计算思维在法律领域的功能与作用

刘东亮

西安交通大学 法学院，陕西 西安 710049

一、“计算思维”：计算法学皇冠上被忽视的“明珠”

工欲善其事，必先利其器。出于精确化研究的需要，不单是自然科学，社会科学也早在科技史学家Kuhn 正式提出“范式”（paradigm）理论之前，突破了传统的定性研究的框架，开始了向定量研究转型的探索，并由此促进了20世纪初即开始萌芽的学科融合与知识融通。20世纪以来，从1926年“计量经济学”（econometrics）的产生，到第二次世界大战后定量社会科学获得快速发展，再到2009 年“计算社会科学”（computational social science）作为一个学科群的诞生［1］，社会科学的方法论在尝试和摸索中不断演化与创新。

一向被认为态度“保守”而总是对社会新问题反应迟滞的法律界其实并没有自甘落后。从1949 年美国学者Loevinger 率先提出“法律计量学”（jurimetrics）的概念，倡导运用科学方法解决法律问题［2］，到1977 年瑞典法学家Seipel 出版专著《计算法学》（Computing Law：Perspectives on a New Legal Discipline），预言其将成为一门新兴法律学科［3］，再到近年来斯坦福大学成立CodeX研究中心、麻省理工学院推出线上连续出版物《MIT计算法学报告》（MIT Computational Law Report），对计算法学的研究已成为法学及相关学科关注的前沿问题。

与国外相比，我国法学界的研究也不逊色。早在1983年，龚祥瑞等［4］即对发达国家借助计算机技术对法律现象进行定量研究和系统分析的情况作了详细介绍，并呼吁我国尽快着手法律工作计算机化的研究和准备。其后，“数量法学”“计量法学”“计算法学”等概念陆续译介入我国，并有很多学者展开了深入研究。不过，我国学界对“数量法学”“计量法学”的研究基本上还停留在定量研究的范畴。尽管这种研究方法跳出了纯粹的价值判断和规范分析之樊笼，与传统定性研究相比在方法论上值得肯定，但“数量法学”“计量法学”的理论意义还不够突出。因为，即使不采用数量法学、计量法学的概念也不影响在实际工作中采取定量研究方法。例如，北京大学白建军教授虽未明确采用此类概念，但其对刑法问题的定量实证研究仍然为学界高度认可。研究计量法学的学者亦坦承，从法律现象的性质上来分析，并非所有的法律现象都具有数量变化关系，或者现有的物质和技术条件尚不能完全实现法律现象的数学化，因而计量法学的研究对象仅仅包括具有数量变化关系的法律现象［5］。简言之，“数量法学”“计量法学”在研究范围上仍有明显的局限性。

应该说，与早年的“数量法学”“计量法学”相比，近年来兴起的“计算法学”有很大进步。计算法学是计量法学进入大数据时代的产物，它典型地表征了法学研究在大数据时代呈现出的新发展、新路径与新范式［6］。但是，现有研究仍然主要将计算法学作为定量研究方法中一种处理数据的方法，认为计算法学目前的价值集中体现在让计算机自动提取、处理大量数据上。虽然也有学者指出，计算法学是“融入计算思维研究法律问题，利用计算方法开展法律大数据分析，以及结合计算技术研究法律科技的一门学科”［7］，“计算法学的核心思想是计算思维与法学思想的深度融合”［8］，但对什么是“计算思维”，如何利用计算思维解决法律问题，计算思维在法律领域究竟有何功能与作用，仍然语焉不详。无疑，这在一定程度上会影响计算法学的未来发展，使计算法学可能止步于过去“数量法学”“计量法学”仅仅关注定量研究的老路，沦落为法律领域纯粹从事数据挖掘和数据处理的技术，从而导致舍本逐末、“术”“道”失衡。易言之，如果丢弃了计算思维这颗现代科学皇冠上的“明珠”，计算法学的研究将是“入宝山而空回”。

