家事案件需要得到妥善处理，法院不仅应当把握争议的法律事实，还要把握法律争议背后的情感事实、人际关系情况。
大多数人则是二者均沾。立法意图虽然是偏重主观心理的概念，但却可以经由相对客观化的解释技术予以辨别。
当然，正如本文对意图解释的分析试图表明的，虽然在一些案件中立法意图能够帮助法官寻找到恰当的答案，但是这一概念的方法论运作依然存在着诸多值得进一步予以探讨的问题，因此立法意图绝非法律解释的终焉之地。按照当时医学上流行的理解，同性恋就是一种心理疾病。不同的分支会产生一个大操场——它们给了法官裁量权，但却不是可以归于立法机关的‘意义。参见(德)卡尔·恩吉施：《法律思维导论》，郑永流译，法律出版社2014年版，第107页。这是因为立法者在制定法律的时候通常想到的都是他们试图应对的相对典型的情况，而且只是从他们所处的社会环境来看最为紧迫的事例，他们不可能考虑到未来社会所遇到的种种。
采取历史、体系、比较等法律解释方法时使用的材料…… ③例如，最高人民法院发布的第6批4个指导性案例之一，一改过去的做法，认为表明知假买假者可依法主张10倍赔偿。(57)在这个案件中，法官必须要判断立法者使用discrimination的意图究竟是禁止所有以种族为依据的就业歧视，还是允许以自愿性的纠偏行动为目的的就业区分对待。[35] D.A. Waterman and M. Peterson, Models of Legal Decision Making, Report R-22727-ICJ, Rand Corporation, Institute for Civil Justice, 1981, and their Evaluating Civil Claims: An Expert Systems Approach, Expert Systems Vol.1 No.1 (1984), pp. 65–76. See also D. A. Waterman, J. Paul and M.Peterson, Expert Systems for Legal Decision Making, Expert Systems Vol.3 No.4 (1986) pp. 212–226. 关于其他国家动向的概述以及日本的成果，参阅吉野一「法適用過程における推論へのコンピュータの応用」『法とコンピュータ』第３号（1984年）77-99頁、吉野一（編著）『法律エキスパートシステムの基礎』（東京：ぎょうせい、1986年）。
（5）数据和信息的机密性、安全性的保障。表述正当化保证的程度差异的符号是限制保证可信度的Q（qualifier 限定词乃至modal qualifier 模态限定词）与否认保证一般正当性的R（rebuttal抗辩）。计算机科学要求的是对数据或信息进行精确的处理，但机器学习却要求统计思维，使人工智能系统可以进行概率计算，这意味着使推理和判断的自动化本身也能自动化。本文首先将分别考察法学在克服复杂性、不确定性方面的规范主义与科学主义这两种完全不同的思路，侧重在从莱布尼茨对法律知识的数学化尝试到当今的数字黥刑的历史进程中，通过算数监控、几何布局、机器思维、符号演算等多彩多姿的思想实验和试错的实践活动来分析计算法学的来龙去脉。
在这里，假设高度谨慎的成本是司机和行人都承担3元，有点谨慎的成本是1元。尽管八成左右的大数据是非结构化的，但通过适当的数据挖掘技术和方法，任何形式的数据都可以转化成有用的信息，发挥作为资源的价值。
反过来也可以说，只有当法学界关于解释、推理、辩驳、议论的研究提升到更高阶段时，人工智能系统的开发才能水涨船高。（4）优先保护人的安全。同时也导致新的信息无法反映，造成所谓过滤气泡（the filter bubble）[49]。（6）在数据收集和计算过程中要切实维护隐私权。
西塞罗应古罗马法律家特雷巴求斯之请而撰写的《论题术》，为司法实务提供了具有可操作性的技术指引和重要论题的清单。[4] 舒国滢《法学的知识谱系》（前引），参阅226页以下。[41] 大澤光『社会システム工学の考え方』（東京：オーム社、2007年）32頁。在他的法学博士论文《论组合术》中，莱布尼茨把几何学图形以及组合算数应用到法律现象，把法学理解为一门由简单术语构成的复杂化组合技艺。
为系统的停止、人工智能网络的切断和修理预做准备。把科学实验方法应用于个人或群体行为及其动机的研究（例如刺激-反应式的行为实验和定量分析），就形成了法与行为科学、法心理学以及与法律有关的认知科学等专业领域。
换言之，这种程序就是要建立论题目录并确定论点的位置，根据对立、近似、层级进行议论，并通过在多样性中进行排序和选择的决疑术（casuistry）为法律判断赋予随机的确定性，寻找或然的真理。正如佩雷尔曼早就指出的那样，离开价值判断，我们根本无法理解法律思考[53]。
[48] 参阅沈伟伟算法透明原则的迷思——算法规制理论的批判《环球法律评论》2019年第6期20-39页。因此我们也不妨说，法教义学的本质就是发明了现代社会规则之治的算法。因此，大数据对法律机制的合理运作以及司法判断也具有重要的意义[43]。日本政府的总务省信息通讯政策研究所通过系列研讨会在2016年10月起草了《人工智能开发指针方案（征求意见稿）》，在2017年 7月正式公布，标题改作《提供国际讨论的人工智能开发指针方案》。因此，计算法学在中国的一个重要目标应该是改进智能化法律推理的机制，其具体内容包括法律专业知识的整理和计算机语言表达、语义网络的构建、从各种数据发现概念之间关系并生成轻量本体的机器学习、训练数据的特征量设计、符号接地问题的解决等等。[29] 舒国滢《法学的知识谱系》（前引）691页。
