(19)参见《中国人民政治协商会议共同纲领》，中共中央文献研究室编：《建国以来重要历史文献选编》第1册，北京：中央文献出版社，2011年，第4页。
[56] Lenel, Edictum perpetuum, 15, 72. [57] 与之相比，现代法学中的权利（droit）概念通常是指主观权利之意，一种积极的权利或者消极的权利。遗嘱继承（adire hereditatem）是极为典型的例子，继承人在获得对遗产的占有前，已经处于一种主观法律状态。
无形就是指无法触摸的物品，它们体现为某种权利（in jure）。显然，债也是指向两个人之间的客观事物，即法锁（vinculum juris）。[2]法国法学家们认为主观权利概念过于抽象，毫无价值，是刻意的人为创造，毫无用处，不切实际。[46] Wlassak, dans la R. E., v° Actio. [47] D., XLIII, 8, 2, 38 (Ulpien) : ? Habere eum dicimus, qui utitur et jure possessionis fruitur ?. 假如这个文本是真实的，其只能是指对无形物的占有状态。对于这个问题，有一些研究罗马法的学者认同上述结论，并认为古典时期罗马法从始至终都是稳定的法律体系，这一法律体系的影响是极为深远的。
因此，地役权应当被归类于法律关系中的物范畴。现代人在研究罗马法上的债时，下意识地以主观权利视角分析，由此引发了许多理解上的困难。也就是说，规范的效力就是在状况s中出现越轨行为ģ、或者ģ出现后进行制裁r的数量与状况s 出现的整个频度的比值。
需要指出的是，虽然价值判断具有主观性、反映着个人的选择偏好甚至特定意识形态的成见，但仔细推敲后可以发现：人们对价值进行评价的标准其实在相当程度上是可以客观化的。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。在这条思路的延长线上，有些心理学家（例如积极心理学之父塞利格曼）和经济学家（例如诺贝尔奖得主萨缪尔森）还在经验考察的基础上提示了幸福计算公式（Happiness Calculation Formula）。[39] 舒国滢《法学的知识谱系》（前引）1526页。
正是深度学习构成了目前这一轮人工智能热的主要驱动装置。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。
运筹学的主要认识框架是系统论（包括一般系统分析、系统工程、组织论、信息论、管理控制论），主要分析工具是定量方法（包括线性规划方法、动态规划方法、对列理论、马尔科夫链、网络分析、博弈理论、模拟）。后面这种法学经典构建的重大成果就是法学百科全书式的《学说汇纂》和法学入门统编教材式的《法学阶梯》。因此，V=e⁄s ，且 e=b+(c→r)。但是，只有在从被征服者希腊人那里汲取哲学和艺术的营养之后，罗马才形成了真正意义上的法学理论。
另一种是区别为论证而提出事实的目的，这种区别表明不同的言说也许都与某个要件事实相关，但关系样式各不相同——或者使某个推定得以正当化，或者使某个抗辩被推翻。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。杜宴林：法理学实验研究的兴起与中国法理学观念的更新《法制与社会发展》2020年第1期也做了详细的阐述和分析。在这里，通过信息通信技术，万物逐渐互联互通，并在数字全面覆盖和计算机进行数据处理的过程中生长出智能物联网（AIoT）[44]。
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。[29] 舒国滢《法学的知识谱系》（前引）691页。
这意味着法的基本价值判断应优先于逻辑推理或者说概念计算，以确保在具体场景中的法律议论可以摆脱无穷反复的语言游戏而顺利进行[54]。与此形成鲜明对照的是，斯蒂芬•图尔敏（Stephen Toulmin，1922-2009）试图从法律本身的思维方法、特别是可撤销性（defeasibility）概念出发，把议论样式内在的逻辑关系和正当性论证机制通过符号而图式化，建立起具有普遍意义的推理演算模型。
为此他提出了测量痛苦（恶）与快乐（善）的不同指标以及幸福计算程序（felicific calculus）的设计方案，把最大多数人的最大幸福作为立法的基本原理[11]。在这里，我们可以发现根据最简朴的、具有某些神秘色彩的问题组合术尝试人机对话以及构建专家系统的雏形。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。关于数据空间在法律秩序方面的特征，劳伦斯•莱斯格教授在《代码》（1999年）及其修改版（2006年）中做了开创性的考察[45]。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）。[10] 舒国滢《法学的知识谱系》（前引）611页。
