（01）
「マイクロソフトのＡＩ」に「質問(兎は象ですか？)」をしたところ、「ＡＩ」は「パニック」を起こしたのか？？
然るに、
（02）
さて、統計的な手法が登場する以前、自然言語処理の技術を使う自動翻訳や質疑応答の分野では、研究者たちはＡＩに文法などの言葉のルールを憶えさせ、論理的、演繹的な手法で精度を上げようとしました（ＡＩ vs. 教科書が読めない子供たち、新井紀子、2018年、１２４頁）。
然るに、
（03）
Ｐｒｏｌｏｇの文は「述語論理」にならって節（Ｃｌａｕｓｅ）と呼ぶことが多いのでここでも節と呼ぶことににします。一つの節は、一つの述語が、どういう場合に真になるかを記述しています。もっとも単純な例として、
ｆａｔｈｅｒ（ｍａｒｙ，ｈｅｎｒｙ）.
という節は、ｆａｔｈｅｒという述語がｍａｒｙ，ｈｅｎｒｙという引数に対して成立するということを表しています（淵一博 監修、第五世代コンピューター入門、1987年、１１頁）。
然るに、
（04）
第五世代コンピュータ（だいごせだいコンピュータ）計画とは、1982年から1992年にかけて日本の通商産業省（現経済産業省）所管の新世代コンピュータ技術開発機構（ICOT）が進めた国家プロジェクトで、いわゆる人工知能コンピュータの開発を目的に総額540億円の国家予算が投入された（ウィキペディア）。
従って、
（02）（03）（04）により、
（05）
「（統計的な手法が登場する以前の、）第五世代コンピュータ計画」の「時代」には、
１ （１） ∀ｘ｛象ｘ→∃ｙ（鼻ｙｘ＆長ｙ）＆∀ｚ（～鼻ｚｘ→～長ｚ）｝ Ａ
２ （２） ∀ｘ｛兎ｘ→∃ｚ（耳ｚｘ＆～鼻ｚｘ＆長ｚ）｝ Ａ
３ （３） ∃ｘ（象ｘ＆兎ｘ） Ａ
１ （４） 象ａ→∃ｙ（鼻ｙａ＆長ｙ）＆∀ｚ（～鼻ｚａ→～長ｚ） １ＵＥ
２ （５） 兎ａ→∃ｚ（耳ｚａ＆～鼻ｚａ＆長ｚ） ２ＵＥ
６ （６） 象ａ＆兎ａ Ａ
６ （７） 象ａ ６＆Ｅ
６ （８） 兎ａ ６＆Ｅ
１ ６ （９） ∃ｙ（鼻ｙａ＆長ｙ）＆∀ｚ（～鼻ｚａ→～長ｚ） ４７ＭＰＰ
１ ６ （ア） ∀ｚ（～鼻ｚａ→～長ｚ） ９＆Ｅ
１ ６ （イ） ～鼻ｂａ→～長ｂ アＵＥ
２ ６ （ウ） ∃ｚ（耳ｚａ＆～鼻ｚａ＆長ｚ） ５８ＭＰＰ
エ （エ） 耳ｂａ＆～鼻ｂａ＆長ｂ Ａ
エ （オ） ～鼻ｂａ エ＆Ｅ
エ （カ） 長ｂ エ＆Ｅ
１ ６エ （キ） ～長ｂ イオＭＰＰ
１ ６エ （ク） 長ｂ＆～長ｂ カキ＆Ｉ
１２ ６ （ケ） 長ｂ＆～長ｂ ウエクＥＥ
１２３ （コ） 長ｂ＆～長ｂ ３６ケＥＥ
１２ （サ）～∃ｘ（象ｘ＆ 兎ｘ） ３コＲＡＡ
シ （シ） ～（象ａ→～兎ａ） Ａ
シ （ス） ～（～象ａ∨～兎ａ） シ含意の定義
シ （セ） 象ａ＆ 兎ａ ス、ド・モルガンの法則
シ （ソ） ∃ｘ（象ｘ＆ 兎ｘ） セＥＩ
１２ シ （タ）～∃ｘ（象ｘ＆ 兎ｘ）＆∃ｘ（象ｘ＆ 兎ｘ） サソ＆Ｉ
１２ （チ） ～～（象ａ→～兎ａ） シタＲＡＡ
１２ （ツ） （象ａ→～兎ａ） チＤＮ
テ（テ） 兎ａ Ａ
テ（ト） ～～兎ａ テＤＮ
１２ テ（ナ） ～象ａ ツトＭＴＴ
１２ （ニ） 兎ａ→～象ａ テナＣＰ
１２ （ヌ） ∀ｘ（兎ｘ→～象ｘ） ニＵＩ
といふ「述語計算」を用ひて、「コンピューター」に対して、
（ⅰ）象は鼻が長い。然るに、
（ⅱ）兎の耳は長いが、耳は鼻ではない。従って、
（ⅲ）兎は象ではない。
といふ「推論（演繹）」をさせようとしてゐた。
然るに、
（05）により、
（06）
２（２） ∀ｘ｛兎ｘ→∃ｚ（耳ｚｘ＆～鼻ｚｘ＆長ｚ）｝ Ａ
から、 「～鼻ｚｘ（耳は鼻でない）」を「除いた」場合は、
１２（ヌ） ∀ｘ（兎ｘ→～象ｘ） ニＵＩ
１２（〃） 兎は象ではない。 ニＵＩ
といふ「結論」を得ることは、出来ない。
従って、
（05）（06）により、
（07）
（ⅱ）兎の耳は鼻ではない。
といふ「条件」が示されてはゐない。
といふ「理由」により、
（ⅰ）象は鼻が長い。然るに、
（ⅱ）兎は耳が長い。従って、
（ⅲ）兎は象ではない。
といふ「推論（演繹）」は、「述語論理」としては、「間違ひ」である。
然るに、
（08）
（ⅱ）兎の耳は鼻ではない。
（〃）王様の耳はロバの耳である。
（〃）パンの耳は食べられる。
といふことは、「（一々、断らなくとも）、常識」である。
従って、
（08）～（08）により、