二、计算思维的源流：理论由来及其核心特征

（一）计算思维理论的起源

“计算思维”原本是计算机科学上的一个概念。尽管在现实生活中的应用由来已久，但这个概念产生的历史并不长。2003年11月，曾担任美国计算机学会主席的Denning 撰文呼吁，计算机科学应当着力扭转外界长期以来仅将其视为编程（programming）的误解。Denning强调，事实上，计算机科学绝不限于算法设计、数据挖掘、软件工程等应用性技术，在编程等技术层之下，蕴藏着许多“伟大的计算原理”（the great principles of computing），这些原理提供了观察世界的窗口、发现新知的途径和解决问题的方法［9］。

在《伟大的计算原理》一文中，Denning 将计算原理划分为五个类别：计算（computation）、通信（communication）、协作（coordination）、自动化（automation）和记忆（recollection）。他指出，如果将不同学科领域存在的问题视为一个计算问题，从计算的角度揭开这些问题的神秘面纱，就有可能推动这些领域的发展，比如生命科学、化学、金融学甚至是法律，而计算原理正是推动这些发展的关键。Denning 的论述初步勾勒了包括计算思维在内的计算原理的基本框架和轮廓。

2006年3月，时任卡内基梅隆大学计算机科学系教授的周以真（Jeannette M.Wing）在《美国计算机学会通讯》上发表《计算思维》（Computational Thinking）一文，正式提出了“计算思维”的概念与理论。Wing［10］指出，计算思维是每个人都具有的一项基本技能，而不限于计算机科学家。的确，计算思维无人不有，无处不在：在生活中，对周围的几乎所有事物，例如食物、房子、金子、珠宝、画作、股票、服务，甚至是他人，我们都会赋予其一个价值（有时候直接贴上价格的标签）。为什么会这样？神经生物学家的回答是：基于生存需要和生存质量的考虑［11］42-44。著名未来学家Negroponte 也曾说：“计算不只和计算机有关，它决定着我们的生存。”［12］61哲学家Hobbes讲得更为形象：“推理就是计算，我们在无声的思维中加加减减。”［13］7中国成语中的“掐指一算”“神机妙算”等，实质上说的也都是计算思维。

Wing［10］指出，计算思维是运用计算机科学的基础概念进行问题求解、系统设计以及人类行为理解等涵盖计算机科学之广度的一系列思维活动。在解决某个特定问题时，我们会问：解决这个问题有多难？最好的解决办法是什么？为了有效解决问题，我们会进一步追问：一个近似解是否足够好？是否可以利用随机选择？是否允许容错性？计算思维将看似困难的问题通过还原、嵌入、转换或者模拟转化为一个我们知道如何解决的问题。

计算思维不仅仅是数学思维，而且还融合了工程思维。首先，计算机科学与数学思维密不可分，因为它与所有科学一样，其基础都依赖数学。其次，计算机科学也离不开工程思维，因为我们需要建立与现实世界相互作用的系统。底层计算设备（the underlying computing device）的约束条件迫使计算机科学家运用工程思维，而不仅仅是数学思维。计算思维是人类解决问题的方法，而非试图使人像计算机那样“思考”。计算机是沉闷、乏味的；人类是聪明、富有想象力的，是人类使计算机变得神奇。易言之，计算思维是要人们像计算机科学家一样思考。这种思维方法不止能够为计算机编程，它还需要多层次的抽象思维以及能实现问题解决方案的工程思维和程序思维等。因此，周以真呼吁，大学应该为新生开设一门“像计算机科学家一样思考的方法”（ways to think like a computer scientist）的课程，使非计算机专业的学生也能学习这门课，而不限于计算机专业的学生。此外，还应当让中小学生接触计算方法和模型，并激发公众对这一领域进行智力探索的兴趣，使计算思维成为人们的常识。

（二）计算思维的两个核心特征：“抽象”和“自动有效执行”

2008 年7 月，周以真在《英国皇家学会哲学汇刊》撰文《计算思维和关于计算的思维》［14］，对计算思维的内涵和本质作了进一步阐释。

周以真指出，计算思维的本质是抽象（abstraction）和自动化（automation）。在计算中，我们对观念的抽象超越了物理的时空维度。这里的抽象是高度普遍化（extremely general），其中，数字抽象只是一种特例。抽象不仅定义了计算对象，还为实施各种操作提供了条件。而自动化意味着由某种形式的计算机来解释抽象、处理信息。最典型的计算机是一台机器，即一种具有处理、存储信息并具有通信能力的物理装置。事实上，计算机可以是机器，也可以是人：人处理信息，人进行计算。易言之，计算思维的主体不必然是机器。当我们将人机组合作为一台计算机看待时，我们可以利用人和机器的联合处理能力。

