盡管計算機已經走出實驗室進入日常生活，但律師卻很難發現有用的計算機應用程序。作為計算機科學的一個分支，人工智能研究開啟了我們使用計算機為人類思維過程建模的能力。該研究表明，計算機科學可能在律師的推理過程之實施和研究兩方面提供幫助。我們將在本文論證，通過律師和計算機科學家之間嚴肅的跨學科工作，探索計算機在法律領域之潛能的時代已經到來。
律師和計算機科學家之間的跨學科工作，在他們各自對另一學科的錯誤觀念中難以自拔。結果是，迄今沒有人嘗試將計算機程序與復雜的法律推理技術相結合。即便法律信息檢索方面的努力，也為這些錯誤觀念所阻礙。在檢索中，律師最多將計算機視為一個存儲器，精巧設計的索引系統可以從中檢索案例和成文法。另一方面，計算機科學家使用法律時，將法律當作事實和“正確”原則的集合；他們假定，如果計算機能夠快速檢索出正確答案，它對律師便很有幫助。但是，律師很少尋找乃至期望清晰的答案。更常見的是，律師搜索他的數據庫——論文、著作、成文法和其他材料，以便為追求一個或多個目標而建構法律上可被接受的論證。與之相仿，在計算機被視為信息存儲器的通常概念化中，計算機所具有的信息處理能力被忽視。人工智能工作已經十年多致力于為模仿人類思維模式的信息處理建立模型。到目前為止，法律檢索工作很少考慮計算機像律師那樣處理法律數據庫的可能性。然而，法律和計算機兩個領域的工作表明，法律推理的計算機建模是一個豐富的研究領域。在本文中，我們將展望該研究的維度和可能方向。在最具前景的結果下，交叉學科研究既能夠帶來對法律推理過程更好的理解，又能夠帶來對執行法律推理的機器方法之設計。
展望計算機為法律推理過程建模，很可能引發一種典型的律師式回應：即便我們能夠更好地理解法律推理和法律論證之形成，那又如何？創立模仿法律推理過程的程序之努力，至少應該有兩個好處：激起更多對法律問題之解決的系統研究；推進計算機之問題解決能力的知識。更多了解律師搜索和操控法律數據庫的方法，可能帶來律師工作技術的提升。我們意識到，很多律師工作實際上可能很少使用關于論證建構或者爭議解決的法律數據庫。然而，直到我們更為了解律師如何真正工作之前，我們相信我們的期望是合理而可接受的。
一、常規法律研究和計算機
從法律研究系統的幾個概念著手討論對下列理念非常有益：當前法律檢索系統如何在更加廣泛的法律推理系統中進行匹配，當前人工智能研究如何有益于執行法律研究的日常和創造性工作。
法律研究程序可以履行很多日常職責。至少，計算機應該能夠檢索成文法、案例語言、案例簡介和其他法律數據，回答關于該信息的問題，以自然（而非難懂的）方式與律師交流。自動信息儲存和檢索系統已經被開發出來，它能夠儲存數以百萬計的記錄并能以比人更徹底更快的方式進行搜索。金錢是開發這項計算機技術的限制性因素。不僅收集、法典化和儲存大量信息十分昂貴，運行能夠獲取所有信息的程序亦復如是。
一些法律檢索系統已經或者正在被開發。這些系統有兩個基本構成：一個數據庫和一個索引系統。通常，數據庫是成文法或者判例的全文，即主要法律淵源。設計這樣一個制度的精巧之處在于形成索引，而該索引提供檢索法律材料的方法。人們已經設計出幾種方法。在匹茲堡大學的Aspen系統，這個唯一商業化的可操作系統中，計算機制造了索引，它對法律淵源中的詞頻進行分類和計算。例如，州的成文法被讀入計算機存儲器。然后，除了最常用的詞之外，所有詞都進行頻率計數以編排存儲器中詞的索引。通過請求包含其所指定的一個或多個單詞的所有法定條款，搜索者可以訪問數據庫。
稍微復雜一點的是關聯-因素檢索系統，它試圖以詞匯在同一文本中的關聯表現和近似性為基礎，建立一個研究系統。詞匯以超越統計意義的某種固定水平，在同一文本中一起出現的，在邏輯上被推定為彼此關聯。因此，這種系統的用戶可以在某個指定級別，檢索對給定單詞以及與其相關的單詞的所有引用。例如，在特定文檔的0.75級（或更高）級別，與“汽車”相關的單詞包括“汽車”，“卡車”，“運輸”和“高速公路”，在這種情況下，對汽車感興趣的用戶可以參閱這些相關參考資料。有兩個實驗項目的指數建基于這一假設。
喬治·華盛頓大學開發的此類系統，進行了一系列比較和計算，以產生一種將任何一個術語與許多相關術語相關聯的索引。用戶對術語的指定首先產生一個相關術語的列表。然后，計算機使用主要術語和相關術語來定位文檔，并且通過使用先前確定的術語之間相關性比率的計算，為所生成的每個文檔分配相關性數值。
