本文综述因果模型与深度学习结合的研究，将因果数据分为确定、半确定和不确定三类，总结前两类的关键任务与成果，并提出不确定数据的路线图。相关研究包括：biCD算法用因果强度变分模型处理潜在变量；在图像、视频、文本中提出干预策略、因果一致性条件及自监督框架；弱监督下识别潜因果结构；多数据集重叠变量的一致因果学习；CInA实现零样本因果推断；高效因果结构学习；约束编程解决时间序列因果学习；causalPIMA无监督学习可解释因果结构；以及AI因果推断进展对计量方法的贡献。