霍菲尔德发表了两篇同名论文《司法推理中应用的基本法律概念》，提出了八个基本法律概念，建立起了权利分析理论

　　霍菲尔德发表了两篇同名论文《司法推理中应用的基本法律概念》，提出了八个基本法律概念，建立起了权利分析理论。这一理论推动了冯·赖特道义逻辑的发展。无论是霍菲尔德权利分析理论还是道义逻辑，均对人工智能司法的发展起到促进效果，是实现法律语言转化为机器语言的一个重要路径。人工智能司法有赖于符号化的语言，以建立计算机领域的系统规则。霍菲尔德所提出的法律概念和法律关系被称为所有法律概念和关系的“最小公分母”，这些基本法律概念存在着一定的逻辑关系，满足了法律迈向人工智能所需的符号化、逻辑化的条件。并且，在整个法律人工智能的建模过程中，秉承修正的法律形式主义，作为一种形式逻辑，道义逻辑可以作为人工智能司法推理的工具，构成一个前后融贯的人工智能司法推理逻辑框架，为符号主义人工智能司法与联结主义人工智能司法的融合提供了一条路径。

　　在社会的法治化进程中，人类正在逐步迈向人工智能司法的时代。人工智能不仅成为司法智能化建设中的技术支撑，而且还被赋予提升司法审判体系与审判能力现代化建设的技术力量。承继司法智能化的建设逻辑，现代化司法裁判依托人工智能技术促进诉讼流程管理、庭审公开、审判执行。2022年12月，最高人民法院发布《关于规范和加强人工智能司法应用的意见》，明确了人民法院应用人工智能技术的指导思想、总体目标、基本原则、应用范围、系统建设和综合保障等相关要求，进一步推动人工智能同司法工作深度融合，全面深化智慧法院建设。当前，“人工智能＋司法”的尝试已在我国司法系统深入推进，江苏、上海、河北、贵州等地法院已经开始应用一批智能化辅助办案系统。这些人工智能辅助系统不仅可以将诉讼信息转化为电子数据，实现纸质卷宗电子化，同时，也可以从海量裁判数据中提取类似的情节与要素，进行关联案件的定罪和量刑预判。此外，还通过模型的推送，分析司法裁判过程，识别、评估法律案件，对于数据量大且案情简单的司法案件，人工智能司法发挥的作用非常明显。人工智能融入司法改革的任务是提升司法裁判的效率，目前主要适用于繁简案件分流、民事速裁、案件金额计算等司法场景的智能化运用。

　　在人工智能的起源与发展中，逻辑学是动力；而在未来，逻辑学仍然是人工智能发展的引擎。人工智能司法的产生，也离不开逻辑学的运用。人工智能司法的建构，并未改变传统的司法裁判过程，仍然根植于法律推理和法律论证理论。但是人工智能更多有赖于技术性逻辑推理，这与以追求公平公正为价值取向的法律逻辑推理之间存在一定的鸿沟，首要问题便是如何将法律语言转化为人工智能语言？如何缓和技术逻辑和法律逻辑之间的紧张关系？面对这些问题，霍菲尔德权利分析理论与道义逻辑可能在某些视角可以给予启示。因此本文经由对霍菲尔德权利分析理论与道义逻辑进行解构并探讨两者的相互关系，在此基础上尝试论证两者对人工智能司法的助益之处，思考两者在人工智能司法中应用的局限，并探讨相应的破解之道。

　　1913年，霍菲尔德（Wesley N. Hohfeld）教授在两篇同名论文《司法推理中应用的基本法律概念》中提出的基本法律概念存在相反关系和关联关系，这系列概念及其相互关系形成了霍菲尔德的权利分析理论。在《理解霍菲尔德的法律权利分析理论：霍菲尔德的概念及其附条件性的推论》一文中，作者Réka Markovich从形式上分析霍菲尔德权利和义务系统的运行，旨在阐述这些权利、义务实际上是什么以及如何对它们进行综合分析。霍菲尔德的权利分析理论可以用以下两个矩阵（矩阵1和矩阵2）来展现，以便更好地呈现基本法律概念及其相关的关系。霍菲尔德将这些概念称为所有法律关系的“最小公分母”，所有的法律概念都是这八大基本法律概念的分化，其他的概念即使再复杂，也仅为这些概念的组合。霍菲尔德的理论将法律关系的要素大大扩充，并形成了一个体系。体系并非任意的，体系的组成部分存在内在的关联，具体的法律概念和法律规则由此形成一个大的统一体。