美國律師基金會與I.B.M公司合作開發了一個與此類似的系統。在該系統中，計算機分析詞匯一起出現的頻率。如果詞匯經常共同出現，并且具有某種一致的插入詞空間，則被推定為在邏輯上相關。根據此基本計算，計算機構造出一個每個單詞分配一個點的網格。該設計的期望是，一段網格將包含彼此緊密相關的單詞，并且機器因此將開發出詞庫。也就是說，每個單詞都存儲在詞庫，并與文本中和其邏輯相關的其他詞匯（相互）排在一起。然后，通過提出詞庫中的一個術語，用戶可以啟動文檔搜索。計算機在網格中搜索該單詞以及網格中與其接近的其他詞匯（或其組合），以產生提及任何這些相關術語的參考文獻。
這些過程幫助研究人員找到或許與搜索問題有某種可能關系的所有文檔。它們是機器制造的研究人員想象力的助手。計算文檔相關性的嘗試，可以輔助研究人員設計一個解讀輸出數據的策略。然而，這些系統無助于研究人員處理輸出以實現其預期目標這種更重要任務。
無論是簡單還是復雜，所有的法律檢索系統都是在對法律研究者的戰略進行共同假設的基礎上運行。首先，他們假設，通過界定主要的單一概念或概括，研究人員可以得到與他相關材料。換句話說，他可以挑選一組與他的研究目標相關的關鍵詞，這些將引導他得到所需的案例或法規。其次，他們假設，研究人員通過確定他能找到的提及指定概念的所有法規和案例來推進研究。他們傾向于遺漏律師可能使用的其他過濾因素。有些是顯而易見的，如案件的發生時間、管轄權、程序背景和關鍵事實。其他則不這么明顯，例如法院對問題的界定方式，給予司法通知的事項，遵循案例或辨異案例，以及許多其他事項。第三，他們都假設，計算機只能從其內存中抓取材料，而研究人員必須消化生成的內容以構建他的論證或建議。所有這些假設都值得懷疑。他們忽視了法律研究的目標和計算機的認知潛力。律師可以使用的不僅僅是常規幫助，計算機則可以提供之。
更復雜的程序將能夠“理解”并處理其文件中關于條目的一些（但不一定是全部）材料。它可以讀取存儲的條目以便為律師找到最佳材料，而不是僅僅找出使用他指定的任何或所有關鍵詞的條目。它可以知道，例如，班克斯（Banks，字面意思為銀行）法官不一定只審理涉及銀行機構的案件，或者，關于母公司不端行為的案件不涉及虐待兒童。對句子意義的理解，即一些語義知識，對于避免這種錯誤并為律師提供更多幫助很有必要。
對計算機而言，這種語義能力比關鍵詞搜索更困難。盡管在自然語言通信領域已經進行了大量的計算機研究，但是當前系統受到下列困難的限制，即給予計算機程序足夠的語義處理能力以理解英語句子。已經開發的程序都繞不開以下限制，在話語領域的限制或者相關事實和概念的數量之限制。例如，一個程序用于處理英語中的代數詞問題；另一個用英語句子工作，主要依靠對象之間的部分—整體關系；其他程序試圖關聯事實，以英語表達關于任何主題或系列的概念，但這些程序目前只能處理數量有限的事實和概念。在有限的英語子集中，一些現有程序可以與人類進行可觀的對話。例如，一個執行精神病學訪談基礎工作的程序已經被編寫出來。另一個程序可以就其被命令的有限主題對學生實施輔導課程，例如，狹義相對論或對一行詩歌的解釋。許多其他例子在最近的研究文章中得以引用。因此，對于研究系統所要求的更常規語言技能，至少對有限問題而言，計算機能力已經得到證明。
應用這些開拓性程序于法律研究這樣龐大而復雜的領域，確實會遭遇令人生畏的實際問題。此外，由于法律所涵蓋的主題、境況和概念等的范圍幾乎無限，因此對案例和法律的形式性編碼可能無法保留英語的豐富性、暗示性或豐富的含糊性。盡管如此，計算機科學正在自然語言交流方面取得進步，且其與法律問題解決之大范圍相關性非常清晰。
這些問題仍然與將計算機從高效圖書管理員升級到復雜信息處理器的問題不在一個層面。律師或任何其他希望計算機參與其某些任務的人，面臨著更加困難的問題。雖然可以比較容易去說，程序需要哪些常規技能并指向相關的計算機研究，但是說一個律師作為一名創造性研究員（至少不是精確的術語）所做的事情并不容易，而想象計算機的潛力則更為困難。即便如此，目前人工智能研究表明，這兩個問題值得進一步探討。
二、程序開發的一般問題
理解和編纂律師的決策過程是擬議研究的最大挑戰之一。除了可能到來的計算機程序之外，這項研究的一個回報是律師將進入他們自己的思維模式的洞察力。在計算機的其他領域已經實現了這種回報，科學家們從專家那里刺探出規則，然后將這些規則納入開發程序。像許多專家一樣，律師被期待回答有關其方法、經驗法則和決策規則的問題，并對問題的適當性提出質疑。在沒有任何理由推測他們如何進行工作的情況下，他們現在應用復雜的系列規則而不太了解規則本身。但是，除非律師自己能夠闡明他們的方法和思維過程，否則智能計算機系統輔助律師不可能實現。