信息（information）是指数据加特定状况下的评价，即在特定状况下提供给决策者的消息。#03 科学的回应：逻辑机器、组合算术以及法律数学 从基于论题目录和决疑术的概率计算，演变到以公理体系和形式逻辑为前提的概念计算，正是上述演变导致法教义学的盛行。
为此，法学必然对决策和执行机制设计提出中立、客观、公正的要求，必然尽量提高审判的可预测程度。又例如在1980年代，沃尔舒雷戈（Wollschläger）通过考察德国19世纪民事诉讼案件数变化来研究经济增长与民事诉讼类型之间的关系，开拓了计量法律史学（quantitative Rechtsgeschichte）这一新的专业领域[28]。
这种研究方向属于对法律问题的科学探究，重点是司法行为的定量分析，包括采取电子的和机器的手段对案件的数据资料以及相关的信息进行检索、统计、分析、评价并对判决进行预测，同时还把信息和沟通理论运用于法律表达，在法律系统运作中贯彻数学逻辑以及对可能的结果进行计算和建立公式[32]。这种立场在他的代表作《罗马法的精神》第一部和第二部里表现得非常明确。
实际上，现代统计学的创立者之一朗博•凯特勒（Lambert A. Quetelet, 1796-1874）在代表作《论人》（1835年）中就运用了当时刚开始发表的西欧各国的刑事司法数据，西摩恩•泊松（Simeon-Denis Poisson, 1781-1840）也是在分析法国刑事司法统计的基础数据之际发现著名的大数定律的[26]。但是，由于日耳曼部族和拜占庭王朝基于宗教、语言以及本土法律的抵制，罗马《民法大全》在颁布完毕之后就基本上被束之高阁乃至篡改，在一直到11世纪的漫长岁月里渐次湮没消逝。在过去很长一段时期，数据是通过统计、问卷调查、对照实验等严格控制的方式蒐集的高度结构化的样本数据，这也是法律实证研究或者经验法社会学的基础。这就是我们当下所处的大变局。
在管理学方面的发展，米兰•泽勒尼（Milan Zeleny）和鲁瑟尔•艾克夫（Russell L. Ackoff）有开拓之功。普赫塔认为法律家无论进行理论思考还是进行实务操作，都必须按照科学原理进行纯粹的逻辑演绎，并且认为法律规范应该屈从逻辑结构的概念，为此他建构了极具特色的金字塔式概念的谱系。
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。当双方都高度谨慎时，事故发生的概率大幅度降低，而行人承担的事故预期成本为2元。
鉴于人工智能治理与人工智能产业发展之间存在微妙的紧张关系，哈佛大学法学院桑斯坦（Cass R. Sunstein）教授曾经主张的助推（nudge）方法对于行为变化的数据空间乃至国家的治理都具有特别重要的意义[52]，这其实就是注重综合治理、因势利导以及渐进主义的中国感到驾轻就熟的一种秩序原理。另外，凯尔森（Hans Kelsen, 1881-1973）的纯粹法学体系虽然与概念法学有类似的层级结构，呈现出以根本规范为顶点的金字塔几何学形状，但他明确否定具体规范可以按照逻辑或数学原理从根本规范演绎出来的观点，因为特别法的制定行为是一种意志表达，而不是基于推理的思考[9]。
不言而喻，计量法律学构成计算法学的重要支柱。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]。[51] 参阅杨庆峰从人工智能难题反思AI伦理原则《哲学分析》2020年第2期137-150页，丁晓东论算法的法律规制《中国社会科学》2020年第12期138-159页，玛农•奥斯特芬《数据的边界：隐私与个人数据保护》（曹博译，上海：上海人民出版社，2020年），中国信息通信研究院、中国人工智能产业发展联盟《人工智能治理白皮书》（2020年9月）。图尔敏模型的问题切入点是形式逻辑关于大前提、小前提以及结论的简单化推理结构并不能适当而充分地反映法律实践。
实际上，DIKW模型的渊源是复数的，甚至可以追溯到英国诗人托马斯•艾略特在《岩石》第一段的句子。但是，在专家系统研发过程中，庞大而复杂的知识如何记叙和管理等问题的严重性逐渐明朗化，到1995年左右人工智能第二波又开始退潮。
（7）在推理和计算过程中贯彻以人为本的精神。无论如何，在博弈理论用于法律现象分析的场合，还有法律经济学的一些微观研究成果上，我们可以看到法律数学构想的演进及其不同的崭新版本。
智能（wisdom or intelligence）则是具有解决实际问题的能力、获得深刻理解的知识[41]。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。