　　按照霍菲尔德的权利分析理论，所有的法律现象都是八个基本法律概念的组合和演绎的结果。矩阵1中的四个基本法律概念表达了法律对行为事实进行调整的四种基本逻辑运行规律，是对法律动态一面的揭示；而矩阵2中的四个基本法律概念则表达了法律的四种基本运行结果，即四种基本法律关系效果，是对法律静态一面的揭示。对现实中存在的各种法律问题和现象，只有将它们化约为上述基本的概念组合，我们才能对之进行正确地解释和把握。此外，通过这八个基本法律概念的提炼，我们可以把握法律内在的逻辑运行规律和作用机理，从而为各部门法理论体系的构建提供了精确的思维框架。在这八个基本法律概念中，人们在利用权利（right）这一概念时，总是将特权（privilege）、权力（power）、豁免（immunity）也包含进来，因此需要阐释严格意义上的权利（right）。为此霍菲尔德在英文中找了claim（主张和请求权的意思）来说明严格意义上的right（权利）。请求权（Claim）以及与其相对应的义务之间的逻辑关系是霍菲尔德整个理论体系的核心，“请求权”是最接近权利的核心语义，没有“请求权”，任何权利都等于没有了“硬牙齿”，即便受到了侵害，也难以得到救济。

　　霍菲尔德并没有给出（广义）义务的四个细分概念的定义，而是转向运用逻辑的方法，从基本概念的逻辑关系的角度去解释这些概念。逻辑方法着眼于概念（命题）之间的必然性关系，有助于克服语言学方法的局限，使基本法律概念理论从偶然的经验总结升华为必然的逻辑推导。因此，在这些基本法律概念中，对任何一个术语进行逻辑分析都将有助于对其余术语进行分析。譬如，霍菲尔德认为，“right”只有通过与其相关的概念或术语即“duty”才能获得阐释。又如，disability和immunity是power和liability的对立面，如果X对Ydisability，那么X对Y个人nopower，也就是说，X不能作出任何影响Y法律关系的行为。同样地，如果Y对X享有immunity，则Y对X no liability。X不能采取任何行动来影响Y的法律关系。不同之处在于，disability强调X的无行为能力，而immunity强调保护Y的法律关系不受改变，至少不受X的行为造成的改变的影响。

　　霍菲尔德教授阐释上述“权利”“义务”“特权”“权力”“豁免”等重要的法律术语及其相互关系，发展了一个被认为是道义逻辑的系统。这一体系早于冯·赖特在该领域的发展，甚至早于20世纪20年代至30年代道义逻辑的早期工作。但是，现代道义逻辑的正式诞生还是归功于波兰哲学家冯·赖特（Georg Hendrik von Wright）。

　　道义逻辑是现代模态逻辑的一个重要分支，是逻辑学家把伦理概念予以逻辑分析而开辟的推理新领域。道义逻辑研究关于“规范”的推理与论证，表达伦理“规范”的“强制”（obligatory）、“允许”（permitted）、“禁止”（forbidden）等概念，表现的只是对于人的祈使和命令，但其中包含着奇妙的逻辑关系。因此道义逻辑也被称为规范逻辑与义务逻辑。简而言之，正如冯·赖特的《道义逻辑》中说的，道义逻辑系统研究的是关于行为（和行为的执行功能）的义务、允许、禁止和其他道义特征的命题（和命题的真值功能）。

　　道义逻辑更多表现为一种形式上逻辑。冯·赖特在被视为标志现代道义逻辑创始的论文《道义逻辑》中，将他提出的理论称作“道义模态的形式逻辑”，该逻辑理论不涉及人们哪些伦理行为或法律规范是允许的，哪些则是禁止的等具体道义准则问题。它主要涉及人们社会伦理规范的形式准则问题。冯·赖特的道义逻辑将行动逻辑作为道义逻辑的基础，表现出了动态性。因此，行动语句使道义逻辑的研究进入动态化。在《道义逻辑》中，冯·赖特论证了道义模态的基本形式逻辑：

　　第一，回答了被宣称为义务的、允许的、禁止的那些事物是什么？冯·赖特将这些事物称为“行为”（acts）。这是道义逻辑的研究起点，也是道义逻辑必须初步解决的问题。冯·赖特进一步阐释了此“行为”一词的性质，并且用类似于命题逻辑中真值函项定义关于行为的实施函项，从而解决规范命题没有真值的问题。

　　第三人工智能期末论文，将行为和符合语言相结合，组成一个命题。如以A命名的行为被允许的命题用PA来表达；以A命名的行为被禁止的命题用~（PA）来表达；以A命名的行为是一种义务性的命题用~（P~A）来表达，并且可更简短地表达为OA。

　　第四，设定一种技术标准来决定其所研究的命题在逻辑上是否为真。如果一个行为的道义价值唯一地依赖另一个行为的道义价值，那么这个行为就被称为其他行为的道义价值，并非任何一个行为是某些其他行为的履行功能就代表着也是他们的道义功能。其在文中举了一个例子，根据A&B都被履行的事实，可以得出A&B都被履行的结论；但A&B都被允许的事实，可以得出A&B都被允许的结论，因为A和B可能都是被允许的，但是实施其中任何一个都可能使我们无法实施另一个，譬如A可以自由地答应或不答应给B某样东西，也可以自由地给他或不给他这东西，但A不能答应给他但（实际）不给他。