在這些領域工作的計算機科學家對人類問題解決有兩個假設：（1）問題可以分解為一組子問題，（2）任何子問題的解決方案都需要一系列取決于決策規則的決策。如前所述，解決復雜問題的人通常無法闡明他們簡化問題的原則或解決子問題的決策規則。在計算機關于法律解決問題的研究開始之前，律師沒有必要完整地闡述他的程序。然而，他有必要相信，解決問題的方法可以被精確化。
在尋找律師使用的可編程規則時，可能會遇到很多問題。人工智能研究的經驗表明，這是創建任何智能計算機系統的巨大障礙。搜索個人在解決問題或構建論證時使用的規則之表述，必然會令人不舒服或不安。這是艱苦的工作，它經常使探索的主體重新考慮他持有這一套而不是那一套原則的根本原因。它甚至可能指出許多決策規則缺乏堅實的理性依據。
即使個別律師愿意嘗試這項工作，另一組問題也會妨礙創建計算機程序。不熟悉計算機編程語言嚴格要求的律師，會對他們想說的內容與計算機語言允許他們所言內容之間的差距感到沮喪。這種挫敗感在程序員中也很常見。其原因不在于對要被編程的規則內容之限制。相反，沮喪的原因通常是，規則的自然表述與編程語言中的形式陳述之間的差異。問題就在于，將規則表達出來，以便計算機可以使用它們。
人工智能領域眾所周知的另一個重要問題是，即使已經發現了某類問題的機器可讀表達，也無法保證它為計算機提供了處理所有此類問題的最佳方法。很多時候，解決復雜問題的成敗將取決于最初之正確表述問題。因此，只要律師能夠表述出他關于法律原則的優先順序和他的啟發式規則，搜索為律師使用的規則就不會結束。他還必須準備將這些陳述改為其他表達方式。或許，更加形式化的表述將方便編程；也許使用更一般的概念會擴大所能解決的法律問題之范圍；或者，或許在某些地方使用更具體的概念會使一些問題變得微不足道。無論如何，對法律推理系統的設計者來說，這是一個重要且困難的考量。
三、創造性法律研究的兩種模型
我們對法律研究策略的風格和結構知之甚少。雖然律師日復一日做法律研究并解決問題，但對這一程序的系統分析卻很少見。結果是，我們的法律研究過程模型并不完整且過于簡單。我們缺乏關于法律研究過程的可靠數據基礎，當然，也沒有嘗試詳盡描述法律思維過程。這里討論的兩個模型來自內省，并經過我們同事的測試。通過描述律師認知的部分任務，他們為審視律師潛在的思維過程提供了框架。
在第一個模型中，事實情況已經確定，某些事件已經發生，客戶想知道他的權利、補救措施和風險。在第二個模型中，客戶在尋求未來行動的指導，并且客戶可以在某種程度上控制事實或事件，以契合律師所評估的法律需求。對于這兩種模型，我們假設已經發現了問題：律師已經通過斷定他有稅務問題、代理問題、合同問題或其他問題，劃定他所關注的領域。他準備專注于一個法律領域。要達此目的涉及對法律和法律問題之范圍的復雜搜索。現有和擬議的法律檢索系統，為該搜索過程的一部分建立了模型，但正如我們所指出的那樣，目前他們忽略了其他部分。
A.模型I：根據客戶的利益解釋事實和法律
假設一位客戶卷入一場車禍，或者他在一定程度違反了合同關系，有人威脅要起訴他。該事件已經發生。首先，律師很少會直接尋求回答他的客戶有責任或不負責任。相反，他會尋求建立一個合理的論證，以便證明其客戶的行為是正當的。律師將試圖概括已經發生的事實情況，并選擇與法律相關的事實。他通過參考使某些事實相關而其他事情無關的法律規則或概念，來做到這一點。他查看事實并檢查他們與規則的潛在聯系，這可能帶來他所偏愛的結果并避免不喜歡的結果。因為他構建法律論證的方式（即概念與所欲法律結果之間的聯系），他可能從一個事實概念開始，但最終可能會強調其他事實。
精明的倡導者以某種方式將規則串聯在一起，以證成他所尋求的結果，同時以某種方式圈定事實之發生，使其所選擇的規則看起來最適用于這種情況。他的研究策略是確定規則鏈條，它既可以產生預期的結果，又可以合理圈定一系列事實以解釋發生在客戶身上的事情。
如果我們更具體地闡明一些律師對待事實情況（例如在合同案件中）所呈現問題的可能方法，那么這種模式可能為未經法律培訓的讀者澄清相關狀況。在Boston Ice Co. v.Potter案中，一家制冰公司起訴以便獲得它的賣冰價款，該價款是它已經交付給客戶的冰之購買價。兩年前，該客戶已將其業務從波士頓制冰公司轉為競爭對手公司。然后波士頓制冰公司購買了競爭對手的公司并恢復了對該客戶的交付，但沒有通知他這一變化。當客戶最終了解到供應商的身份時，他拒絕付款。