因而司机和行人往往都倾向于采取高度谨慎的态度，这也或许正是中国民法公平责任原则的宗旨所在。特别是著名的哲人政治家和法学家西塞罗（Marcus T. Cicero, BC.106-BC.43）关于开题、演说、论题术的著作，不仅把亚里士多德的修辞学发扬光大，还把关于决疑和裁决的论题学也引进了法学领域。
西塞罗在《论共和国》（De republica, 3.22.33）以及《论开题》（De inventione, 2.53.161）中还对自然法给出了一个著名的斯多葛学派的定义，即真正的法是服从自然的正确理性[5]，因而法与宗教、真理同样铭刻在人们心中，但前提是必须在整理争点的基础上进行充分的论证以解决各种意见（价值）之间的冲突，同时还要通过案件分类的方法寻找实践理性和类推的依据。当时计算机可以通过推理和探索解决一些比较简单的技术性的特定问题，但却很难应对复杂的社会现实中层出不穷的法律现象，所以在人工智能第一波热潮退去之后，法律推理的计算机处理并无显著的起色。
因此，区别C和D以及W就是法律议论的第二步。在这里，人们是按照合法与非法的两项对立方式进行选择，制裁r 是通过公众Ω来进行的。
另外，作为价值判断的基础的原则、命题、共同意见也会体系化、形成某种具有一定客观性的结构，甚至可以被设计、塑造以及重构，因而也可以通过道义逻辑（deontic logic）以及霍菲尔德（Wesley N. Hohfeld, 1879-1918）式的八种相对概念（权利、义务、无权利、特权、权力、责任、无资格、豁免）的法律关系矩阵进行处理[37]。根据美国嘎特纳（Gartner）咨询公司市场分析师道格•莱尼（Doug Laney）在2001年给出的著名定义，所谓大数据，是以数量大、种类多、速度快为基本特征[42]。作为围绕价值判断的复合型话语博弈的法律议论，必然是一种对规范解释的预测以及对事实认知的预测，并且还有对上述两种预测的预测乃至预测的预测的预测等不断反馈过程。于是，对相关各方的激励机制变得相对化了，任何一方都很难采取显著占优的行为策略[23]。
然而计算法学与人工智能结合在一起，就不得不面对计算机在模仿人类思维和判断时常识储备残缺的框架问题（the frame problem, 人工智能的巨匠约翰•麦卡锡在1969年提出）和价值符号接地问题（the symbol grounding problem，认知科学家斯特万•哈纳德在1990年提出）。但在20世纪后期电子数据的海量生成和多样化，使得分析小型结构化数据的技术已经不能满足数据爆炸时代的需要。
二进制和计算器的发明者、十七世纪德国伟大的数学家、哲学家以及法学家戈特弗里德•莱布尼茨（Gottfried W. Leibniz, 1646-1716）乃视理性法律为近代科学产物的第一人，并且试图对《民法大全》以及法律学进行彻底的数学化改造和重构，使罗马法的所有内容都能够从极其简洁的基本原理中根据逻辑的传递方法推导出来。但从该书第三部（1860年代前期）开始，他进行了一个大回旋，强调概念取决于现实生活而不是相反，在法律判断之际经验比逻辑更重要[8]。
在耶林转变学术立场的这种思路上，后来又出现了以Ph.赫克（Philipp von Heck，1858-1943）为代表的利益法学派，认为法律是互相竞争的各种利益的产物，法学的意义就在于厘清各种利益之间的关系，根据生活需要找出解决具体案件的法律规范，并据此形成社会秩序。直到检索引擎的发明以及运用大数据进行机器学习的技术成熟，才使得包括法律专家系统在内的应用软件开发再度繁荣起来。
在一定意义上也可以说，运筹学的本质其实就是作为指令和标准的算法，尤其要把数据转变成算法。季卫东法律与概率——不确定的世界与决策风险《地方立法研究》第6卷第1期（2021年）1-17页。然后在这样的条件设定以及信息技术普及的背景下，笔者将具体论证计算法学拓展的四个专业维度，即1960年以来流行的基于案件数据资料的计量法律学（Jurimetrics）、1970年以来的法律推理计算机化（computerization of legal reasoning）、1980年以来的法律信息学（Legal Informatics）、1990年以来的互联网发展和网络空间法（cyberspace law）。为此，计算法学必须留意价值的数值化处理和加权比较，确立关于价值排序和价值函数的元算法或者结构性元规则（structural meta-rule）。
参阅王金祥法律信息学研究概述《法律文献信息与研究》1995年第2期1-3页、7页，雄明辉从法律计量学到法律信息学——法律人工智能70年（1949-2019）《自然辩证法通讯》2020年第6期1-9页。Cf. David R. Johnson and David G. Post, Law and Borders: The Rise of Law in Cyberspace, Stanford Law Review Vol.48 No. 5 (1996) pp.1367-1404. [46] 据佩德罗•多明戈斯《终极算法》（黄芳萍译，北京：中信出版集团，2017年）。
根据上述分析，图尔敏描绘了一个比较复杂的论证模型： 与上述论证模型相比较，图尔敏认为形式逻辑的论证模型实际上只采取了单一的概念区别，即前提与结论的区别，导致推理具有过分的雷同性，而无法正确地推敲实际的议论。在对规范解释的预测与对事实认知的预测这两个系列之间，还存在相互作用以及不断递进、无限选择的互动关系，导致追求无限多样化的长尾效应。
在这个过程中，既需要重视数据安全、隐私保护、算法公正、互惠共享等实质性价值，也需要重视对大型网络科技公司的反垄断、大数据中心的中立化、以技术制衡技术等结构性价值，并应该在规则约束、企业试错以及政府协调之间达成不同价值取向的最优化组合，或者设计某种基于程序主义价值的算法。例如关于交通事故的侵权责任，不同的制度设计导致利害关系的不同计算结果，会影响到相关各方的动机和行为方式，这意味着数学方法有可能对行为与结构进行塑形。