　　综上，道义逻辑是一种以行动逻辑为基础的动态逻辑，是刻画规范推理的形式结构及有效推理模式的理论。该理论通过规定相对于理想的情形下，行为主体应当做什么、允许做什么、禁止做什么确立相应的规范，以指引、约束、评价行为主体在现实情形中的行为选择。

　　冯·赖特的道义逻辑仍然存在某些难以推演之处。例如，其认为一个行为和它的相反行为都是被禁止的，这在逻辑上是不能成立的。假设A是一个行为名称，这个行为本身和它的否定都是被禁止的，在符号中表示为~（PA）&~（P~A）。其认为在存在形式逻辑中，一个行为和它的否定都是无效的，这是不可能的。这一论断是错误的，他将道义模态与真理模态、认知模态进行简单的类比推理，这是错误的根源。他将行为和相反行为视为命题和相反命题，将行为之间的相反关系，演绎为命题之间的否定（negation）关系，逻辑上存在错位。在道义世界中，对行为和相反行为同时加以禁止，按照霍菲尔德的术语可表示为Duty（+）和Duty（-），它们在逻辑上不矛盾，可共存。它们的矛盾性表现于规范内容的矛盾，即两个规范所调整的内容在现实中是不可能同时被履行的，但是，两个规范的逻辑形式是不矛盾的。虽然冯·赖特的道义逻辑理论的提出后于霍菲尔德的权利分析理论30余年，借助霍菲尔德的权利分析理论可以进一步完善冯·赖特的道义逻辑，使道义逻辑得到进一步的发展。

　　其一，在冯·赖特的道义逻辑中，其主要提出的基本概念只有“强制”“允许”“禁止”这三个，其并没有关注到“特权”（privilege）、“权力”（power）、“责任”（liability）和“免责”（immunity）这些基本概念，并且在其所提出的“强制”（obligatory）和“禁止”（forbidden）这两个概念其实都是强行性规范。在霍菲尔德的权利形式主义理论中，无论是“强制”（obligatory）还是“禁止”（forbidden），都可以用“义务”（duty）来表述，只是“强制”（obligatory）表现为积极的“duty”（“duty+”），而“禁止”（forbidden）表现为一种消极的“duty”（“duty-”），但两者的内容可以指向同一类型的法律关系。

　　其二，在冯·赖特的道义逻辑中，没有充分论证其所主要研究的“义务”“允许”“禁止”之间的关系。冯·赖特只是对这三者之间的关系进行简单的推理，其主张：如果一个行为不被允许，它就被成为禁止，譬如不允许我们偷东西，所以我们不能偷；如果对一个行为的否定是被禁止的，那么这个行为本身就是义务性的，譬如不遵守法律是被禁止的，所以遵守法律是必需的，是一种必须做的义务性行为；如果一个行为和它的否定都是允许的，则这个行为被称为“不去规范的行为”（indifferent），譬如可以在车厢里吸烟，也可以不在车厢里吸烟，则吸烟是一种无关紧要的行为，是不被道德抑或法律规范的行为。而在霍菲尔德的权利分析理论中，提炼出了8个基本法律概念之间的关联关系和相反关系，其中霍菲尔德从right（claim）演绎出duty，从no-right（no-claim）演绎出privilege，从power演绎出liability，从disability演绎出immunity，这是道义逻辑中的演绎律，其提出的right和no-right、duty和privilege、power和disability、liability和immunity构成相反关系，其实是构成了道义逻辑中的矛盾律。并且霍菲尔德通过这些基本概念的逻辑关系去解释这些概念。

　　其三，冯·赖特的道义逻辑并未分清“强制”“允许”“禁止”这三个基本概念之间的逻辑层次且未将其归入不同的矩阵中。原因在于，冯·赖特在这三个基本概念之间并未提取出一个更为抽象的词汇。在霍菲尔德权利分析理论中，提取出“权利——义务”这一组抽象的概念。并且进一步发展出“权力——责任”这一层次的关系。义务与责任并非属于同一层级关系的概念，而是分属一阶规则与二阶规则的、具有对应的逻辑地位因而能有效区分的概念。正像在一阶规则中存在“权利—义务”的逻辑关联性一样，在二阶规则中存在“权力—责任”之间的逻辑关联性。

　　以上三个例子均证明，霍菲尔德权利分析理论与冯·赖特的道义逻辑之间具有互补性，借助霍菲尔德权利分析理论，可以在一定程度上推动冯·赖特的道义逻辑向前发展，借助霍菲尔德的权利形式理论，冯·赖特的道义逻辑的基本规范概念得以扩展，并且概念之间的分组关系得以缕析。尤其是其中提出的基本法律概念的关联关系和相反关系，丰富了道义逻辑的内容。

