首先，概率推理方法的启发意义高于实用价值，因而其借鉴价值不高。贝叶斯定理只不过提供了一种依据新证据来“刷新”原有概率评估的方法，而无法解决作为计算基础的先验概率如何确定以及其可靠性如何保障的问题。实际上，由证据到事实的推理过程是一个非线性的思维过程，这种跳跃性的思维过程是难以用数学公式来描述的。因而，这种试图将证明过程机械化的努力注定会遭遇与法定证据制度类似的命运。况且，就我国的司法现实来说，大多数普通法官不可能成为精通数学的专家，而只能望“数”兴叹。繁杂的数学公式稍不留神就会被误用，而一旦误用就会导致严重的后果。
其次，图表推理方法具有很强的实用价值，可能成为证据推理的新工具。威格莫尔创立图表方法的初衷在于帮助律师开展证据推理，而对于由外行人组成的陪审团毫无助益。而在我国，法官精英化是司法改革的基本方向，逻辑知识是法官职业的基本功。所以，图表推理方法有助于法官系统地把握全案证据，理清其逻辑关系，减少和避免错误推理。不过，目前英美现有研究成果还不够成熟，符号和图表的使用效果不够理想已成为制约图表推理研究的“瓶颈”。所以，如何简化图表推理模型并确保其有效性将是未来研究的重点。
再次，溯因推理作为继演绎推理与归纳推理之后出现的第三种推理形式，有着广阔的应用前景。尽管溯因推理直到７０年代以后才受到论证理论家们的推崇，但人们在证据推理过程中一直在不自觉地使用这种推理形式。威格莫尔在阐述如何分析证据性事实的盖然性时就曾运用过溯因推理，只不过他未能充分认识到对溯因推理和归纳推理加以区分的重要性。[19]“新证据学”思潮兴起后，舒姆将溯因推理与演绎推理、归纳推理并列为证据推理的三种形式，并对溯因推理在司法证明中的应用进行了探讨。[20]依笔者之见，在证明过程中，溯因推理、演绎推理和归纳推理是共同发挥作用的。有学者将司法裁判的心理过程概括为“发现”、“检测”和“证成”三个环节。[21]笔者认为，其中的“发现”作为提出假设的活动离不开溯因推理，“检测”作为证实或者证伪假设的活动离不开演绎推理，而“证成”作为给裁判结果提供论证的活动离不开归纳推理。不过，片面夸大溯因推理的作用也是不可取的。溯因推理只能成为发现新假设的先导，而不能替代精密的推理和论证。所以，我们应当把这种非形式逻辑方法看作是对传统形式逻辑方法的有益补充。
最后，人工智能推理开启了证明机理研究的新思维。当初威格莫尔创立图表推理方法的原因在于，他认为人们在面对复杂的证据群的时候，大脑无法同时处理那么复杂的信息，所以需要借助于图表来实现整个推理过程的“可视化”。而随着计算机技术的发展，人工智能方法显然更容易实现这一目标。人工智能推理是对人类自然推理过程的一种模拟，它能够借助于计算机对证据和推理进行排序、构建和可视化，从而大大减少繁重的工作负担。因此，人工智能方法的引入有助于进一步提高证明方法的技术含量。当然，我国人工智能推理的研究目标不应像英美法系国家那样满足于对裁判结论的分析和预测，而应使人工智能成为辅助裁判者决策的重要工具。
３．心理学的研究方法
司法证明过程是由争讼双方之间的竞争、当事人向裁判者的说服以及裁判者对争讼双方事实争议的裁决等活动共同构成的。裁判者的心证形成过程本质上是一种思维活动，而争讼双方的竞争和说服活动同样是以思维活动为基础的。因此，在司法证明活动中，各方证明主体的心理因素，尤其是裁判者的心理因素，对证明结论的形成有着重要的影响。运用心理学方法来探索司法证明的心理规律自然也就成为证明机理研究不可或缺的重要内容。