2010年11月，周以真对计算思维又作了重新表述：“计算思维是明确表达（formulating）问题及其解决方案，并使解决方案以信息处理主体能够有效执行（be effectively carried out）的方式予以表达的思维过程。”①Jeannette M.Wing.Computational thinking：what and why［EB/OL］.［2021-08-07］.https：//www.cs.cmu.edu/～CompThink/resources/TheLinkWing.pdf.在这个定义中，她再次强调，对计算思维而言，最重要、最高层次的思维过程是抽象。抽象给予我们衡量、处理复杂性的能力。同时，将原来的“自动化”特征发展为“自动有效执行”（与Denning 原先概括的“自动化”相比，含义更加明确）。“自动有效执行”的主体，即信息处理主体，可以是人，也可以是机器，或者人机组合。周以真将“计算思维”称为人们在21 世纪必须具备的新的读写能力（the new literacy）。

（三）计算思维理论对实践的广泛影响

计算思维理论的提出，对科学界和教育界均产生了显著影响，并很快促成美国国家科学基金会（National Science Foundation，NSF）两个重大计划“振兴本科计算机教育的途径”（CISE pathways to revitalized undergraduate computing education，CPATH）和“网络赋能发现与创新”（cyber-enable discovery and innovation，CDI）的出台［15］2-3。前者于2007年启动，希望借助计算思维的培养扭转一度陷入萧条的美国计算机科学研究，从根本上改变美国大学计算机教育的现状。后者是2008 年启动的涉及所有学科的以计算思维为核心的国家重大科研计划，旨在将计算思维拓展到各个研究领域。NSF希望通过这两个计划，使人们在科学与工程领域及社会经济技术领域的思维范式发生根本性转变。NSF 确信，这种思维范式的转变可以为社会创造更多的财富，并最终提高人民的生活质量。

2011年，NSF启动了“21世纪的计算机教育”（the computing education for the 21st century，CE21）计划。该计划建立在2007 年CPATH 成功经验的基础上，目的是提高K-14（中小学和大学一、二年级）教师与学生的计算思维能力。2015 年12 月10 日，奥巴马签署“让每一个学生取得成功法案”（Every Student Succeeds Act，ESSA），将以培养计算思维为核心的计算机科学教育提高到与数学、英语同等重要的地位，并投入巨资在全美广泛推行。

计算思维理论同样引起了我国计算机科学界和政府的高度重视。2010 年7 月，九校联盟（C9）在西安交通大学举办了首届“九校联盟（C9）计算机基础课程研讨会”。会后发表的《九校联盟（C9）计算机基础教学发展战略联合声明》旗帜鲜明地把“计算思维能力”的培养列为计算机基础教育的核心任务。2012 年，教育部批准设立22 个以计算思维为切入点的大学计算机课程改革项目，明确要求大学计算机课程要像大学数学、大学物理一样，成为大学的基础课程。此后，计算思维能力的培养在我国中小学信息技术教育中开始全面推行。

三、计算思维在法律领域的功能与作用

计算思维正渗透到各个学科，并潜移默化地影响着社会实践。具体到法律领域，计算思维有着什么样的功能与作用呢？如前所述，计算思维是数学思维和工程思维等多种思维方法的融合，核心特征是“抽象”和“自动有效执行”。在法律领域，计算思维的功能体现为对待解法律问题进行恰当抽象，并使解决方案能够由执法主体（人、机器或者人机组合）通过恰当的程序自动得以执行。概言之，其功能是保障科学立法和有效执行。其具体作用则表现在立法和执法两个方面。

（一）计算思维在立法领域的作用

抽象是人脑具有的基础能力之一。在纷繁复杂的世界中，人类对事物的认识离不开抽象，即舍弃事物的非本质属性，将其本质属性抽取出来，这是简化问题、降低事物复杂度的有效途径。抽象因此成为计算思维的最重要特征。在立法过程中，也需要对复杂的规范对象进行简化和抽象。而抽象是分层次的，立法中的抽象层次是否恰当，既影响到立法的科学性，也影响着立法能否自动有效执行。