　　拥抱人工智能司法人工智能专业学什么，需要迈过符号语言的关卡。霍菲尔德对法律领域的各种概念的共性进行深入挖掘，企图统摄各部门的法律概念，并由此形成八大“元法律概念”。他的分析并非是一种形而上学的思辨游戏，而是建立在司法经验之上，旨在解决司法实践中实际问题的一种逻辑辨析。霍菲尔德基本法律概念经由数理逻辑的推理，可以实现不同逻辑符号的转化，为司法领域人工智能技术的运用提供“强大武器”。

　　人工智能的发展呈现为专注于实现人工智能指名功能的符号主义、专注于实现人工智能指心功能的连接主义与专注于实现人工智能指物功能的行为主义。其中，符号主义学派是人工智能研究中重要的学术流派。该流派主张符号主义（Symbolism）是基于逻辑推理的智能模拟方法，认为人类认知和思维的基本单元是符号，而认知过程就是在符号表示上的一种运算。符号主义致力于用计算机的符号操作来模拟人的认知过程，其实质就是模拟人的左脑的抽象逻辑思维，通过研究人类认知系统的功能机理，用某种符号来描述人类的认知过程，并且把这种符号输入到能处理符号的计算机中，从而模拟人类的认知，实现人工智能。

　　自然语言和机器语言之间的差异一直是困扰司法人工智能实现真正意义上“精确理解、智能推送”的难题。自然语言和机器语言之间存在着天然的隔阂，自然语言往往依赖于谈话语境、上下文关系以及生活经验的积累与理解，而机器语言则主要通过词向量转换、分词技术等抓取语言要素中的核心语义以理解文本的含义。这就使得以文本抽取和要素整合为基础的司法人工智能难以准确把握模糊、歧义的自然语言，尤其是当遇到法律关系和语义关系双重复杂的案件，司法人工智能便面临着法律行为、裁量情节等相关的识别障碍。因此，从传统司法案件依赖的概念语言走向人工智能机器所需要的符号语言，是走向人工智能司法的前提。

　　从概念语言走向符号语言，是满足人工智能司法中具体案件转化为计算机语言的需要。人工智能司法系统的建构，需要借助符号化的语言，以建立计算机领域的系统规则。“Symbolism”是人工智能领域的思维体系基石，该词可以理解为象征主义，具有使用符号来表示思想或意义的含义。人类的思想可以通过对符号的操纵来表达，因此，人类智能行为的产生可以模拟为一个个符号模型，用符号的任意组合来体现出人类的思维。按照人工智能权威论著之一的《人工智能：一种现代的方法》中的界定，对人工智能的定义大概可以从四个维度进行划分，即人性化思考（thinking humanly）、理性思考（thinking rationally）、人性化行为（acting humanity）和理性行为（acting rationally）。人工智能在司法中的应用涉及法学、信息学、计算机、逻辑学等多学科的应用，要求该智能系统拥有同法律人相同的思维功能，可以说，人工智能其实是在物质运动层面上构建具有人类思维能力子集（甚至全集）的物质系统。该系统是计算机科学中的程序，其需要用符号进行表述。随着数字计算机的出现和电子信息检索系统的强大功能，单词的精确用法是必不可少的。人类通过实例学习，并拥有解决歧义的创造力；在处理问题时，机器在考虑整体环境的相关特征方面远不如人类复杂。一般来说，计算机需要对要解决的问题有更清楚、更精确的说明。因此其需要将问题中涉及的命题转化为更精确、更细微的概念，再以计算机科学中的符号语言将这些概念及其组成逻辑转化到计算机系统中，以便建立计算机领域的系统规则。

　　人工智能司法的核心问题是自动法律推理的逻辑建模，毫无疑问，符号逻辑是一种建模法律推理的可能逻辑工具。人工智能司法建设，需要将大量的案件事实和法律规则载入计算机数据库，成为司法数据库中的基本数据。这些事实和规则均由一个个概念组成。将这些概念转化为司法数据库中的素材需要将其转化为特定的符号语言，才能建构逻辑推理框架，进而实现算法决策。回到人工智能法律推理本身的基础原理，其实质是基于算法通过海量数据的“饲喂”实现机器的自主学习，这些数据来源于对案件和规则进行要素化、图谱化、模型化的处理，基于算法的机器学习需要通过法律知识图谱、类案识别、模型训练等技术路径得以实现，才能实现人工智能司法的真正应用。通过对基本法律概念的符号化表示，可以更加直观地呈现各个概念之间的基本关系，并且在此基础上开展更为丰富的演绎推理形式，以便助力人工智能司法基础设施建设。

