吴道霞，秦珍珍

（中国人民公安大学，北京 100038）

一、国外计算法学的发展及其评析

计算法学某种意义上源于计量法学，其后逐步经历了人工智能、信息科学等学科的渗入，并在实践中得以适用，后演化为一个法学独立研究分支。二十世纪五十年代，量化法学运动在美国兴起，Lee Loevinger首次对计量法学进行了定义，主张解决法律问题时融入量化思维[1]；后来Lucien创造性地提出两种模型，一种是自动检索模型，主要涉及对法律文献或案例的自动检索；另一种则是法官裁量模型；[2]二十世纪七十年代，Buchanan 模拟人的思维及行为过程，在已有规则和案例的基础上，建立智能法律推理模型，使得人工智能与法律推理得到进一步阐述；[3]二十世纪八十年代，计算法学逐步朝着实证化、计算化方向发展起来。

计算法学研究内容涉猎较广，难以界定出较为明确的范围，因此，一般其研究内容多采用列举式。学者Kevin Ashley 列举了涵摄人工智能与法学两个领域的研究，从语言学习、法律检索到法律推理、司法预测，包括法律语言的机器学习、法律检索模型以及基于规则和案例的法律推理、司法预测模型等一系列模型。[4]美国斯坦福大学 CODEX 中心主任Michael Genesereth将计算法律学视为在计算机理解法律规则的基础上，设计例如智能或计算合同等自动法律决策系统。[5]由上可知，Michael Genesereth主任对计算法律学的研究侧重点集中在了司法决策层面，如几位学者所言，其将法律信息检索、法律基础设施技术等与计算法学密切相关的内容排除在外。[2]79

国外法律实践中的许多领域都包含了法律大数据的应用。上世纪九十年代，欧美一些学者和研究人员展开了人工智能与法律领域的研究，并探索出了不朽的硕果。主要包括以下几个领域：一是在警务活动中。在美国，NORTHPOINTE公司设计出了一款COMPASS风险评估系统，其主要依据犯罪档案和访谈记录中的信息，进而对被告能否如期到庭、是否会再次犯罪等进行评估，并且该系统经过美国部分州立法院的实践验证，评估准确率在70%左右；二是在审判活动中。法官通过对利用这项技术收集的数据进行分析、评估，建立保释风险预测模型，评估影响犯罪嫌疑人到庭接受审判和再次犯罪的因素，将评估结果作为犯罪嫌疑人能否被保释的一个重要衡量标准。[6]此外，美国法院引入预测性编程技术适用在诉讼和案件审理过程中的收集整理证据环节，并推行可视化技术进行证据的展示以及案件的现场复原；英国将ODR（在线纠纷解决机制）应用于小额民事纠纷；法国适用Prédictice 软件辅助判案；[7]三是在律师事务所的相关事务中，法律大数据技术也逐渐引起了律师及当事人的关注。例如，律所及律师利用其进行律所管理、成本评估以及诉讼费用的评估预测；[8]四是法律大数据在学界中的研究，国外学者不仅关注了具体法律问题，对理论与方法问题也倾注了较大精力，[9]包括数据自身的公开性、可靠性，算法与生俱来的透明性问题和归责性问题，还有涉及数据歧视的相关问题。[6]643

通过对国外发展状况的梳理，我们可以看到国外（尤其在欧美发达国家）的法律大数据技术较为先进，无论从理论与方法探究还是实践应用中的具体问题，都展现了大数据时代的明显特征。而其走过的历程，无论是发现弊病之处还是创新发展之处 ，对我国法律大数据技术的研究都具有较大的借鉴意义。

二、我国计算法学的发展及其评析

我国计算法学亦源于计量法学，但起步晚于西方发达国家。何勤华教授是国内提出“计量法律学”的先驱，其认为计量法律学既不同于计量学，又不同于法学，而是介于其中的边缘学科，从法律制定到执行以及法律知识传授过程中，不仅应贯穿计算机信息手段，还应加入数量计算方法；[10]后经过屈茂辉教授等法学学者的研究，促进了计量法学的发展，其建议在对大样本数据进行收集的基础上，将定量研究用于呈现某种数量变化关系的特定法律现象中。[11]