代表波士頓制冰公司的律師所持目標是，確保一個獲得賣冰之價款而針對客戶的判決。通過一個論證，他可能會試圖證明原告和被告已經相互簽約。事實表明，原告與被告之間沒有直接談判以達成明確的合同，因此他必須辯稱合同應該為這種情況所隱含。也許我們的律師會推斷，貨物的交付是一種要約，而他們的使用是承諾，然后搜索那些具有這種判決理由的案件。如果他發現了一些適合這種概括的案例，那么他就會想知道，交付或者貨物的性質中是否有任何東西將這些案例和他客戶的案子區別開來。例如，假設他發現一個案例判決理由認為，供水公司的供水構成要約而其使用構成接受要約，即使房屋的新居民從未與自來水公司溝通。可以通過各種理由來區別這種情況：水公司投資建立的管道網絡；需要通過一個封閉系統輸送水以確保水質；存在要求所有住宅都有自來水的州法；或者因為供水公司的壟斷使新居民無法選擇替代供應。我們的律師將不得不面對客戶情況一個令人不安的事實：被告先前已經與原告斷絕了交易并轉向與其競爭的冰屋。如果他知道誰在給他提供冰，他很可能終止交付。我們的律師可能會擔心，支持隱含要約和承諾原則的案件是不充分的，因為它們涵蓋的事實情況不包括這一要素。然后，他會尋找一些不那么受事實因素限制的案件。
他可能會發現一些案例，它們表明在某些條件下合同轉讓是有效的。他將在閱讀一些案例時習得，這種效力適用于涉及可替代商品的合同或在其履行中不涉及個人服務要素的合同。冰符合第一個條件，但這種情況很可能屬于個人服務之例外。被告是只接受冰，還是一并接受冰和某些個人服務？他之前終止與原告的安排，是否因為他覺得這項服務不滿意？問題表明，我們的律師需要重新與他的客戶面談，并可能接受被告的證詞，以決定他是否可以確定將其客戶置于這一系列案件中的事實。
我們的律師可能會尋求其他途徑，但這個考量足以說明模型I中強調的論證構建過程的要素：目標的具體化、最初的事實陳述、尋找提供帶來在這些事實的基礎上之所欲法律結果的規則的案例、對不同案例之事實和法律問題的評估與比較、根據規則測試給定事實、接受（拒絕或修改）規則，或由此產生的對額外事實的搜索。對于這些過程，律師不需要可能相關的所有案件；他只需要一個可靠的樣本，它可以說明以前的法院通常在類似的情況下如何推理和裁判。
B.模式II：推薦滿足客戶目標并避免不利后果的行動
在第二種模式中，律師不僅僅參與論證形成過程，而且還關注未來行為的風險評估。他首先確定了法律將制裁客戶擬采取的行動之典型情況。然后，他檢查法律和其客戶情況的潛在事實，看是否有任何理由為什么這些所欲的典型解決方案不可適用。如果他找到某種理由，他會嘗試重新構建現有的事實、對它們的法律概括和擬議行動，以提出更佳方案。他將繼續進行這種重構和測試，直到他找到現有事實、擬議行動及其法律后果的表述，以最大限度降低風險并最大化所尋求的目標。模型II與模型I的不同之處在于，事實在更大程度上可變，目標不僅僅是有利的法律結果，而是法律、商業和其他目標的組合。波士頓制冰公司的狀況將再次例證律師的方法。
假設冰公司在收購一家競爭對手的公司時，咨詢我們的律師，如果它只是繼續供應該被收購公司的客戶，它會冒什么風險。他對事實有一些控制權，因為他可以建議客戶可能采取的行動。這些行為將提高客戶的這種機會，即把其情況設定在法律規則之內以產生有利的法律后果，這就是，在此情況下，賬單得以及時支付并最小化通過訴訟以收取壞賬的必要性。例如，其客戶最安全的法律地位是與新客戶簽訂明確的合同。因此，他可以在開始交付之前向他們發出明確要約，并征求明確的承諾。但是這個過程包含一定風險。一些客戶可能會拒絕要約并轉向其他地方購買冰塊。另一方面，如果客戶僅發送一封宣布購買競爭對手業務的信件，他就會遇到這種風險，即法院可能會裁定這不足以為新客戶創設義務。我們的律師可能會提出其他建議，每個建議都有一定程度的法律風險，這些風險必須與業務風險相權衡。這種妥協可能并不明確。律師和客戶必須盡可能整合判斷。
律師如何推進工作？在合同的一般概念框架內工作，他可以預料到其客戶可能采取的行動。從法律數據庫中，他可以提取評論和案例，幫助預測法院對涉及每一組可能事實的案件會有什么反應。有些事實對客戶來說比其他事實更安全;律師將經歷這樣一個過程，即匹配當前事實和關于事實的概括，后一個事實存在于涉及客戶和潛在顧客訴訟方之想象事實集的案例和論文中；在過程之后，律師得以確定是否這種方案好的足以使顧客免于訴訟風險。他對不同優勢的評估將使他能夠按照法律風險對可能采取的行動進行粗略排序。在具有未付賬單和未決訴訟的情況下，整個流程與第一個模型不同，但涉及法律數據 - 事實、規則及其后果 - 操作的許多子流程都相類似。
四、律師的思維過程
現有的檢索系統僅對兩種模型所描述過程的外圍有幫助。他們檢索可能與所考慮的某些事實相關的案例和法規。在理念上，律師不會試圖從計算機中得到與法律概念相關的成文法條款和案例，這些成文法條款和案件在經過他梳理后，可以幫助他組建論證或設計新的搜索。他想要一個可以產生法律論證的系統，這是他研究的最終產品。