　　从概念语言走向符号语言，是智能司法走向精确化的路径之一。莱布尼茨较早提出运用符号语言进行逻辑推演，为弥补自然语言的模糊性，莱布尼茨创造出了符号语言，每种符号与一个概念相对应，只要按照某种确定的规则来排列这些符号，最后的结果总是一致的。因此莱布尼茨提出：任何人都不用担心对符号的思想会导致我们远离事务，相反，对符号的思想能使我们揭秘事物。早在1957年，耶鲁大学法学院的莱曼·艾伦（LaymanE.Allen）教授就发表了《符号逻辑：起草和解释法律文件的利器》一文，提出符号逻辑可以消除立法条款的含糊不清，让起草者获得更为清晰、准确和有效结果的新技术，因此可以使用符号逻辑来起草和解释法律。一方面，将法律关系、法律事实中包含的一个个基本的法律概念转化为符号语言后，更利于进行数量上的统合性分析，因此有可能改变传统上的定性分析为主的裁判模式，实现定性分析与定量分析相结合的裁判范式，从而使案件的裁判更精确化。另一方面，走概念语言走向法律语言，在一定程度上有助于建构一个更精简的司法知识谱系，从而有助于按照这些知识谱系分析具体案件，实现法律规则适用高效的同时，提高法律规则适用的精确化。

　　正是因为人工智能司法的前提是将概念语言转化为符号语言，因此霍菲尔德权利分析理论在人工智能司法中存在应用的空间和基础。代码将规则编码为机器可理解的形式语言，但并非所有法律都是机器可读的，机器本身无法理解法律概念、法律规则和法律原则，法律的开放性和模糊性都是其代码化的障碍。如果霍菲尔德关系要被包括在计算机分析中，要成为人工智能程序的一部分，就需要概念的符号化和操作这些符号化的逻辑的发展。将计算机应用于法律领域，则需要将法律的基本概念进行符号化，并以系列形式公理进行逻辑化运算，建构计算机可以识别、运算的符号系统，才可以实现法律领域的人工智能化。

　　霍菲尔德权利分析理论可以帮助法官解析内容复杂多样的法律关系。霍菲尔德教授创作《司法推理中应用的基本概念》的目的很明确：要为弄清楚诸种纷繁复杂的法律现象的本质提供最基本的认识工具，也就是一些根本的概念、范畴和思维形式。因此，在该论文中，霍菲尔德提炼了八个基本法律概念，创设出“法律元语言”。模态指向态度与倾向性，当模态成为法律人或行为人的指令时，就必须能够以法律人认可的表达意义的符号表示出来，权利、义务等基本概念则是具体的表现形式。如何理解霍菲尔德化简为繁的法律关系理论，直接关系到未来世界的法律表达方式。在法学中，霍菲尔德的概念系统是目前法学研究所能达到的高层次的简要程度，与数学相类似。该系统能与各法律部门相通，甚至可以说是“法律元语言学”，具有基础性意义。霍菲尔德的权利分析理论之所以可以用在人工智能领域主要基于以下几点：

　　第一，霍菲尔德权利分析理论理论不仅仅是具有所代表的概念之间的精确关系的精确术语规范，它还具有完整性维度——一种用于表达所有法律关系和在法律话语中所发生法律事件的所有变化语言。这一优势满足了法律迈向人工智能所需的符号化、公式化、逻辑化的条件。霍菲尔德的术语符号系统非常符合格鲁勃标准，霍菲尔德的概念系统是最容易符号化和数理化的，甚至已被学者转化为代数形式和“关系代数”形式，走向数理逻辑化。霍菲尔德对法律领域的各种概念的共性进行深入挖掘，所提出的法律概念和法律关系被称为是所有法律概念和关系的“最小公分母”，在一定程度上解决了法律部门之间法律概念的混乱和混淆现象，在这些概念之上，可以推演出更多的法律概念，这些基本法律概念可以被认为是法律场域的符号，为法律的人工智能化提供运算的基本符号或者基本的单位，因为也许使用更一般的概念会增加可以解决的法律问题的范围。同时，概念的统一也为人工智能所需的裁判规则的类型化、要素化提供便利。

　　第二，霍菲尔德还提出了这些基本法律概念之间的正向与反向的逻辑关系，这为法律领域的人工智能化提供了运算逻辑。司法人工智能技术研发存在“法律思维”瓶颈，由于司法人工智能系统的构建很大程度由人工智能学者主导，存在技术性有余、法律性不足等问题。霍菲尔德权利分析理论包含八大基本法律概念的关联关系和相反关系，并且这两大关系可以进一步演化成包含关系、矛盾关系、反对关系，这为人工智能司法中，各种案件事实的推理和法律关系的分析奠定逻辑基础。