通过梳理计算法学的发展历程可知，计算法学是时代发展的产物，其提出合乎现状，但当前计算法学在我国仍处于初步萌芽阶段，计算科学的发展速度远远超过学界对计算法学理论的研究，因此，加强法学与计算科学在思维、行为模式等方向的深度融合，寻求计算法学的发展方向变得刻不容缓。

1.计算法学的概念

第一次对计算法学概念的明确界定，源于《计算法学导论》一书，对比此前的计量法学，作者更加突出了“计算智能”在推进法学研究进程上的意义。[12]学界对计算法学的概念认定总体上可大致分为两种：一种是从学科角度出发，学者于晓虹认为，计算法学的实质是以问题为导向、以法律数据为轴心的“数据密集型科学”。[10]112学者张妮则认为计算法学是借用计算方法（例如建模、模拟、神经网络等），深入分析法律关系，旨在揭示法律系统的运行规律。[2]77另一种则从法学研究方法角度出发，将计算法学当作一种新的法学研究方法，学者邓矜婷、张建悦则是其中的典型代表，其文中提及的计算法学是指“将计算机科学技术运用与研究或解决法学问题的方法”。[13]

总之，当前学界对计算法学概念的界定尚未形成统一意见，但从学者们各自对计算法学定义来看，均包含“计算科学技术在法学领域应用”的成分，对于计算法学的研究路径及发展方向仍有较大的探索空间，目前所营造的仍然是一种开放性氛围，计算法学的科学界定仍需跟随学科体系的发展，进一步进行挖掘。

2.计算法学的内容

学界大部分学者当前在理论层面将计算法学作为一门新兴独立学科进行研究，但为何将其作为一门独立学科？研究计算法学具有何种意义？倘若要探讨计算法学的独立价值，我们需先明确计算法学的内容。

学者张妮与蒲亦飞在其文章中从理论和实践两个层面对其进行阐述，一种以模型为工具，对法学理论进行检验和改进；另一种是以现有立法与司法两个层面的实践状况为背景，利用深度学习、知识图谱等新技术为各层面创造模型，消减法律运行中的冲突与摩擦，此外，两位学者主张应将开放性原则贯穿于计算法学的研究内容中。[14]

学者于晓虹从研究对象、基本任务、性质等多方面揭示计算法学的多重属性与内涵特征，大概将其要点总结为：第一，计算法学的研究对象是法律事实，其基本任务是探求法律事实的真相，就其过程意义而言，是一个发现、认定和解释法律事实的探索努力；第二，可以将计算法学视为实证法学在新领域的延续和发展，发挥大数据为焦点的研究范式的指引作用，找寻法律制度的存在基础和发展方向；第三，将计算法学堪比为一项独立的司法探究技术，在“发现”与“证成”两种逻辑的博弈中，佐证计算法学存在的合理性；第四，将因果性的识别当作计算法学的关键性要素，使研究方法的因果性与作为法律归责的因果性作为推动法学知识进步的重要契机；最后，指明了计算法学所具有的现实意义与功能指向。[10]112-113

据此我们可以看出，有的学者从宏观上把握计算法学的研究内容，有的学者则从微观上对其进行罗列。笔者认为，一门独立的学科，不管其何时形成，发展状况如何，均有其形成的起因缘由及实践中的适用现状。研究内容不应狭隘地界定为这一学科本身所包含研究对象、研究目的、现实意义等内容，还应包含这一学科的形成背景，以及实践中应用状况及解决途径，因此，笔者更赞同从理论、实践两方面阐述计算法学的研究内容。

当前，我国以大数据、计算科学开展的法律实践活动尚未达到一定规模，但法律大数据的利用逐步呈现出百花齐放的态势，主要表现为在公权力领域、私权利领域以及其他领域的利用。

