曾经用于将难以理解的机器语言组合成一连串可理解的步骤的流程图文档，在高级语言相当程度上实现理解机器语言功能后，自然变得过时且令人生厌，我从来没有看到过一个有经验的编程人员，在开始编写程序之前，会例行公事地绘制详细的流程图。
也正因此，已经有越来越多的法学学者参与到数字法学相关的研究和实践中来。一方面，数字领域往往面临技术创新、产业发展和私权保障、政策监管等多重诉求，难以避免在众多显见或潜在价值之间做出重大抉择。
一方面吸引了计算机科学的研发团队在法治领域的持续投入。通过解决这些问题，实际上是把一个相对困难的、无法直接解决的问题拆解并简化为一系列简单的问题，试图通过解决一系列简单的问题以求得复杂问题的解决思路。其二，学术队伍对研究范式更为包容和多元。数字产品作为新生事物，给既有法律秩序带来不同程度的挑战，导致侵权等一系列法律责任。四是人工智能法学，提出人工智能法学是由人工智能+法学交叉融合而成的独立新型学科。
比如在法律实践工程中的量刑预测任务始终得不到高精确度，新近的研究通过对输入的信息作更精细的处理，区分出定罪事实和量刑事实，从而提升了预测器的性能。同样，数字技术也非坐而论道，数字技术赋能法学研究提供了将法律业务难点转化为模型输出的解决问题新思路，进而提升了数字法学赋能社会治理的综合能力。进入专题： 国家治理 包容性秩序 。
但秩序不只是由法律构成的，除法律之外，还存在一些非正式的规范性秩序，这些秩序没有明确被规范阐明。国际社会总体上还是处于以国家实力为基础的规则治理状态，也不是完全遵守丛林法则的状态。这样建立起来的秩序是压抑人性、蔑视权利、维护特权的秩序，与现代自由、民主与法治视野下的秩序南辕北辙。他可以依赖着这个世界，而且正是在这个世界里，始料不及的、难以控制的、混乱的或其他危险的事情都不会发生。
在这个意义上，秩序的包容性特征就是说，秩序的可欲性在于它所包含的自由、平等、效率等其他价值。他提到，在乡村，人们没有享受到法治的好处，却先体验到了破坏礼治秩序的坏处。
秩序价值的独立性是相对于分歧（disagreements）而言的，一个社会存在各种分歧和冲突是正常现象，但是严重的分歧也会导致人与人之间的合作无法进行，从而引起社会的解体。契约自由也意味着对财产权的尊重，保护人们对财产权的稳定预期对于形成良好的市场秩序具有重大关系，其中，保护知识产权尤为关键，这是保持社会充满创新活力的支柱之一。法律和道德都具有规范社会行为、调节社会关系、维护社会秩序的作用，在国家治理中都有其地位和功能。习近平总书记深刻论证了推进全球治理体制变革的重要性，他指出：这不仅事关应对各种全球性挑战，而且事关给国际秩序和国际体系定规则、定方向。
国家的有效治理和长治久安首先需要建立并维持秩序，因此，秩序就成为人类生活的基本前提，从而也成为法律的首要价值之一。但是，价值之间不仅是相互冲突的，而且也可能是不可通约的。此外，它还可能包括公共生活秩序、意识形态秩序等等。在让·博丹那里，主权（souveraineté）概念就是为解决一国之内的秩序问题而产生的，一个分裂的社会不可能解决秩序问题。
如在应对气候变化、防范重大传染性疾病等全球性挑战方面，任何国家都不可能独善其身，也不可能垄断对这些事务的解决权，全球治理新秩序必须实现民主化。与活力相匹配，这种秩序是通过统一的规则而形成的，其目的是保护市场秩序能够更好地充满活力，这就是习近平总书记所指出的要维护公开、公平、公正的市场秩序。
这不仅因为自由是社会主义核心价值观的重要组成部分，是古往今来人们所追求的基本价值，而且因为其他很多价值是从自由的核心内涵中被推理出来的。（一）一种总体性的秩序概念 秩序是人类社会正常生活的基本需求，混乱和无序是令人难以忍受的，这种需求具有强大的心理和社会基础。
