在人工智能（AI）中，常識性推理是一種類似于人類的能力，對人類每天遇到的普通情況的類型和本質進行推測。這些假設包括對物理對象的性質、分類學屬性和人們的意圖的判斷。表現出常識推理的設備可能能夠得出與人類的民俗心理學（人類對人們的行為和意圖進行推理的先天能力）和天真的物理學（人類對物理世界的自然理解）相似的結論。定義和特征不同作者對常識的一些定義和特征包括。常識性知識包括關于事件（包括行動）及其影響的基本事實，關于知識和如何獲得知識的事實，關于信仰和欲望的事實。它還包括關于物質對象及其屬性的基本事實。常識性知識與百科全書式的知識不同，它涉及的是一般知識，而不是具體實體的細節。常識性知識是現實世界的知識，可以為自動收集和解釋其他知識提供基礎。常識性世界包括時間、空間、物理互動、人等等。常識是所有關于世界的知識，我們認為這是理所當然的，但很少大聲說出來。常識是廣泛的可重復使用的背景知識，不是特定的學科領域......你應該擁有的知識。紐約大學教授歐內斯特-戴維斯將常識知識描述為一個典型的7歲兒童對世界的了解，包括物理對象、物質、植物、動物和人類社會。它通常不包括書本知識、專業知識和慣例知識；但它有時也包括有關這些主題的知識。例如，知道如何打牌是專業知識，而不是常識性知識；但知道人們打牌是為了好玩，確實算作常識性知識。

與人類相比，現有的人工智能缺乏人類常識性推理的幾個特征；最值得注意的是，人類有強大的機制來推理天真的物理學，如空間、時間和物理相互作用。這使得即使是年幼的孩子也能輕易地做出推論，如如果我把這支筆從桌子上滾下來，它就會掉在地上。人類也有一個強大的民間心理學機制，幫助他們解釋自然語言句子，如市議員拒絕了示威者的許可，因為他們主張暴力。(一般的人工智能很難辨別被指主張暴力的是議員還是示威者）。這種常識的缺乏意味著人工智能經常會犯與人類不同的錯誤，其方式可能看起來令人難以理解。例如，現有的自動駕駛汽車不能像人類那樣準確推理出行人的位置或意圖，而是必須使用非人類的推理模式來避免事故。常識推理的重疊子主題包括數量和測量、時間和空間、物理學、思想、社會、計劃和目標、以及行動和變化。

常識性知識問題是目前人工智能領域的一個項目，目的是建立一個數據庫，其中包含大多數人應該擁有的常識，并以使用自然語言的人工智能程序可訪問的方式表示。由于常識性知識的范圍很廣，這個問題被認為是人工智能研究中最困難的問題之一。為了使任何任務都能像人的頭腦管理的那樣完成，要求機器看起來像人一樣聰明。這些任務包括物體識別、機器翻譯和文本挖掘。為了完成這些任務，機器必須了解擁有常識性知識的個人所認識的相同概念。

1961年，BarHillel在機器翻譯的背景下首次討論了自然語言處理的實用知識的需求和意義。有些歧義可以通過使用簡單和容易獲得的規則來解決。其他的則需要對周圍世界的廣泛承認，因此它們需要更多的常識性知識。例如，當機器被用來翻譯一個文本時，就會出現歧義的問題，這些問題可以通過對上下文的具體和真實的理解來輕松解決。在線翻譯者經常使用類似或相似的詞來解決歧義問題。例如，在將Theelectricianisworking和Thetelephoneisworking這兩個句子翻譯成德語時，機器將xxx個句子中的working正確翻譯為勞動的意思，將第二個句子翻譯為正常運轉。