⭐ 典故
1970–80 年代，AI 研究者曾宣稱：
- 幾十年內完成通用智慧
- 自動翻譯即將成熟
- 機器能理解世界
結果：
👉 技術遠遠做不到👉 政府撤資
👉 研究人員失業
這段時期被稱為 AI Winter
🎯 有趣點
- AI 發展是波動型科技
- 現在的大模型熱潮 → 有人擔心會再出現 AI winter
- 歷史提醒：AI hype 與 reality 永遠存在張力
AI 寒冬（AI Winter）指的是人工智慧研究與產業發展中，資金、熱情與成果期望大幅下降的一段時期。
通常發生在「過度炒作 → 未達預期 → 投資撤退」的循環之後。
簡單說：
AI 寒冬 = AI hype 破裂後的失望期
📜 AI 寒冬的核心原因
① 技術能力與宣傳落差
早期 AI 常被宣稱即將達成人類級智慧，但現實進展有限。
例：
- 語意理解困難
- 推理能力不足
- 計算資源受限
👉 投資人與政府信心下降
② 算力與資料不足
在深度學習興起前：
- CPU 算力有限
- 訓練資料量小
- GPU 尚未被大量使用
👉 許多理論難以落地
③ 商業化失敗
例如 1980 年代的 專家系統 boom：
- 建置成本高
- 維護困難
- 無法泛化
👉 企業投資縮減
🧊 歷史上兩次主要 AI 寒冬
🧊 第一波 AI 寒冬（1974–1980）
背景
- 早期 symbolic AI 未達預期
- 英國 Lighthill Report 批評 AI 研究誇大
結果
- 英國 AI 資助削減
- 美國 DARPA 轉向其他領域
- AI 研究人員轉職
👉 AI 被視為「過度承諾的科學」
🧊 第二波 AI 寒冬（1987–1993）
背景
- 專家系統市場崩潰
- Lisp machine 產業失敗
- PC 工作站取代 AI 專用硬體
結果
- 企業 AI 部門關閉
- 風投撤資
- AI 研究轉入學術
👉 AI 成為「冷門學科」
🔥 AI 寒冬 → AI 復興
AI 發展呈現週期性 boom-bust：
特別是：
- Geoffrey Hinton
- Yann LeCun
- Yoshua Bengio
推動深度學習，使 AI 走出寒冬。
🧠 哲學層面的「AI 寒冬含義」
AI 寒冬也代表一種 認知循環：
技術突破
→ 人類想像膨脹
→ 期望過高
→ 現實碰撞
→ 失望
→ 再突破
這種循環在科技史中常見（如 VR、量子計算）。
⭐ AI 文化梗
AI 社群常說：
“AI is always 10 years away.”
意思是：
- AI 一直被預言「即將到來」
- 但真正突破往往延遲
👉 AI 寒冬形成 meme