1.在公权力领域的利用

一是政务活动中，学者许珍与梁芷铭提出，应将大数据法律广泛应用于我国法治国家的建设以及治理能力的提升中，充分地准备数据，精准地分析法律数据，有效地推送数据，明确数据禁区，促使权力运行趋于理性。[15]学者段瑞春主张利用物联网、云计算等新一代信息技术，建设新型智慧城市。在政策中融合新一代信息技术的集成创新，建设信息化与城市化高度融合的高级城市，贯彻落实全面深化改革的要求，调整城市结构，引用信息技术将智慧城市改革与建设纳入法治轨道，保障其运行。[16]

二是公安活动中，学者范立华认为，大数据开启了警察教育的新时代，大数据环境下，应充分发挥大数据在警察教育组织形式、警察教学形式以及警察教育时空变革中的作用。[17]学者张双狮等人提出采用数据挖掘技术分析涉警舆情的产生、经过、发展全过程，评估风险，预测发展趋势以及时发出预警信号，建设一支专业化的舆情决策队伍，专家决策、智能决策齐头并进，发挥人工智能与大数据的牵引与支撑作用，不断提升警察的执法能力和服务水平。[18]除了警察教育模式的改革外，大数据技术在执法中也得到了应用，学者谭俊分析了大数据技术在警察执法中加以运用后的优势与存在的问题，进而提出了当前应对大数据技术挑战的法律规制办法，强调执法过程中确保正当性程序的实现以及合理性价值的追求。[19]

三是审判活动中，刘艳红教授将信息化时代以来我国对审判体系和审判能力进行的现代化建设划分为五个方面，分别为司法公开方面，打造了包括中国裁判文书网在内的四大平台，畅通公众获取司法信息的渠道；诉讼服务方面，设立了网上立案、调解、庭审、送达等一系列便捷诉讼的方案；案件审判方面，利用人工智能为法官提供自动化文书生成、量刑预测评估等全面辅助；判决执行方面与司法管理体系方面，实现对庭审视频的智能化分析，为司法管理提供便利。[20]

政务活动、公安活动以及审判活动是三个最具代表性的公权力领域内的活动，我们可以发现大数据对公权力的实施和监督均起到了不可替代的作用，“智慧政务”、“智慧公安”以及“智慧法院”等名称中均包含了大数据的内容，如何更好地运行这些智慧系统，实现权力配置的科学化，促进公权力的良性运行，似乎是我们接下来应该慎重思考的问题。

2.在私权利领域的利用

民法是典型的私法，众多民法权利属于私权利，主要涉及公民或法人、非法人组织等平等主体之间的人身权利和财产权利。例如，在保护个人信息和隐私权等人身权方面可以看到大数据技术的身影，主要应用在公民个人信息和隐私权的保护中，我国个人信息法律保护原本就处于一种“先天不足”的情境，面对大数据的冲击，更是显得“后天畸形”，对于个人信息保护专门立法，张新宝教授设立了建立在“两头强化、三方平衡”理论上的制度方案；[21]周汉华教授进一步倡导从源头上采取措施，即鼓励信息控制者主动保护个人信息安全，寻求多元互动的立法模式。[22]学者刘泽刚通过分析欧美信息隐私身份的法律定位，建议借鉴欧美模式中的优点，全面落实和提高对于信息隐私的身份定位和保护机制。[23]

综上可知，大数据在私权利领域的适用范围较窄，主要集中与公民个人信息和隐私权的保护中，这与我国在历史中长期存在的“义务本位”思想密切相关，对公民私权利的保护不足，而对公权力限制的另一面，则是对私权利的保护。因此，在推进大数据在公权力领域应用的同时，可以将相关的经验借鉴于私权利保护中，形成“以公带私”的良性局面，进而切实保障公民的私权不受侵犯。