要開始設計這樣一個系統，我們必須更了解律師用來解決法律問題的思維過程。只有這樣，我們才能開始構建流程，以便計算機可以模仿它們。我們可以從模型中界定出律師的一些思維步驟。當然還有很多其他模型也能這么做。
首先，律師建立并追求一個目標。他為客戶尋求令人滿意的法律結果。這個過程有一些關鍵步驟。一個是他對事實如何用于某規則之關聯性的看法，該關聯性隨后又用于另一個規則或一系列與其目標相容（或不相容）的后果。另一個是他關于所顯示的法律結果與其目標是否相容的決定。因此，一組思維過程考慮建立目標，發現從事實到規則再到法律后果之間的聯系，以及衡量研究過程各階段一系列后果與既定目標之間的相容性。
在波士頓制冰公司訴訟案例中，律師有一個明確的目標：其客戶賣冰的價款。他連續測試了幾種事實之法律界定的適用性，這些事實包括明示合同、默示合同、有效轉讓。每個都涉及從事實到規則再到法律后果的聯系。以其客戶的案件與其他適用此規則并產生一定后果的案件之間的相符性為基礎，他接受或者拒絕一個具體的聯系。在這個過程中，他不可避免地會閱讀一些案例，這些案例雖然基于類似的事實，但卻適用了產生了不良后果的規則。他通過區別事實以便拒絕這些規則。
其次，存在事實識別和表征的過程。事實提示一些可能適用的規則；規則和適用它們的案例表明某些事實的相關性和重要性。人們所尋求的規則將影響關于哪些事實相關的決定。處理這些相互關系是在法律問題解決中識別關聯事實的一個方面。
法律研究的關涉使用其他案例及其規則作為客戶案件之爭論基礎。法官或律師沒有記錄案件的事實統一的方式。事實可能是A汽車和B汽車碰撞等事件；事實也可能是關系，比如C是A車里的乘客。此外，在一個案件中通過的事實可能會成為另一個案件中的法律糾紛問題。例如，在波士頓制冰公司案中，事先終止合同被視為事實; 在另一個問題上，這可能是問題的關鍵所在。除了語言通常的含混性之外，人們經常會發現，事件和關系的法律特征被視為手頭案件的事實。兩個案件可能涉及相同的事件，但在其中一個案件中，法院描述了事件，而在另一個案件中，法院用法律結論對該事件進行了總結。敏銳的律師將認識到兩案事實之間的異同。
律師履職的第三個過程是規則選擇。即確定哪一個規則適用于某種事實情況。一種簡化的法律推理模型描繪了一系列由法律規則界定的事實，特定法律后果隨之而來。在概念中，法律規則是如果—那么的表述：如果有事實A1 ... An，那么有法律后果B1 ... Bn。然而，在實踐中，可被適用的規則很少這么齊整地出現。在波士頓制冰公司案中，對當事人過去行為的描述可用于支持兩種不同規則的應用，從而產生相反的法律結論；也就是說，沒有明示合同或存在有效的合同轉讓。法律問題解決者通常以某種方式區別可適用于相同行為和事件的兩個規則。因此，他有一些解決規則沖突的方法。其所選擇的區別形式與他的目標有關，與他對各種事實賦予的相對重要性有關，也與從他某些事實中得出的推論有關，而這些事實以其對額外事實的了解為基礎。實際上，他發現或構建了另一條規則來解決規則沖突。
第四個過程考慮類比。律師通常更傾向于根據與他所處理的案件有相似事實的案件來塑造論據。如果找不到這樣的案件，他會尋求發現具有與其案件事實類似的案例以形成論證。發現類比的一種方法是通過概括法律規則。雖然在一個案例中，規則適用于一組特定的事實，但法院陳述該規則的語言可以演繹性地允許其適用于不同的事實。該規則可以使用能夠包含各種事件、行為或關系的詞匯。例如，在我們的波士頓制冰公司例子中，律師審查了供水的情況是否適用于冰的交付。此外，通過概括事實情況也可以發現類比。
五、當前的計算機工作
和法律思維過程
我們分別出來的四個法律問題解決過程如下：（1）在目標追求中發現概念聯系，（2）識別事實，（3）解決規則沖突，（4）找到類比。人工智能和認知過程模擬領域的一些計算機科學研究，直接承擔法律研究的這些創造性方面。我們將簡要回顧其中一些發展，并提請注意對法律研究的可能應用。我們將詳細討論一個名為“啟發式DENDRAL”的特定程序，以說明當前程序的現有能力。通過這個例子，我們希望說明人工智能方法的現有能力和局限性。
啟發式DENDRAL程序的任務是，在復雜的科學領域中，從實驗數據歸納推理出解釋性假設。數據是由質譜儀內的有機化學分子片段產生的分析數據。該程序尋求的解釋是產生數據的原始化合物的模型。該程序應用一般原則，試圖將事實（數據）與假設聯系起來，這種假設可以澄清事實，或說明為什么事實應該可被預期。鑒于事實與結論關系的一般原則，該程序試圖從事實推理出最合理的結論。