　　第三，将霍菲尔德基本法律概念转化为人工智能符号语言，进而辅助司法裁判，为司法实践中同案不同判困境的破解带来了契机，在一定程度上可以实现同一法律事实、同一法律关系适用统一法律规则。从目前的案例看，霍菲尔德权利分析理论既可以被用于细化分析单一法律关系中的法律地位，也可被用于界定关键法律概念以澄清复杂法律关系。人工智能可以对大量先例进行汇总统计，绘制知识图谱，并依据霍菲尔德权利形式理论将相同案件的要素进行同类抽取，对标到相应法律规范中，最终为同类案件提供裁判参考。这无形中也会影响到法官的裁判思路，当法官的裁判与此存在较大差异时候，其需要更多的论证和说服责任。由此，在该理论中的基本法律概念基础上分析案件的法律关系在一定程度上能够保证法官在进行裁判时适用同一法律规则，并进而呈现出两大优势：一方面，减少因裁判者主观认定不一带来的同案不同判现象；另一方面，提高办案效率，减少讼累。

　　实践中，已经有将霍菲尔德的权利分析理论运用到人工智能的实践。早在19世纪60年代中后期，有人提出将霍菲尔德权利分析理论转化为计算机的符号语言，实现对特定问题的精确检索。随后，借鉴霍菲尔德权利分析理论设计出的人工智能司法系统A-HOHFELD诞生。A-HOHFELD是在MINT(多重解释)解释辅助(专家)系统中使用的一种表示性语言，用于精确地表达法律规则集的替代结构解释，它大量借鉴了霍菲尔德提出的基本法律概念。在A-HOHFELD的当前版本中，最初的概念已经被修改和扩展，以寻求定义一种语言，这种语言足够强有力地表达所有法律关系和法律事态的变化。A-HOHFELD强调在司法推理的分析中使用基本的法律概念。强大而精确的语言可用性可以影响思维的清晰度以及与他人的交流。因此，A-HOHFELD目前的版本被描述为完全实现法律话语的“最低公约数”：一种相对简单的语言，其中所有可能的法律事态以及从一种法律状态到另一种法律状态的所有可能变化都可以被精确和完整地表达。

　　目前，在整个法律人工智能的建模过程中，秉承的是一种修正的法律形式主义，道义逻辑在人工智能法治建设时代扮演着重要的角色，道义逻辑用形式化手段描述互动主体之间的规范。

　　作为人工智能基础的逻辑学，在符号主义人工智能中起到了直接的基础性作用，但在以机器学习技术为核心的新一代人工智能中的基础性作用相对较弱。法律体系形式化的程度往往决定着人工智能法律推理系统的发展阶段。形式主义对于案件，特别是简单案件的裁判具有重要意义，因此，从人工智能视角来看，在推理过程中首先考虑的也是如何对于权利等核心概念进行形式化和建模的问题。阿列克西的法律论证理论为构建法律论证的人工智能模型提供了理论支持，受内部证成启发，如果要构建一个逻辑有效的论证，那么其逻辑形式可以表达为一个连锁式的充分条件假言推理，通常也表达为三段论的形式。可以说，人工智能法律推理在一定程度上是对19世纪形式逻辑三段论的某种回应和升级。通过人工智能实现司法裁判的法律推理过程，其原理在于部分案件的法律推理或者法律推理中的部分环节，是将明确的、抽象的、规范的法律规范运用到具体的、要件化的案件事实之中，这种“规范—事实—个案结论”的法律涵摄过程在特定条件和特定范围内，可以依靠形式主义三段论完成推理过程并得到合理、正确的结论。三段论推理模型可作为人工智能法律推理基本的逻辑框架。

　　人工智能的知识结构化建设需要形式逻辑作为主体框架。现代法律总体而言以理性主义为基础，而算法同样是理性主义的结晶。理性主义不满足于零散的经验，而要对其进行修剪与排列，制成结构化的知识，以便将混沌的现实分拣到整齐的认知框架里面。形式逻辑思维的最大特点就是追求思维的自身同一即思维的确定性。人工智能司法甚少存在情感的介入，以纯粹理性的算式演绎完成既定目标的过程。在对司法案件的事实和法律进行组合分析的过程中，即需要将形式逻辑作为推理论证的工具，以保证司法裁决的一致性。

　　人工智能在法律领域中运用，也需要将法律概念、法律关系形式化、数理化。保证人工智能体在实施行为时遵循相应伦理规范的基本要求是使用相关的逻辑语言形式化这些规则，用形式化的语言来表达这些规则。阿列克西（RobertAlexy)曾提出：（法律论证的）第一种形式是通过诉诸某种规则来证明自己是正当的，第二种形式是通过提及后果来证明自己是正当的人工智能期末论文。第一种形式是道义论，第二种形式是目的论。法律人工智能背景下法律推理的性质应当是基于形式道义逻辑的推理方式：其一，目的论推理更多地体现了价值判断，掺杂了情感主义等因素，目前阶段的人工智能难以实现基于目的论推理的模型；其二，人工智能在法律中运用的核心是法律逻辑，没有形式逻辑去空谈目的、空谈辩证推理都是空中楼阁，而相比于目的论推理，道义逻辑等是更适合目前法律人工智能的处理方式，因为道义论相比目的论更体现了一种形式主义的进路；其三，内容是经验性的，可以千差万别，形式是知性的，具有相对确定性。在一定意义上，形式是内容的本质。规范形式的逻辑分析有助于澄清已有概念，却又不突破既有的概念范畴，能够使我们已有的知识得到充分地说明；其四，证据推理的复杂性，决定了人工智能法律系统必须从证据推理形式化起步，构建证据推理模型。