3.在学科领域的利用

计算法学除了公权力及私权利领域内得以利用，在民商法学、刑法学、刑事诉讼法学等部门法中也得以适用。例如，在民商法学领域，早在2010年，屈茂辉教授率先以民法为起点，提出了计算法学的研究范畴，随后在其2012年发表的文章《民法实证研究中的计量方法》中否定了学界关于法律现象不可量化的观点，倡导从“质”和“量”两个方面研究法律现象，在对法律现象进行“量”的研究时，相对应的采用定量方法，基于此前研究，概括并补充了计量方法在民法研究中的应用，包括对民事立法、民事法律实施效果、知识图谱等内容的评价分析。[24]2015年，学者张妮和杨亘提出法学研究迫切需要引入定量研究的方法实现学科的精细化，尤其是民商法领域中时效规则适用的付款比例、试用期、罚金等需要细化的制度，而当前假设检验、回归分析等定量方法已适用于民法等诸多领域内对法律实施效果的评估。[25]

在刑法学领域，白建军教授曾按照其构想，创造性提出并编制了刑罚综合指数，依据刑罚综合指数的模型“刑罚综合指数=有期徒刑类型 +无期徒刑×46 +死刑 ×92 -拘役×0.25-管制 ×0.5 ”制作了中国《刑法》刑罚综合指数简表，将人们关于刑罚轻重的认识从理性思辨转入实证分析的操作化层面，对刑罚轻重作出了更直观的解释。[26]储槐植和何群两位教授提出了构建数量刑法学，通过对罪刑的科学分析，实现实质意义上的罪刑均衡，并在文中列举了大数据和人工智能在刑罚配置方面的应用，如结合数学模型，精确配置刑罚、精准量刑、用数学方法科学配置法定刑。[27]此外，学者王志云针对近些年来人工智能背景下兴起的数据安全犯罪，以《欧洲网络犯罪公约》为蓝本，提出了刑罚规制数据安全犯罪的思路，主张通过梳理数据、信息以及计算机系统三种体系及其法益的关系，找寻数据安全在刑法罪名中的合理位置并设立相应的数据犯罪罪名，进而细化和补充上述三种体系，使我国刑事立法体系更加完备。[28]

目前，计算信息技术与法学各部门的交叉融合，形成了计算刑法学、计算民法学、计算行政法学等更为精细的学科划分。如此，将更有利于各部门法理论与实践的并行前进，实现法学学科的整体发展。

三、计算法学研究的困境和发展路径

一门学科的研究，包括研究主体、研究对象、研究方法以及该学科理论在实践的应用研究等多个方面，计算法学作为计算机科学与法学的交叉学科，同样会从这些方面着手进行研究，而计算法学在我国方兴未艾，势必会在研究中出现多种问题，了解其中的不足，可以为我们未来的研究提供更多的方向和路径。因此，问题意识必不可少，我国计算法学的研究主要面临以下几个方便的困境：

1.研究主体面临的困境

通过阅读文献可知，大量关于计算法学的文章均由两位以上作者合作完成，而两位作者中除了法学方面的专家学者，另一方大多为计算科学方面或专研人工智能法学之类的专家学者，这在一定程度上反映了当前计算法学在研究主体上存在的问题，即缺乏既懂法学又懂计算机科学的复合型人才。左卫民教授曾在其文章《迈向大数据法律研究》中指出，以往法律研究更注重研究者个人的专业化程度和个体性，这种研究模式在小数据研究中适用，而面对当今的海量数据研究，往往需要不同研究者以及不同学科研究者的大规模协作；[9]149此外，学者张吉豫强调人才在时代挑战与机遇中的核心作用，指出要培养更多更好地回应时代需求的人才，开展交叉学科的应用与研究。[29]

据此，我们可知当前在计算法学的研究主体上就存在较大空缺，而计算机科学与法学完全属于不同类型的学科，一个属于自然科学，一个则属于人文科学，而我国当前的人才培养模式大多从高中阶段起采用文理分科的方式，而两类学科的思维方式存在较大差异，文理兼顾，且具有一定专业性的人才少之又少。因此，面对当今的时代发展，培养兼具计算机与法学思维的复合型人才成为趋势。