正如大多數關于歸納的論文所指出的，解決這個問題的一般方法有三個步驟：分析事實、構建合理的假設以及評估（驗證、確證）假設。因此，解釋數據的初始問題分解為三個子問題。反過來，其中每一個問題都只是一組子問題。在最低級別上，子問題非常直接，以致可稱為結論。
與幾乎所有非數字問題解決程序一樣，啟發式DENDRAL的成功在于，它能夠界定所有可能的解決方案，并有效地進行完全搜索以獲得最佳解決方案。這項任務的一個重要部分是，充分小心地構建搜索計劃以減小搜索空間的大小，并且正確解決方案仍然包含在空間中。雖然這種生成和測試策略有很多變化，但其對其他人工智能程序的成果表明，它可能是一種有用的法律適用方法。
與化學一樣，法律問題之可能解決方案不計其數，有些解決方案勝于其他。啟發式DENDRAL程序，通過制造越來越大的化學分子，以探索可能的解釋空間，并每次都檢查合理性。如果可以設計一些類似方法系統探索法律論證的空間，那么，選擇最佳解決方案的問題可以被化約為，確定替代性路徑是否可能帶來合理的解決方案。化學程序所構建的計劃指向總空間的一小部分，即最有可能包含最佳解決方案的那部分。所計劃的程序可能會查看法律問題的數據，以建議對搜索空間予以限制。解決方案的空間之相關限制最初由律師確定，這種限制指向問題的類別，這就是我們所謂的問題界定。啟發式DENDRAL正在做律師于下列情形下做的事情，當律師以種屬方式界定他的問題，并構建一個合理的（或可能適用的）規則清單時，該程序通過另一組思維過程，仔細檢查以前案例適用的規則以及客戶案件中的事實。
（一）所追求的目標
啟發式DENDRAL程序的目標是找到關于給定經驗數據的解釋。與許多法律問題一樣，這個目標只是隱含地被界定。該程序利用其對解決方案屬性的了解，從給定數據通向最終解決方案。例如，DENDRAL解決方案必須是一個與分析數據一致的有機分子模型。解決方案還必須解釋許多（或大多數）突出的數據點。該程序試圖通過從給定數據到目標的推理，以達到其隱含定義的目標。當對程序而言，以下狀況顯而易見，即解決方案空間中的路徑無法通向目標（即不會帶來滿足解決方案標準的分子模型）時，則放棄該路徑將。通常，必須遍歷幾個備用路徑，每個都止于候選解決方案。在這種情況下，采用可接受的事后措施確定最好的候選人是哪個。表現出隱含界定目標最多屬性的候選者被確定為問題的最佳解決方案。
“一般問題解決者”是由紐維爾、肖和西蒙編寫的一個廣為人知的計算機程序，其目標一開始就十分明確。預計該程序將找到一種從問題的前提到規定目標的推理。例如，給定一組真值函數邏輯的公理和一個待證明的定理，該程序試圖找到一系列將公理轉化為定理的規則應用。這個程序旨在解決“如何使用給定的方法從這里到達那里？”這種形式的謎題。
律師以類似的方式，提取一系列事實，并試圖將法律規則或概念應用于這些事實，以便為其客戶爭取有利的結果。匹配上述模型I的問題，似乎也可以通過一般問題解決者程序的目標尋求策略來解決。從理論上講，至少，人們可以設想一個法律問題解決者，它包含法律規則、規則適用于給定事實情況之測試方法以及衡量通向目標之進展的方法。在有人設定一組事實和所有結果之后，問題解決者會將這些事實（或它們的子集）與存儲規則適用于的情況進行比較，適用適當的規則，并將法律后果與律師的目標進行比較。然后，它可以逐步建立一個帶來所欲結果的論證。
有一個計算機程序在投資組合選擇的背景下編寫，它解決了模型II下的問題。該程序的任務是選擇一個幫助客戶實現其投資目標的投資組合。在這里，就像在法律背景下一樣，問題是建議客戶可以采取的行動以助其實現目標。該項目處理有關經濟、行業和公司的信息，以生成可接受的證券清單。基本上，該計劃適用一般規則過濾一組可能的投資; 然后，它將與投資者利益相關的一些特定規則，應用于這組投資，最終為客戶產生平衡的投資組合。可以想象，同樣的過程可能適用于模型II的法律問題，在那里，律師試圖通過法律途徑，最小化不利法律后果，實現客戶的目標。
不可否認，它需要大幅度的改進才能將啟發式DENDRAL、投資信托官員的模擬或一般問題解決者程序，轉換為可以處理法律復雜性的程序。然而，即使為了實驗的目的，這種復雜性受到人為降低；下列做法可能是有用的，即將某個旨在處理法律問題的目標追尋程序中的某些變量與律師用來解決同一問題的過程進行比較。該比較或許能帶來我們法律研究模型之完善。
（二）識別事實
無現有程序表明計算機可以成功識別和重新解釋事實陳述，這是復雜的法律程序應該具有的四個法律問題解決過程之第二個，但這是至少可以想象的一個。在科學工作和法律方面，發現和界定事實的能力是人類解決問題的一個重要而困難的因素。計算機工作已經開始; 但還有許多工作要做。
