Ein KI-Winter ist eine Phase reduzierter Finanzierung, Interesses und Forschungsaktivität in der künstlichen Intelligenz, die auf eine Welle übertriebener Erwartungen folgt, die die damalige Technologie nicht erfüllen konnte. Der Begriff, in Analogie zu „nuklearem Winter" geprägt, beschreibt zyklische Boom-Bust-Muster, die seit der Gründung des Feldes beim Dartmouth-Workshop 1956 immer wieder aufgetreten sind. Historiker identifizieren in der Regel zwei große KI-Winter, in der Mitte der 1970er Jahre und von den späten 1980er bis in die frühen 1990er Jahre, obwohl es auch kleinere regionale Abschwünge gab.
Jeder Winter folgte einem ähnlichen Muster: Frühe Demonstrationen erzeugten Medienhype und starke staatliche oder Unternehmensinvestitionen, der zugrunde liegende Ansatz stieß dann an grundlegende Grenzen, die seine Befürworter unterschätzt hatten, die Geldgeber verloren die Geduld, und die Forschungsbudgets brachen zusammen, was viele Forscher dazu veranlasste, ihre Arbeit außerhalb des Labels „KI" neu zu positionieren.
Erster KI-Winter (Mitte der 1970er Jahre)
Der erste Winter wurde teilweise durch den Lighthill-Bericht von 1973 ausgelöst, der von der britischen Regierung in Auftrag gegeben worden war und zu dem Schluss kam, dass die KI-Forschung ihre frühen Versprechen nicht erfüllt habe, was zu erheblichen Kürzungen der Universitätsfinanzierung im ganzen Land führte. In den Vereinigten Staaten reduzierte DARPA die offene KI-Forschungsförderung, nachdem Projekte zur Spracherkennung und maschinellen Übersetzung hinter den Erwartungen zurückblieben; die maschinelle Übersetzung war bereits Jahre zuvor durch einen US-Regierungsbericht von 1966 geschädigt worden, der feststellte, dass sie nicht mit menschlicher Qualität mithalten könne. Ein verstärkender Faktor war das Buch von Marvin Minsky und Seymour Papert aus dem Jahr 1969, das die mathematischen Grenzen des einschichtigen Perzeptrons aufzeigte und die Neuronale-Netze-Forschung über ein Jahrzehnt lang entmutigte.
Zweiter KI-Winter (späte 1980er bis frühe 1990er Jahre)
Der zweite Winter folgte dem Zusammenbruch des kommerziellen Marktes für Expertensysteme und spezialisierte LISP-Maschinen, nachdem sich beide als teuer in der Wartung und unfähig erwiesen hatten, auf unübersichtliches reales Wissen außerhalb ihrer engen Domänen zu skalieren. Japans Fünftes-Generationen-Computersystem-Projekt, eine große staatliche Wette, die 1982 auf symbolische KI und logische Programmierung gesetzt wurde, konnte bis zu seinem Abschluss 1992 keinen kommerziellen Durchbruch erzielen, was die Stimmung der Investoren weltweit weiter trübte. Das Label „KI" selbst wurde in dieser Zeit kommerziell unmodern, und viele Forscher beschrieben ihre Arbeit stattdessen als „maschinelles Lernen", „Informatik" oder „Mustererkennung".
Vermächtnis und moderne Debatte
Die Erholung von jedem Winter kam durch engere, nachweislich nützliche Techniken und nicht durch erneute Versprechen allgemeiner Intelligenz: statistisches maschinelles Lernen in den 1990er Jahren und Deep Learning nach 2012. Seit dem Start von ChatGPT im Jahr 2022 fragen Kommentatoren regelmäßig, ob der aktuelle KI-Boom mit seinen enormen Kapitalausgaben und umstrittenen Skalierungsgesetzen-Erträgen in einem dritten Winter enden könnte. Andere argumentieren, dass die heutige KI im Gegensatz zu früheren Epochen bereits erhebliche kommerzielle Einnahmen und Massenakzeptanz generiert, was einen symmetrischen Zusammenbruch weniger wahrscheinlich macht, selbst wenn es schließlich zu einer Korrektur der Bewertungen kommt.