全文转载自公众号法制与社会发展。习近平总书记对此指出，法律与道德，历来是建立公序良俗、和谐稳定社会的两个保障。各种秩序多元共存，各有其适用的空间，盲目地用一种秩序取代另一种秩序，只会造成不利的后果。中国古代社会的秩序靠礼来维系，礼是维持社会秩序的规范，又被称为宗法秩序道德秩序等。另外，秩序所指向的领域也比较狭窄，基本局限于国内的基本社会生活甚或社会治安状况。也就是说，秩序中包含着诸价值的冲突与协调，秩序只是协调的结果状态。
在全球治理层面形成的包容性秩序，是由全球各国共商共建共享的，各国都是全球法治和全球治理体系的参与者、建设者和贡献者。这就提出了国际规则制定权的重要问题，国际规则应该由国际社会共同制定。
它们具有不同的性质，其规范来源也不同，分别来自执政党组织、国家政权机关、社会自身以及各种各样的社会组织机构等。因此，就像安全概念一样，包容性秩序也是一个总体性概念，它不局限于政治、经济、文化、社会、意识形态等某一个单独的领域，更不能等同于社会治安意义上的社会稳定
即使相同的法律条文，在具体适用的场合往往可能产生不同的理解，使用不同的法律解释方法也可能产生截然相反的结果。计算法学与法律大数据的到来从未叫嚣理论已死，而只是可能从根本上改变了我们理解世界的方式。
例如，王禄生开发了分段、分词检索工具，实现对303万份判决书的自然语义挖掘，形成了一系列的法律实证研究成果。从积极层面而言，使用机器学习方法对法律经验数据的分析，可以获得一种数据拟合性较高的回归分析结果，能够客观揭示复杂法律实践之间所蕴含的法律运行规律，从而改变了传统依据主观先验式经验，通过法律逻辑推理并且创造法学理论的传统法学知识生产方式。应用计算机技术实现对海量裁判文书中的数据提取、要素输出和准确率检查等就是计算法学的研究成果。刑罚中的刑期作为统计学意义上的连续变量，往往受到犯罪动机、犯罪手段以及认罪态度等因素的影响，前述量刑情节本身又属于统计学意义上的定性变量。
同时，为了弥补机器学习方法在因果推断领域的缺憾，归纳法律现象背后的内在规律与成因，还需要创新传统的实证研究方法，这主要是使用诸如随机实验、断点回归、双重差分、工具变量等方法，在实验室条件下或者随机田野试验的条件下不断探索法律规范、法律政策与法律实践之间的因果律。即便理论上使用强化学习的方法可应对没有历史数据输入的学习场景，但是此类学习方法还处于有多少人工，方有多少智能的尴尬局面。
另一方面，机器学习的法律计算难以充分把握、模拟人类的思维和意识。又如可以影响量刑的法官的价值取向，主观偏好、司法潜见等因素似乎也未充分公开。
利用梯度提升方法将法律数据进行迭代，在决策树的特定分叉中结合深度学习方法应用损失函数，减少偏差和方差来提升预测结果的精确性。作为法律实证研究的衍生和拓展，计算法学同样以法律实践的经验现象作为理论关切点，通过收集、整理、分析和应用数据，尝试使用统计学、机器学习的相关知识进行相关研究。
例如，审判委员会的决策可能对裁判结果产生实质性影响，但是此类信息往往又不会被裁判文书所完整记载。由硅元素组成的计算机能否如同由碳基组成的人类那般拥有意识，像人类那样思考？这一直是人工智能界与哲学界争议不休的话题。相比人类意识和人类大脑所具备的自监督学习机制，机器学习方法在法律的预测能力、学习效率、成本收益方面不尽如人意。近年来，计算法学逐渐成为法学界的高频热词。
人脑的计算量大约是每秒可执行1.5×1018次计算，现在一块GPU每秒可执行1013次计算，功耗约为250瓦。不过，这种学科定位与发展模式仅是科技与法律简单交叉的研究定位，可能导致计算法学与法律人工智能、司法人工智能的研究内容重叠。
即便是一种在原有方法上的部分创新也不应该直接否定或摒弃原有方法的知识贡献，否则极易陷入研究方法上的独断论错误。尤其是我国定罪量刑所依据的法律条文可能因法律语言的融合和变迁形成语言的复杂、多元性变化。
（一）计算法律的方法 计算法学的基本方式是什么？这是一个十分重要但尚未厘清的问题。当然，法官的司法决策过程涉及大前提（法律规则）、小前提（法律事实）和法律结果的三段论推理过程，此类决策推理是一种反事实推理的过程。