2.研究对象面临的困境

计算法学的核心要义是“法学”，有学者曾明确指出计算法学的研究对象是法律事实。笔者同意上述部分看法，但认为“法律数据”也应当作是计算法学中的研究对象，因为计算法学主要是通过对法律数据的分析，探寻法律事实背后的规律，法律数据问题是计算法学的核心问题。

法律数据当前面临的主要问题包括：一是理论界与实务界中对“大数据”和“大量数据”存在混淆，左卫民教授在其文章中概括了“大数据”的“4V”特征，即全样本、能够快速流转、多样化且富价值，指出“全样本”是其显著特征，但目前国内大部分法律大数据是基于部分、非完整的“大量数据”，难以达到“全样本”，容易导致一些实证研究的支撑证据不足；二是法律数据来源的全面性、真实性和客观性需进一步加强。[30]目前我国裁判文书网中公布的并非全部数据，且一些判决书中存在错误，公检法之间的数据难以实现共享和兼容，对于法律数据，达不到充分利用的效果；三是法律数据存在官方化和社会化的特征，半结构化和非结构化的多源异构数据较多，即向社会公开的法律数据以司法机关管理目标为导向，多基于政策考虑，结构化数据即数据经过“精细加工”，隐藏了数据发布者的价值偏好。[9]142-143

3.研究方法面临的困境

不谈基本方法与技术的研究，如空中楼阁，缺乏稳固的根基，而研究方法对于进入计算法学研究领域的初学者是最为有效的“铺路石”，指引其走向正确的方向，明确计算法学这一学科的基本要义。程金华教授在其文章《迈向科学的法律实证研究》中提出，近年来实证研究引起了法学界的热烈讨论，主要涉及质性经验和量化数据，讨论范围逐渐拓宽，认可度渐高，作者对当前不少学者指出法律实证研究中存在的问题并提出合理批评，作者表示其同意技术手段不及问题意识和创造性对于实证研究重要，但其更强调合理方法对于学术创造的意义，针对当前实证研究存在的问题，作者从研究选题、理论应用、量化数据以及统计操作四个方面进行了归纳。[31]学者钱宁峰则从研究数据问题的角度出发，指出当前处理技术较为初级，处理方式较为简单，使法律领域中大数据面临动态法律数据少、法律模型分析少以及法律行为数据少的问题。[32]

关于法律问题的研究以及法律数据的研究可谓是计算法学的一体两面，法律及法律数据缺乏科学的研究方法，就难以使计算法学中各要素、理论及经验实现良好的衔接，更谈不上融合发展。如何寻找研究计算法学的适当方法，亦是当前计算法学研究中面临的一大问题。

4.司法实践面临的困境

计算法学的发展以及大数据在司法实践中的应用，某种程度上改善了某些司法现象与问题，但另一方面司法领域也迎来了新的问题，学者张吉豫指出了中国司法面临的以下几点主要挑战：一是数据权利和个人信息保护仍有较大的探索空间；二是证据规则体系仍需完善，电子证据的现有适用规范不能满足当前需要，大数据分析结论能否作为司法证据亟待论证[29]53-55。该学者主要指出了数据权、个人信息保护以及证据规则三个方面的问题；而法律实务界杨君臣法官以及学者杨熹分析了人工智能在法院运行的现状，从人工智能自身、人工智能应用范围、人工智能依托数据以及司法人员与人工智能的互动上指出了当前人工智能在法院运行中存在的问题。[33]此外，还有学者指出了当前法学理论知识层面与技术层面存在脱节现象，使司法领域中引发了一种独特现象：一种实践、两套话语。[34]

如何使计算法学在实践中更好的运行，进而反向推动理论的研究，实现理论与实践的相互促进是我们当前应关注的又一问题。大数据背景下，面对当前司法实践中存在的数据权、个人信息保护、证据使用以及人工智能在法院中的运行等诸多问题，我们应找寻科学的解决办法，进一步防范理论与技术层面的脱节现象。