（09）
「人間」にではなく、
「第五世代コンピュータ」に対して、次に、
（ⅰ）ロバは耳が長い。然るに、
（ⅱ）王様は耳が短い。従って、
（ⅲ）王様はロバではない。
といふ「推論（演繹）」を行わせようとするならば、
（ⅱ）（童話の中では）王様の耳は長いこともあるが、
（〃）（童話の中でも）パンの耳は、王様の耳ではない。
といふこと、「その他」を、予め、「記述」をしておく「必要」が有る。
従って、
（02）（07）（08）（09）により、
（10）
「述語論理」を用ひて、
「第五世代コンピュータ」に対して、
（ⅰ）象は鼻が長い。然るに、
（ⅱ）兎は耳が長い。従って、
（ⅲ）兎は象ではない。
といふ「推論（演繹）」を行はせようとすると、
「文法などの言葉のルール」の他に、「大量の常識」を、
「第五世代コンピュータ」に対して、「教へなければ、ならない」。
然るに、
（11）
国語はどう考えても正攻法でなんとかできるとは思えません。そこで国語チームが試みたのは、センター国語試験で最も配点の大きい傍線部分の問題に対し、文字の重複などごく表面的なことから選択肢を選ぶという「荒業」でした。単純に言うと、傍線のついている部分とその前の段落の文を取って来て、「『あ』という文字が何回、『山』という文字が何回」と同じ文字の数を数えて、選択肢のほうも同様に数えて、いちばん重複の多い選択肢を選ぶという方法を採用したのです。文の意味どころか、単語の意味も調べません（ＡＩ vs. 教科書が読めない子供たち、 新井紀子、2018年、１２４頁）。
然るに、
（12）
「グーグルのＡＩ」に「質問(兎は象ですか？)」をしたところ、
（13）
論理式にはこれまで述べたように、厳密な（形式的な）意味論が与えられるから、自然言語文も、翻訳を介して意味論に法っとった解釈が与えられ、したがって、間接的であるが、自然言語に意味論が与えられることになる（長尾真・淵一博、論理と意味、1983年、１６７頁）。
然るに、
（14）
他方、アメリカの企業は日本の失敗を学びました。論理的な手法で自動翻訳などのＡＩを開発することに見切りをつけ、統計的手法に梶を切り、グーグル翻訳やワトソンなどで成果を上げたのです（ＡＩ vs. 教科書が読めない子供たち、新井紀子、2018年、９０頁）。
然るに、
（15）
さて、統計的な手法が登場する以前、自然言語処理の技術を使う自動翻訳や質疑応答の分野では、研究者たちはＡＩに文法などの言葉のルールを覚えさせ、論理的、演繹的な手法で精度を上げようとしました。けれど、その手法は何度試みても失敗を繰り返しました（ＡＩ vs. 教科書が読めない子供たち、新井紀子、2018年、１２４頁）。
従って、
（02）（12）～（15）により、
（16）
①「論理」と「意味」による「ＡＩ技術」と、
②「統計的な手法」による、「ＡＩ技術」とが有って、
① では、「難しかった」、または、「成功」しなかった所の、
（ⅰ）象は鼻が長い。然るに、
（ⅱ）兎は耳が長い。従って、
（ⅲ）兎は象ではない。
といふ「推論」は、
② では、「容易」である。
といふ、ことになる。
然るに、
（17）
言ふ迄も無く、「我々（人間）」は、「論理と意味」だけを用ひて、「推論（演繹）」をする。
従って、
（18）
（ⅰ）象は鼻が長い。然るに、
（ⅱ）兎は耳が長い。従って、
（ⅲ）兎は象ではない。
といふ「推論（演繹）」する際に、「我々（人間）」は、「統計的な手法」など、「用ひない」。
従って、
（19）
「ＡＩ」は、「我々（人間）のやうに、考へはしない」し、と言ふよりも、固より、 「ＡＩ」は、「何も考えてはいない！！」
然るに、
（20）
最近は、その努力を怠っているものの、私は、以前から、曾祖父のやうに、「漢文か書ける」ようになりたかったものの、その一方で、「ＡＩが発達すれば、人間が書かなくとも、ＡＩが漢文を書くようになる」のではと、思ってゐた。
然るに、
（21）
「漢文」には、「ネイティブ・ライター」はゐない上に、「（「東大合格を目指すＡＩ」にとって）さらに過酷な状況にあるのは古文や漢文です（ＡＩ vs. 教科書が読めない子供たち、新井紀子、2018年、８４頁）」といふこともあって、「もう一度、漢文の勉強を、趣味にしよう」と、思ってゐるが、このところ、「私も、いくらか、忙しい」。