　　人工智能司法与形式逻辑在表达式上具有高度的类似性，这是形式逻辑是人工智能司法推理的基本框架的又一重要原因。人工智能司法依赖的算法与形式理论逻辑具有相同的品格。算法是人工智能司法的运算规则，是人工智能司法的核心。人工智能司法的运行过程是计算机模拟人的思维过程，在此过程中必须遵循一定的逻辑规范。算法其实就是达致特定任务的过程，它并不过度评估结果，而仅仅关注过程，并默认算法达致结果的可接受性。形式逻辑注重逻辑思维过程的形式合理性，侧重于对对象的定量分析即形式结构与数量关系上的分析，对实质内容及其结果的公正与否并不过多关注人工智能专业学什么。因此人工智能司法遵循的逻辑规范与形式逻辑具有同构基础，同样理性、同样“冰冷”，遵循相同的品格。

　　道义逻辑是法律推理中的重要工具，可以被广泛适用于人工智能司法中。道义逻辑作为形式逻辑的典型形式，在人工智能司法的运用中具有广泛的前景。在传统逻辑当中，论证的有效性满足前提为真，结论则必然为真，但在法律论证的真实情境中，并不是完全以真或假来解释或衡量命题。作为一种形式逻辑，道义逻辑正是在寻找一种真值之外的方法来论证命题的逻辑性，它不再只关注论题的真假，而是以论证逻辑的可接受性来作为有效性评价标准。这在一定程度上启发了人工智能司法研究突破有效性标准来评价法律论证理论。道义逻辑与人工智能法治的结合具有重要的意义，道义逻辑本身即可以作为一种工具运用于法律推理之中。在抽象层面上，法律、计算机系统和其他许多种类的组织结构都被视为一种规范系统，均受规范的支配，因此规范系统包括法律系统、计算机系统的抽象模型以及人机交互的混合系统。Andrew J. I. Jones&与Marek Sergot采用规范系统的观点，阐明了道义逻辑在法律表达、计算机系统模型的形成以及人机交互管理中所起到的作用。此外，在冯·赖特的道义逻辑理论中，被宣称为义务的、允许的、禁止的那些事物称为行为。而正如诺维格所说，理性行动者可能作为人工智能方法的核心，所谓“理性行动者”，指一个为了实现最佳结果，或者当存在不确定性时，为了实现最佳期望结果而行动的行动者。人工智能司法是一种“行为—感知”的行为智能模拟化的过程，研究人工智能司法必须首先回答行为是什么，这就需借助道义逻辑的理论，因为行为是道义逻辑的研究起点。

　　道义逻辑中的“义务”（obligatory）、“允许”（permitted）、“禁止”（forbidden）这些逻辑算子可以作为进行人工智能推理的工具。伦理规范的形式表达必须基于某种逻辑语言及其推理规则，经典逻辑是不够的，所以有必要发展与道德、行动相关的逻辑，以适应人工智能道德决策的需求，最为著名的道义逻辑为形式伦理提供了一定的基础。因为，如上所述，道义逻辑研究道德算子（如应该O、允许P、禁止F等）的逻辑。这意味着，在一定的范围内，可以用道义逻辑表达伦理规范。逻辑学首先是作为形式逻辑出现并取得重大进展的，其后演化为数理逻辑，从而形式化、数理化，也最终实现在了物质系统之上，构建出了人工智能系统。譬如，阿西莫夫就提出的三条机器伦理原则为：第一条为机器人不得伤害人类个体或者在人类个体将遭受危险时不作为；第二为机器人必须服从人类的命令；第三条为机器人在不违法前两条基础上必须保证自己的生存。这三条定律都是道义逻辑中倡导的义务性规范。

　　道义逻辑有助于把模糊的法律概念精确地加以规定，并且把它的潜在含义和关系阐发清楚，以构成一个前后融贯的人工智能司法推理逻辑框架。人工智能的研究对象由多个智能体构成的多智能主体，它们和社会的人群一样，需要智能体之间的契约和规范。多个智能体构成的多智能主体系统如何按照统一规范协调运作这是人工智能化必须解决的问题。智能主体中的关键部分是关注规范行为的任务管理器。任务是系统中的智能主体经过授权而产生的行为，基于任务可以将道义算作应该、允许、禁止等应用于描述可能的行为状态。通过道义逻辑对规范概念作清晰描述，可以建构出智能主体与社会规范相结合的模型。梅耶（John—Jules Meyer）与维尔灵格（R．J．Wieringa）从时间顺序和系统观点两方面总结了道义逻辑在计算机科学中的应用，在道义逻辑体系中加入了行动算子与意图算子，使得从决定、承诺到行动的推理成为可能，他们详细说明了多智能主体系统的社会规范和交互契约等概念，以契约表述逻辑为基础，发展了智能主体的社会体系。伍德瑞吉（Michael Wooldrige）在《智能主体的研究与发展》中强调了道义逻辑在智能主体理论中的重要意义。他将道义逻辑与交互时态逻辑相结合，添加道义算子“无条件许可”，建立智能主体义务和能力的模型，说明主体如何通过满足系统的条件来处理义务，在道义逻辑和交互时态逻辑的基础上发展了关于规范能力的逻辑，通过规范能力逻辑建立社会契约的逻辑模型，对人工智能主体系统进行推理。