1.培养复合型研究人才

时代的变革呼唤复合型人才的培养，众多学者提出了此概念，并给出了相应的培养模式，寻找切合实际又能应对需求且切实可行的措施显得尤为重要。左卫民教授认为，应当注重团队合作。即各法学研究者应当具备合作意识，尤其是与计算机科学、统计学等相关学科的专家学者、科技公司的合作，以此来应对时代给法学研究带来的问题；[9]149王渊、吴双全两位学者在其文章《“互联网+”时代法学教育变革研究》更为详细地给出了变革方式，包括采用创新培养模式——法学和智能科技融合，即在法学研究和教学方法中，利用大数据、网络技术等新科技，使学生掌握检索、画图、知识管理方面的现代技术工具，且将数据法学加入课程学习，并且增设人工法学、网络法学等相应学科。[35]40学者姚万勤就“在法学教育中如何运用人工智能”的问题，以价值证成和模式建构为切入点，给出了自己的建议。首先，明确运用的前提，即攫取有价值的信息。以法学教育的特点为着重点收集相应的数据，把握本土数据，并结合域外数据，分学科收集数据；其次，作者提出了建立教学信息资源库作为应用大数据的保障。运用数据的产业链在我国并未形成，建议从政府财政支持、地方专项拨款这两方面进行相关工作的推进；最后，建立教学结果反馈机制对于教学质量的提升有很大帮助，应当将系统内和系统外的反馈机制相结合。[36]

上述学者们从培养模式、学科合作以及师资整合等方面给出了建议，综合型人才的培养需要教育模式的变革、教育方法的转变，从另一个角度讲，即需要时间成本的投入，但目前计算法学的发展速度较快，我们设计的培养模式能否适应当前的变化？似乎值得我们思考。笔者认为，在针对现在缺乏复合型人才的模式下，除本科可以开设相关计算法学课程外，研究生阶段，导师可以主动加强法学硕士与法律（非法学）硕士学生学术之间的合作，进行法学与其他学科知识的交叉传递，虽不是长久之计，但应对目前形势略有功效。

2.致力获取全样本数据，重视大量数据

当前，中国的法律大数据处于蓄势待发的阶段，裁判文书网的设立使得法律大数据初见端倪，目前发掘数据的法律价值，进行学术研究，而非一味追求完美的“全样本数据”似乎更符合研究现状。原因有二：一是数据具有以下特点，官方化、公开与不公开兼具，由于各国历史、政治、制度等各方面不同，各国公开程度也因此呈现不同现状，但他们有一个共性，即都不可能做到数据全公开，有所缺失的“大量数据”才是现实中的常态；二是经由科学筛选和整理的数据，往往可以由此及彼，推广使用到“全样本数据中”。对此，左卫民教授的观点是，法律数据的获取要尽可能的全面化、拓展其来源，重视并有效利用当下的大量数据，在研究公开案例时，可以缩小研究范围，限定研究对象，尽可能收集具有代表性的真实数据。[9]148白建军教授在其文章《大数据对法学研究的些许影响》中提出自己的观点，裁判文书网在技术上有待提高，但意义非凡，我们做大数据不能一味地强调全样本，而放弃大样本研究所带给我们的启示，当样本大到具有代表性和可推论性时，就近似于大数据。学界应审视的是，我们能否利用司法当局提供的现有条件做相应研究呢？[37]白教授以反问的方式一定意义上为学者们在未来的研究中指明了方向，即不要一味追求数据的“全面性”，要学会利用现有条件做相应研究。