1.抽象的层次是否恰当影响立法的科学性

抽象的层次如何选择是抽象方法中非常重要但又比较难以掌握的技巧。一方面，从信息表达的能力角度来说，抽象层次越高，具体信息越少，概括能力就越强；抽象层次越低，具体信息越多，概括能力就越弱。但是，如果抽象层次过高，信息量过少，操作时又会产生新的困难（信息量不足而无法执行）。另一方面，我们所处的（抽象出来的）层次越低，越倾向于关注、纠缠更多的细枝末节，从而可能为信息的洪流所淹没。人脑对信息的处理能力是有限的，超过了一定限度，人就会失去对事物的理解能力①研究表明，1 秒钟内人脑只能处理约50 比特的信息量。参见西蒙《管理行为》，詹正茂译，机械工业出版社2016 年版，第215 页。。因此，在分析事物的过程中，选择恰当的抽象层次十分重要②抽象层次的选择主要与待解问题的复杂度相关。也就是说，对于简单的问题，可采用较低的抽象层次；反之，则应采用较高的抽象层次。参见谭云杰《大象：Thinking in UML》，中国水利水电出版社2012 年版，第475 页。。

有学者指出，根据中国传统的法律观念，正式的国家规范“宜粗不宜细”，这样就能为执法和司法的临机应变、酌情裁量留下必要的回旋空间，从而使决定和判断更切合实际情况［16］。这种“宜粗不宜细”的传统观念至今仍在影响着今天的立法，很多法律因太过抽象和笼统而无法实际执行。比如，屈茂辉等［17］研究发现，在土地征收补偿方面，我国没有制定统一的土地征收法或不动产征收法，《中华人民共和国土地管理法》对征收补偿标准的规定过于简单，主要是授权地方细化和明确具体补偿标准。因而，地方立法中的征收补偿条款对征收补偿标准起着直接决定作用。而地方立法文本关于征收补偿标准的规定具有很大的模糊性。在研究者搜索到的83 个地方立法中，能够直接作为依据计算具体补偿数额的立法文本只有11 个，占比为13.3%。地方立法文本中存在大量授权性立法规定，甚至是层层授权。还有很多立法文本直接回避了补偿标准问题，仅规定“按照有关规定执行”，即使是某些关于征收的专项立法对补偿标准的规定都是空白③2009 年以来，《中华人民共和国土地管理法》和《中华人民共和国土地管理法实施条例》几经修订，但情况并没有根本改观。。

进一步分析可以发现，除了传统观念的影响，“宜粗不宜细”的立法思路亦与改革开放之初特定的历史背景有关。“宜粗不宜细”是邓小平同志倡导的处理重大历史问题的态度和方法。其基本精神是：“评价人物和历史，要提倡全面的科学的观点，防止片面性和感情用事。对过去的事情做个基本的总结……这个总结宜粗不宜细。总结过去是为了引导大家团结一致向前看。”［18］291-292“宜粗不宜细”是实践证明行之有效的处理历史问题的正确态度和方法。但是，将其适用于面向未来的立法并不恰当。

在实践中，“宜粗不宜细”的负面作用非常突出。尤其是，受此立法思路的影响，立法机关对立法的抽象层次把握失衡，致使最高人民法院不得不进行“法律续造”，出台了大量司法解释。此种“法律续造”是否构成对立法权的“篡夺”值得商榷。即便如此，最高法院发布的司法解释也大多存在不具体、不明确、可操作性不强等问题。也就是说，司法解释仍需要进一步解释。而解释难免存在个人主观性，法官在解释过程中可能因文化、经历、认知水平等差异对客观的法律文本得出不同的解释结论，这无疑是不能容忍的法治之殇［19］。