　　道义逻辑中的逻辑法则为符号主义人工智能司法与联结主义人工智能司法的融合提供了一条路径。法律人工智能的研究主要归结为符号主义（symbolism）法律人工智能和联结主义（connectionism）法律人工智能两条路径。符号主义法律人工智能认为法律人的思维是演绎式思维，是由证据和知识作为前提推出结论的过程，该路径研究法律推理、法律论证和法律对话的人工智能模型，服务于案件事实发现与认定等具体的司法任务。联结主义法律人工智能认为法律人的思维是归纳或类比式思维，是从经验或已有数据中检测、归纳共性规律和特征的思维，该路径研究机器学习和大数据挖掘技术在司法领域的应用，主要包括法律信息检索、法律信息抽取、法律文本分类、法律文本摘要、司法判决预测等。符号主义人工智能司法与联结主义人工智能司法的融合凸显出两种趋势：第一种融合路径是在联结主义方法中融入符号逻辑，即在机器学习中嵌入逻辑推理，使得输入和输出之间呈现出因果等逻辑关联的特征，从而提升可解释性。例如，法律文本解析符号化就是从法律文本数据中获取知识，法律知识图谱成为获取和组织法律知识的新方法。第二种融合路径是在法律文本数据中自动化地挖掘法律论证。法律论证挖掘需要识别法律论证的基本单元，并检测基本单元之间的逻辑关系，再通过机器学习算法分类器对不同结构的法律论证进行分类。道义逻辑为机器学习提供一种逻辑推理方式，满足在联结主义方法中融入符号逻辑的需求。此外还能为数据自动化挖掘法律论证提供解决方法。

　　道义逻辑提高了人工智能司法的可解释性。人工智能司法未来的发展重点应被置于提高可解释性方面。司法是一个“事实—规范”的涵摄过程，目的在于探求两者的因果关系。在人工智能中运用道义逻辑可以规范司法推理的过程，为结论的推倒提供一个相对可信的逻辑体系，提高内在解释力，从而强化司法说理，提高裁判的可接受度。道义逻辑具备更强的可判定性及确定性。法律蕴含着不一致的价值追求，加入诉诸实质的价值考量的话，会因为价值立场的多元而受到指责。作为一种形式逻辑，道义逻辑恰恰是要把实质考量转化为形式的判定。

　　人工智能司法很大可能使得马克思·韦伯曾经的设想“现代的法官是自动售货机，投进去的是诉状和诉讼费，吐出来的是判决和从法典上抄下的理由”成为现实。然而，法律的生命在于经验而不仅仅在于逻辑，法学理论研究应当正视人工智能技术与现行法律体系之间的张力，构建与法律人工智能相匹配的法学理论。法律融合人工智能有其法理，它是法律融合科技之法理的新命题。法律人工智能的法理是“实践之法理”，是证成法律人工智能实践之正当性的理据，它反映人工智能的技术理性与法律实践理性的融合，从而揭示了法律运行的规律和特征。

　　在人工智能时代，不再是逻辑的归逻辑，法律的归法律。法律需要借助人工智能的力量，以助于进行司法实践。霍菲尔德权利分析理论与道义逻辑可以作为人工智能司法实践运用的融贯法理。在法律领域中发展人工智能，可以考虑将霍菲尔德的基本法律概念符号化，并借助道义逻辑的运算形式，将法律文本语言转化成计算机语言，以实现人工智能化。人工智能法治建设需要拆分各种法律命题中概念，并将该概念符号化，转为计算机语言。霍菲尔德的权利分析理论中的八个基本法律概念是所有法律关系的“最小公分母”，所有的法律关系的内容均可以回归至这八大基本概念组成的法律关系，因此借助霍菲尔德的权利分析理论可以简便地将各种复杂的法律关系转变为人工智能的符号语言。并且道义逻辑研究的是规范的推理和论证，借助道义逻辑的推理方式，有助于将复杂的基本法律概念按照严密的形式逻辑转化为人工智能语言。但是，人工智能司法是形式逻辑的典范，是辩证逻辑的障碍。要实现人工智能司法的能动裁判，寻找司法的温度，除了需要在其中运用形式逻辑之外，还需要使用辩证逻辑。