事實識別是啟發式DENDRAL程序的第一步。在給定實驗數據的情況下，該程序與任何科學家一樣，必須將“真實”數據點與虛假數據區分開來。它將錯誤的數據和無信息的數據，與解決問題的重要事實分開。該程序還可以理論推斷和實際出現的數據為根據，添加本“應該”在原始集合中的數據。在此處，以及整個程序中，決策都是基于專家使用的決策規則。它們通常以理論為基礎，但通常也包括啟發式。
有了更多的理論（或更多的風險），該程序可以消除它認為對問題無用的數據點，即使它們通過了正當性的一般測試。此時有用的規則將以與虛假規則大致相同的方式，在程序中得以應用。雖然該程序可以在后期階段節省一些時間，因為要分析的事實較少，但是為了達到最佳解決方案所需的小額節省和排除數據的更高風險，似乎都使得程序不想要這種過濾。因此，在尋找與問題相關的“真實”事實時，啟發式DENDRAL程序不會盡其所能消除盡可能多的數據點。但是，丟棄無用事實的機制已經存在，理論上可用它縮小數據庫到可控大小。
對事實和事實情況進行分類也是創造性法律研究的重要組成部分。亨特和霍夫蘭德共同編寫的概念形成程序，提出了一種為一組給定對象設計分類規則的方法。該程序模擬了一個關于學習的心理學實驗，在那里，向一個人展示一系列被描述為A與非A的對象，并且他被要求設計一個解釋分類的規則。該程序有三個運作階段。排序例程記錄了某類成員的共同特征。描述例程界定該類別每個成員可能具有的特征之間的共同關系。最后，解決方案例程嘗試將這些共同關系的連接和分離作為分類規則。因此，概念形成問題被分解為不同的子問題。
意識到事實情況的共性和差異，形成聯結共性并區分差異的概念，這是法律論證形成過程的重要組成部分。當律師比較那些處理相同概念但卻有不同結果的案例時，就會發生這一過程。例如，當研究發掘出一系列涉及共同過失的案件時，下列事項變得很重要，即編制一個論證，將法院裁定存在共同過失的事實情況聯系在一起。同時，它有助于發現在法院判決為無共同過失案件中的共同因素。隨著亨特和霍夫蘭德所使用例程的擴展，人們可以想像一個未來的計算機程序，它會查看大量案例及其法律結論，以確定將事實與結論聯系起來的事實情況中的共同要素。
（三）解決規則的沖突
在啟發式程序中，通常會發現規則之間的沖突，以及出自規則的決定之間的沖突。啟發式程序必須具有一些處理沖突決策的機制，因為許多（如果不是全部）裁判規則既非邏輯上完整也不是內在一致。發現決策所依據原則之間的沖突也是法律推理的一個重要方面。不幸的是，很少有關于此問題的計算機科學研究。
目前大多數遭遇這個問題的程序，包括啟發式DENDRAL，通過一個簡單技巧，避免沖突。他們將其決定建基于適用于給定情況的第一規則或“最強”規則。或者，如果程序可以容忍模糊性，則應用所有規則，稍后決定接受哪些后果。例如，當啟發式DENDRAL查詢其規則表以制定計劃時，將應用每個相關規則。由于這個原因，該程序通常制定相互沖突的計劃，并探索所有這些計劃。程序解決這種模糊性的一種方法，是構建每個類別的模型，并嘗試通過檢驗每個計劃特定情境的預測結果，來減少沖突。解決沖突的第二種方法是查看其他實驗數據（如果可得），并對其應用其他規則。
最近編寫的允許計算機學習繪制撲克的程序，使用的策略是，僅采用第一規則，該規則是適用于某種情況的最強規則。但是，當該程序處于學習模式時（當它好好學打牌的時候），它有能力識別其規則之間的沖突，并能夠重新排序或修改規則，以便表中的第一個相關規則是正確適用的規則。在學習中，它根據經驗建立了一套優秀撲克游戲的歸納推理，無論是否有專家（人或機器）的建議。當程序發現它剛剛得出的歸納推理與現有規則發生沖突時，它會通過削弱或加強規則來解決沖突。諸如，可以看到規則的例外情況，可以通過將規則包含在更廣泛的規則下，來歸納推理規則，并且可以使過于籠統的規則變得更具體。例如，如果現有規則告訴程序，賭三張同樣的牌，但是它上一手的經驗表明，三個二不值得高賭注，那么它將修改其三張同樣牌的規則以排除三個二。這里有直接的方法來識別規則沖突并消除它們。這些方法是否可以適用于復雜的法律情況是一個懸而未決的問題。試圖將這些方法擴展到法律問題解決領域，可能會產生一些有趣的信息，這就涉及律師和法官真正解決規則沖突的方式。
（四）發現和使用類比
法律推理程序需要以計算機研究為基礎的第四個領域，是尋找和使用類比。在這里，現有的計算機工作也處于相對簡化和正式的領域。法律中的類比推理需要豐富的英語語言，需要在存儲器中編排大量的法律規則和事實情境。