3.改进计算法学研究方法

针对当前法律实证研究的问题，程金华教授曾提出建立开放的法律实证研究学术共同体，并在两年后取得了显著效果，后又站在一个“反思实证研究内部人”的视角，主张一方面继续扎实基本功，加大“学术论题共同体”和基本数据的创建；另一方面共同遵循“正当程序”，着力推进实证研究科学化，作者通过构建法律实证研究要素与路径示意图，向我们展示了法律实证研究中分别存在于理论世界和经验世界的两个论证循环，证实了实证研究中任一对要素均为重要一环，阐释了“正当程序”所包含的内容。[10]166针对法律数据处理方式问题，钱宁峰教授提出，首先要充分挖掘新闻媒体中的法律数据，熟练应用数据技术，把握动态法律数据的整合分析，关注法律问题的趋势和走向；其次要展开对法律社会的分析，不能局限于个案分析，将法律活动放在社会系统的视角观察，深入分析社会演变过程中法律的运行规律，进而观察不同社会群体对法律认知水平以及行为数据；再者通过分析法律参与者的法律数据，例如当事人对网络案件发表的看法，律师发表的法律实务情况，经过整合，更加准确地评估法律实践的发展，积极调整相关行为方向，进而开展法律预测。[32]49除针对已有问题的解决外，学者邓矜婷和张建悦提出了一种新的研究方法，即计算法学研究方法，作者主要通过对计算法学思维基本步骤的概括，具体阐释了这种方法，具体包括转化法学问题形式、选取适当计算方法、设计所需功能和编写对应程序四个步骤。[13]109-111

计算法学的发展促进了计算法学生态的形成，而构建良好的计算法学生态需要科学研究方法的指引。程金华教授针对当前法律实证研究中存在的问题，提出了中观和微观层面的技术批评和实践反思，旨在推进法律实证研究的科学化。笔者认为，实证研究作为当前法学通用的研究方法，必然有其它方法不可替代的优势，而计算法学的研究某种意义上是对实证研究方法的延伸，我们应重视程金华教授提出的实证研究问题，运用我们所熟悉的研究方法去探求一个新兴的学科，其难度远远低于一种新的研究方法，但这并不否认改进过程中会有新的研究方法替代原有的模式。

4.健全计算法学在司法实践中的应用

面对当前计算法学在司法实践中的运用问题，不少学者提出了完善对策，学者杨焘和杨君臣给出了四方面的建议：一是对人机功能的互补改进。人工智能建立在人的思维和经验基础之上，给人们带来了便利，只有将法官及专家经验与人工智能模型算法相结合，建立人机系统应对海量数据，才能充分发挥人工智能的功能。二是对人工智能的应用范围的技术拓展。目前人工智能仅能对语言进行初级的处理，因此需要加强技术开发，扩大人工智能在送达、阅卷、询问、答辩等司法领域的应用。三是对大数据信息的填补和办案系统的提升。数据的准确性和代表性决定了人工智能的智能程度，面对当前串案套改、数据冗余等问题，运用专家分析、数据挖掘等技术对数据进行科学分析显得必不可少，迫切需要建立可靠的算法模型，提高办案系统的精准化程度。四是对智慧法院的建设。有学者提出要解决大数据与人工智能在司法应用中的话语权冲突，推动技术知识和专业知识之间的融合，明确技术权力可渗入专业权力的边界范围，[33]57-58实现法官等司法人员与人工智能之间的良性互动。[34]144

综上可知，人工智能在司法领域的运行具有可行性，而实践中，多数司法及相关人员对计算机的了解较为粗浅，多数计算机业务人员的法律水平又较为浅显，两种领域内的专业人才无法互通，而司法领域智能化潮流势不可挡，因此，笔者认为我国司法实践活动中可以借鉴欧美相关的智能法律推理、司法预测等模型，同时采纳国内学者的意见，加强人机互补，构建一套完善的智能办案系统，进而提升我国司法实践的智能化水平。

结语

计算法学从无到有，从简至繁，取得了颇多不朽的研究成果，法律大数据对当前各领域的影响均较为深刻，不仅辅助公权力领域的政务活动、公安活动及审判活动高效化、便捷化，对推动私权利的保护以及学科研究也颇具效果。本文旨在梳理国内外对计算法学的研究进程，关注学界不同学者对于计算法学的发声，通过对相关文献的整合及评析，我们可以窥探出当前我国计算法学的研究主要在研究主体、研究对象、研究方法以及司法实践四方面面临困境，针对以上困境，提出了计算法学相对应的发展路径，期望计算法学领域今后可以进一步加强不同专业人才的融合，破除数据杂质，提高数据数量和质量，无论是研究方法还是司法实践中的应用，均可突破当前瓶颈，实现全面发展。