从计算思维的视角来看，“宜粗不宜细”的立法观念缺乏科学性：立法需要恰当的抽象，而不是太过原则的抽象。抽象的层次既不能太低，又不能过高，太低会变成“个案立法”，过高则流于空泛和模糊。空泛和模糊的法律自然无法得到有效执行。正如“控制论之父”维纳所说：“有些想法很好，但就像老鼠想给猫挂上铃铛一般。无疑，对我们这些老鼠来说，给这个世界上所有掠夺性的猫都挂上铃铛是极为可喜的，但是，谁去挂呢？”［20］122

因而，在立法观念上，需要适时实行由粗放向细腻或者说抽象层次上“细粒度”的转变。不仅如此，在立法环节，立法者还要有“把事情做成”的工程思维，即通过程序机制实现法律的“自动有效执行”。

2.通过程序机制实现法律的“自动有效执行”

众所周知，我国的社会主义法律体系已经基本形成，但法律的实施效果与人们的期望还存在不小的差距，其重要原因之一是很多法律缺乏得以“自动有效执行”的机制，导致法律不能发挥实际的效用。

“徒法不足以自行”，法律当然不能自动执行自身。法律的执行离不开执法主体——人、机器或者人机组合的操作。无论由哪种主体来操作，法律都需要确保其“自动有效执行”的机制。这种机制，可以是法律程序，也可以是法律智能系统中的计算机程序。

其一，通过法律程序实现“自动有效执行”。自20世纪90 年代初季卫东教授发表《法律程序的意义》一文以来，中国学界对程序法的研究高潮迭起。但是，少有论者将其视为保障信息处理主体“自动有效执行”法律的一种机制。

维纳指出，在某种意义上，人脑就是一个控制和计算的装置［20］149。而法律程序好比是在执法主体的大脑这种计算装置中运行的软体。易言之，法律程序的运行可以被抽象地看作一个计算过程，输入特定的法律信息后就能输出相应的结论。虽然法律程序和计算机程序存在明显差异，但二者也有共同点，它们都是实现预定目标的一系列步骤，且都可以通过代码予以表达，即“程序的代码化”。网络法学界有一句名言：“代码即法律”（code is law）。实际上，这句话反过来也能成立。法律，特别是程序法规则，能够很方便地编译到代码中去。

马克思曾言：“程序是法律的生命形式，是法律内在生命的表现。”［21］178法律的实施离不开程序性规定。如果缺乏能使其“自动有效执行”的程序机制，法律就成为一纸空文。在一定程度上，确实可以说：“法即程序。”［22］也正是注意到程序与法律密不可分的关系，梅因爵士才声称，普通法是“从程序的缝隙中渗透出来的”［23］300。虽然人们常说古代中国“重实体、轻程序”，但实际上，历代王朝法典中的程序性内容和法典外的“则例”（政府各部门的职责、办事规程）叠床架屋、名目繁多，司法审判中的程序问题也都有相当严格的规定①关于南宋、清代县衙司法中的程序问题，参见刘馨珺《明镜高悬：南宋县衙的狱讼》，北京大学出版社2007 年版；那思陆《清代州县衙门审判制度》，中国政法大学出版社2006 年版。此外，故宫博物院编有“清代各部院则例”（56 种共66 册，故宫珍本丛刊，海南出版社2000 年版），有兴趣的读者可以参阅。感谢西安交通大学杜军强老师提供该研究线索。。

从整体而言，我国现行法律体系中的程序性要素仍然较为稀薄。以宪法为例，在实体方面，我国宪法与其他任何国家的宪法相比都不逊色，无论是公民基本权利的规定，还是国家机关之间的权力分工与制约，很多方面都有自己的特色。然而，人们的印象却一直是，宪法的实施效果还有提升空间。为什么存在这种情况？盖因宪法自身缺乏保障其“自动有效执行”的机制，即宪法中的程序性条款数量过少，规定粗疏，缺陷较多，以致直接影响到宪法的实施②参见吕尚敏《宪法中的程序和程序中的宪法》，浙江大学2000 年硕士学位论文。。很多重要的宪法性法律也存在同样的问题。例如，《中华人民共和国村民委员会组织法》第三条规定：“村民委员会的设立、撤销、范围调整，由乡、民族乡、镇的人民政府提出，经村民会议讨论同意，报县级人民政府批准。”然而，检视该法授权各省、自治区、直辖市制定的实施办法，基本上都是照抄这一条款，而没有明确规定批准的期限。这就使得该条款面临着一个类似计算机科学上的“停机问题”③通俗地说，停机问题就是判断一个程序能否在有限时间内结束运行的问题。程序若不能在有限时间内结束运行，就无法实现“停机”，就得不出需要的计算结果。，问题的解决遥遥无期。

