到地面；当然，通过构建数学方程求解铁球的运动轨迹亦可得出同样的结论，但人们根据经验完成定性推理时既不需要数学知识也无须知道精确的物理定律，如果能够理解人类完成定性推理的机理，无疑对推动人工智能的进步有极大的促进作用。

定性推理包含4个基本要素：量空间（quantity space）、本体单元（ontological primitives）、建模原则和因果性（causality）。对于论域中的变量是连续变化的情况，在定性推理研究时必须将连续的论域定性量化为一个离散符号集，使得选择在同一个开域内的值表现出定性一致的行为性质，而边界值则反映出发生重要转化的位置，人们将一个连续空间的离散化表示称为量空间；最简单的量空间是S={-1, 0, +1}, 分别表示正数、零和负数。本体基元是实际物理系统结构中具有独立功能的最小单元；定性推理模型的结构描述是以本体基元为基础的，不同的基元选择确定不同的结构描述，不同的结构描述进而确定不同的定性模型。从实际物理系统建立定性模型的建模原则包括可合成性（compositionality）、局部传播性（locality）和功能性（functionality）；可合成性指实际物理系统的整体行为能通过一定的方法从部件行为及它们之间的相互作用推导出来，局部传播性指部件的行为和状态变化只与直接相邻或直接相关的部件有关，功能性则指定性推理设计出来的系统必须具备一定的功能。对局部传播规则的解释即是所谓的因果性，定性模型必须对因果性有所考虑。

定性推理的基本方法包括de Kleer的Envision方法、Forbus的定性进程理论、Kuipers的QSIM方法以及Iwasaki和Simon的因果顺序方法，其中Envision和QSIM均是程序名称。针对定性推理存在几个常见的错误认识：一是错误地认为定性推理不需要定量的东西，其实最初研究定性推理的目的就是为了对实际问题进行更恰当的定量分析，定性和定量相结合一直是定性推理的热门研究课题；二是错误地认为定性推理不需要深奥的数学技巧，其实虽然定性推理研究一般的、“常识性”的推理技术，但例如区间代数、符号代数、定性和定量代数相结合的研究这类，都是促进定性推理向前发展的关键技术。