尋找和使用類比的計算機工作相當稀少，部分原因是問題的規模。用以解決常見智力測試問題的一個重要程序已經被編寫出來，該問題是：選擇一個幾何圖形，它和一個給定圖形所呈現的關系，恰如其他兩個給定圖形的關系。它找到了一對圖形，一個已經給定，一個來自一組可能的答案，這對圖形之間的關系與一對給定的圖形相互之間的關系相同。該程序內置了關于幾何圖形屬性和圖形之間關系的知識。它在這些概念中搜索相類似物。這是智商測試或入學考試的標準問題，并且其被選擇也部分基于此原因，因為它經常被用于區分問題解決者聰明與否。
將來給啟發式DENDRAL添加類比推理，至少需要兩個步驟。首先，它應該能夠使用被存儲的類比來解決新問題，這些類比由程序員提供。其次，該程序應該被賦予為自己找到類比的能力。
在任何領域發現類比都比僅僅使用它們困難得多。假定給計算機一個新問題和幾個老問題的解決方案。它應該能夠假設一些類比，并將已知解決方案的類似物應用于新問題。與幾何程序一樣，該程序需要一些有限的概念集合，它可在其中搜索類比。
一個法律推理程序受限于類比，而類比則具有相似的預先規定維度，這具有過多的人為痕跡。事實情況或原則之間許多高明的法律類比都是基于人們可能不會想到置入計算機系統的關系。然而，即使是一系列平凡的關系，使用與幾何類比程序使用幾何關系同樣的方式，可以大力進一步推動程序的推理能力。
六、結論
我們已經描述了一些律師和計算機科學家所做的事情，并推測兩者之間可能存在的關系。人工智能可能會在這個方面為法律做出貢獻。發現這種關系是否富有成效的唯一方法，就是認真探索。
現在宣稱計算機將被用作法律推理過程中的輔助工具，或者甚至應該用它們，還為時過早。甚至很難想象，就我們所提議研究的意義達成共識。當然，在處于一個極端的律師，已經抹殺了計算機，視之為浪費時間和金錢，而在另一個極端的律師，則非常相信計算機的潛力，以至于感受到，計算機未來對其工作的侵犯所帶來的威脅。在這些極端之間還有許多立場，有些立場比其他更合理。這種系統能夠被發展到僅僅死于忽視；它只能在學術界的回廊中存活下來；它可能成為或多或少部分律師的偶然工具；可以想象，它可以在法律實踐中變成一個主要影響因素。
這項研究可能使法律和律師在我們社會中的角色發生重大變化或某些變化，或者不發生變化。通過去除作為優質法律服務基礎的繁重工作，計算機系統可以為更大的社會群體提供良好的服務。隨著對所倡導的立場有更廣泛的理解，律師關于其角色的概念可能會改變。或者計算機系統可能以非常狹窄和受限制的方式運作，以至于它會錯過普通律師現在容易想到的許多可能性。律師可能過分依賴受限制的，因而有些無能的系統，導致法律服務質量下降。由于學徒的工作已被機器所取代，因此該系統可能難以為復雜的任務培訓律師，因為復雜的任務需要通過多年的學徒期以開發出老練的判斷。或者系統可能獲得非常廣泛地使用，并提供非常穩定和有用的信息，那么普通人可能成為他們自己的律師。許多爭議可能不再需要法律代理。
在法院和律師都使用相同系統的情況下，法律可能會實現新的穩定性。這種穩定性可能會幫助，也可能會阻礙，法律的整體發展及其調整社會內部沖突和服務于其他目標的能力。調整法律使之適應計算機操作，可能會產生這種要求，即，使法律擺脫模糊性，將法律轉變為邏輯上一致和完整的系統，為所有案件提供明確而不含糊的答案。
控制系統及其程序可能會被賦予一種重要的權力，以致于立法之爭將從立法機構的委員會轉移到程序員的辦公室。這個系統可能是如此昂貴，以致于即使是最富裕的社會也負擔不起，或者它可能會節省大量的法律勞動，沒有社會不需要它。由于其成本，該系統可能僅供富人使用，并將幫助他們增加財富。該系統的成功可能會消除對律師的大部分需求；它的失敗可能證明它們對社會的價值，或者研究可能表明，即使系統被開發出來，它也無助于律師或律師現有和潛在的客戶。
正如許多人所為，有可能推測出無窮無盡的烏托邦和恐怖。任何此時對這些結果的選擇都只能基于偏見、希望、恐懼以及與此類似的東西。克服這項研究的心理、經濟和技術障礙，并非一項簡單的任務。
我們調研了一些計算機程序，它們處理非法律問題的方式正如律師處理自己的法律問題。根據這一證據，我們認為，探索計算機在法律推理中的潛在應用是值得的。在人工智能和認知模擬研究過程中開發出來的程序顯示出一種潛力，即以計算機處理與法律問題解決者所用相類似的過程。這些程序與構成律師問題解決裝置一部分的過程一起工作，或者至少看起來沒有利用對該裝置更系統的研究。試圖擴展或應用程序來模擬法律問題解決者，至少應該具有以下好處：它應該促進對法律問題解決之更系統研究，并且推進關于計算機解決問題能力的知識。
簡而言之，計算機科學的研究進展可以增強我們對律師工作和思考過程的理解。到目前為止，律師尚未嘗試探討其相關性。其實他們應該這么做。