因此，要确保法律得到有效执行，就必须全面补充、完善相关的程序性规定。而且，为了保证法律能由执法主体“自动有效执行”，即一旦法定条件与具体场景相匹配即可启动相应的法律程序，必须处理好法律用语的模糊性问题。虽然法律语言学的研究表明，模糊性和明确性都是法律语言的固有属性，法律语言无法实现彻底的去模糊化，但必须着力消除那些可能导致歧义和含混的模糊性用语。歧义和含混的语言常常会干扰清晰的思维。因而，明确定义——通过对常规意义的限制减少一个词项的模糊性，在构建可操作的法律条款时非常重要。易言之，应当尽可能地减少法律条文中本可以避免的不确定因素④我国很多行政法律中确立的“概括式罚款”实际上无法执行。例如，1987 年制定后经5 次修订的《中华人民共和国海关法》，在法律责任一章有10 个关于罚款的条款，但无一例外均为“可以并处罚款”“并处罚款”“可以处以罚款”等概括式规定。。即便对那些人们通常认为含义非常明确的数字（如“12月31日之前”），也必须采取能有效消除歧义的立法技术措施⑤例如，在1985 年的“美国诉洛克案”（United States v.Locke）中，联邦法律规定，土地权利人应当进行初始登记并每年进行更新登记。关于年度更新时间，法律规定，权利人应当在每年“12 月31 日之前”（prior to December 31）向州政府土地管理局提交年度更新登记申请，如果权利人未能满足这些要求，其不合要求的行为“应当不容置疑地被认为是权利所有人放弃了采矿权”。洛克家族向土地管理局提交了初始登记，以后也按照要求每年进行更新登记。但是，1980 年，他们在12 月31 日提交了年度更新申请——按照土地管理局的说法，迟了一天。由于登记申请迟延，政府通知洛克家族其权利被放弃，并随后宣布矿山被没收。这一案件后来上诉到联邦最高法院。参见United States v.Locke，471 U.S.84（1985）.。

其二，通过计算机程序实现“自动有效执行”。不难理解，法律也需要与时俱进，需要适应并跟上现代科技特别是人工智能技术的发展。要做到这一点，在立法时就应当考虑人机皆可处理的方式；对部分法律进行重新设计或改进时也必须牢记自动化。目前，各种法律智能系统主要借助知识表示与处理、大数据分析技术等发挥作用。这就要求立法应当尽可能体现为计算机易于处理的知识表示，或者尽可能体现为关于现实世界的可计算模型。易言之，立法应当易于转化为表达规范、关联性强的数据，为实现法律的代码化和法律工作的计算机化创造条件。

（二）计算思维在执法领域的作用

“无论一个问题多么复杂，如果能以正确的方法看待，它都会变得简单起来。”［24］17这里的“看待”，实际上就是计算思维中的“抽象”。例如，在“曹冲称象”的故事中，用小秤称大象，看似困难无解。然而，曹冲将这一问题抽象为：如何称出与一头大象的体重相同的一堆石头的重量？这一困难即迎刃而解。通过恰当抽象寻找等价关系，把复杂、难解的问题转化为一个容易解决的等价问题，是计算思维的重要体现［25］10。

类似的抽象方法亦可用来解决具体的法律问题。比如，2016 年的“八达岭老虎伤人案”曾经引起社会广泛关注，对于动物园是否需要承担老虎伤人后果的赔偿责任，似乎很难从法律规定上直接找到答案。但是，如果将该问题抽象为：对于损害的发生，哪一主体采取预防措施的成本最低？那么，不需要通过具体计算也可以知道，游客不贸然下车的成本最小（近似为0），而要求园方面面俱到地加强防护和安保，并时刻监督每一入园车辆和人员的成本则很高。两相比较，谁有过错，答案立可知晓。

