人工智能技术为整个司法证明过程提供一种科学性的模型，这种模型中存有已经被验证了的知识和推理方式。为了确保这种科学方法科学效用的最大发挥，我们需要对计算机已有的嵌入式、传统的人机交流的处理证据方式进行改进。如同对专家意见的采信设立了种种程序上的限制一样，我们也需要对计算机分析证据设立一系列的程序限制，以此保证数据分析的公正性，同时也为实现数字化审判奠定基础。
如果将司法证明视为一种向事实裁判者出示信息的过程，那么在这份长长的信息名单上将包括：指控、被告人答辩、控方陈词、辩方陈词、证人证言、事实裁判者对证人的观察、证人对法官的观察、控方最后陈述、辩方最后陈述、指导事实裁判者做出裁判的程序规则、证据规则和实体法要求等。那么，事实裁判者做出裁断的整个过程可以被简化为图1。
在获取了上文所述的信息之后，事实裁判者所要做的第一步就是对所有的信息进行解码——找出它们的真正含义；接下来是选取那些按照法定标准具有可采性的证据，即只考虑那些具有可采性的证据；在划定了事实判断的范围之后，便是对证据的可信性进行判断，他们选取最具可信性的证据条目建构案件故事，如果确定这个版本的故事完整且无懈可击，不需要新的证据来帮助他澄清其中的疑惑之处，那么，他便根据所建构的故事版本做出对事实的相应判断。也就是说，无论担当事实裁判者的是职业法官还是普通民众，他进行断案的第一步都是听取当事人两造所输入的信息。在这一阶段他并没有提出多个案件故事版本的组合，相反，就像DOS命令下的子目录与根目录一般，在听取这些信息的同时，事实裁判者就已经选取了他的故事路径，只是人类的精神思维考虑的是这些叙事与日常生活经验的契合度，而信息技术的模型分析的是它所接受的词句的语义。像人类精神思考时所作出的作为故事框架粘连之处的推论一样，信息技术模型也在特定的语义分析之下建立了由多个推论构成的子集和，并从这些子集和中选取适当的推论分别与先前它根据词句语义分析所得出的子目录根目录建构起来的故事框架进行配对。如果匹配，那么便可完成证明过程，如果不匹配便重新进行运算。如果说信息技术模型与人类精神思维相比较有什么突出优势的话，那便是在人类精神思考的过程中，证据出示的顺序对裁决的作出具有决定性的影响。实验数据表明，人类更容易受到证据出示先后顺序、双方律师煽动性言论的干扰，从而无法在脑海中完全排除那些本来不具有可采性的证据的影响。[17]
基于上述原理，西方证据学者开始了对证明过程中“叙事模型”的建构。这一模型以诉讼效率、司法公正、社会伦理道德等价值的考量作为固有的限制性参数，采用信息采集技术对证据的语言进行深层次的分析。如迈克·戴尔（MichaelDyer）花费了数年心血在1983年开发出BORIS系统来分析叙事结构，奈森和他的学生进行的ALIBI项目的研究，代表了这一研究领域的前沿状况。该项目设计的情境是一名想要基于公众常识而非充分的法律理由为自己作无罪辩护的被告人，在ALIBI的项目中采用了树状的循环结构来表示可供选择的行为策略。在输入信息时，所有的语言输入都采用自然语言的形式，并且任何一项指控都用平实的语言解释它所隐含的含义，如“盗窃”用“悄悄地拿取别人财物”来表示。在接受了所有的信息之后，模型所要做的就是对所有的信息进行重组，进而合法化被告人的行为。也就是说，采用计算机能够接受的语言来对事实进行表述，进而得到一种事实的模拟解释。法律符号学者本纳德·杰克逊（Benard Jackson）根据叙事分析的目的和用途对它们作出了如下分类：案件事实的修辞叙述；对事实可能性的评估；建构在陪审员看来具有似真性的故事；为证人出庭作证进行的心理学分析；对判决正当性进行的论证等等。这些研究成果已卓有成效，它们为信息技术在司法证明中发挥更大作用指明了方向。