可能会有人质疑，这岂不是使用经济分析方法？的确，此处使用的是经济分析方法，进一步说，是确定过失责任的“汉德公式”（Hand formula）的运用。熊秉元［26］49指出：“经济分析的精髓，在于其慧见而非技巧。”易言之，经济分析就是一种有效的抽象方法。“计算机之父”冯·诺伊曼曾言，按照我们的思维习惯和表达思维的习惯，如果想要表达任何真正复杂的情况而不依赖公式和数字，是极其困难的。但是，人类神经系统对精确度的要求并不高。人脑的语言并不是数学的语言，而是统计学的语言［27］71-77。按照现代认知科学的说法，人脑信息处理的主要类型是多元变量统计，大多数人在大多数时候对概率的估算都是主观的而不是分析性的［28］116。经济分析并不意味着必须进行精确的数学运算，而是对待解问题进行恰当的抽象处理，即熊秉元教授所称之“慧见”。

再如，在交通事故损害赔偿案件中，法官常常需要根据交通执法部门认定的“全责、主要责任、次要责任、同等责任、无责任”等五种情形之一确定具体的责任分担比例。其中，“全责、同等责任、无责任”比较容易处理，“主/次责任”则因其语义的模糊存在很大的不确定性。在解决这一问题时，可以根据责任双方涉及机动车、非机动车或者行人的情况，将责任比例抽象为一个模糊集合｛6∶4，7∶3，8∶2，9∶1｝，一个简单的四元素有限集，然后再根据具体案情选择某种责任分担比例并进行适当调整（综合考虑受伤程度、违法情节、车辆投保、当事人履行能力等因素）。这种过程性知识并不见诸任何成文法规范，在实践中却常常为法官所用。当然，大多数法官并没有明确意识到其运用的是计算思维中的模糊推理和模糊逻辑。这种推理方法，可以归结为“模糊逻辑之父”Zadeh提出的“软计算”（soft computing）［29］395-396。“软计算”实际上是计算思维的另一种表达，其本质即人类的心智。

除了上述两个具体的例子，各个部门法普遍存在的不确定法律概念，诸如“情节严重”“显失公平”“夜间”（《中华人民共和国行政强制法》禁止夜间采取强制执行措施）等问题，都可以尝试用这种“计算思维”的方法予以解决。

四、结语

必须承认，无论是“数量法学”“计量法学”还是“计算法学”，它们关注的定量研究都具有不可忽视的重要价值。特别是借助大数据分析，可以发现海量数据背后隐藏的人类肉眼无法企及的规律。事实上，早在大数据技术兴起之前，数学就已经将其触角深入到了法律领域。由于使用数学解释法律现象具有客观性，数学方法因而能够成为法律论证的重要方法。

不过，在实践中，法律的数量规定性往往被简单地理解为数额、数量，如刑期的长短、犯罪所得的多少、犯罪率、发案数等。其实，法律的量的一面，具有远比此更丰富的内涵。数学的本质是“化繁为简”，或者说数学的妙用是把复杂的问题变得简单［30］30-39。而在法律领域，数学的功能在于对待解问题进行恰当地抽象并考虑抽象后的操作和实现（即融合了工程思维的数学思维）。也就是说，我们决不能把数学方法狭隘地理解为加减乘除的数值运算，而必须上升到思维方法的转换和法学范式创新的层面。在复杂性问题越来越多的信息技术时代，法学研究不能满足于只考虑合法还是非法的二元编码，而必须要有“问题解决进路”（problem resolving approach）的思维方法［31］，此即“计算思维”。

如前所述，早在“计算思维”概念产生之前，人们已经在运用这种思维指导自身的行动，但那大多是一种自发状态，并非理论上的自觉。“没有革命的理论，就不会有革命的运动。”在计算已成为理论和实验之外科学研究的“第三条腿”的时代背景下，加强计算思维的研究与运用势在必行。目前，计算思维在社会科学研究中还处于初始阶段。观念的滞后、理论的零散、方向的模糊、多学科背景复合型人才的匮乏，都是制约计算社会科学发展的障碍［6］。而探索计算思维在法律领域的功能和作用，对长期习惯于规范分析和价值判断等传统研究方法的法律学人来说，更是一个新课题和新挑战。