Um inverno de IA é um período de redução de financiamento, interesse e atividade de pesquisa em inteligência artificial após uma onda de expectativas infladas que a tecnologia da época não conseguiu atender. O termo, cunhado por analogia com "inverno nuclear", descreve padrões cíclicos de expansão e retração que ocorrem desde a fundação do campo no workshop de Dartmouth em 1956. Historiadores geralmente identificam dois grandes invernos de IA, em meados da década de 1970 e do final dos anos 1980 até o início dos anos 1990, embora desacelerações regionais menores também tenham ocorrido.
Cada inverno seguiu um padrão semelhante: demonstrações iniciais geraram hype na mídia e pesado investimento governamental ou corporativo, a abordagem subjacente então atingiu limites fundamentais que seus proponentes haviam subestimado, os financiadores perderam a paciência, e os orçamentos de pesquisa entraram em colapso, empurrando muitos pesquisadores a renomear seu trabalho para fora do rótulo "IA" por completo.
Primeiro inverno de IA (meados da década de 1970)
O primeiro inverno foi desencadeado em parte pelo relatório Lighthill do Reino Unido em 1973, encomendado pelo governo britânico, que concluiu que a pesquisa em IA havia falhado em cumprir suas promessas iniciais e levou a grandes cortes no financiamento universitário em todo o país. Nos Estados Unidos, a DARPA reduziu o financiamento aberto de pesquisa em IA depois que projetos de reconhecimento de fala e tradução automática entregaram resultados aquém do esperado; a tradução automática em particular já havia sido danificada anos antes por um relatório do governo dos EUA de 1966 que constatou sua incapacidade de igualar a qualidade humana. Um fator agravante foi o livro de Marvin Minsky e Seymour Papert de 1969 demonstrando os limites matemáticos do perceptron de camada única, o que desencorajou a pesquisa em redes neurais por mais de uma década.
Segundo inverno de IA(final dos anos 1980 ao início dos anos 1990)
O segundo inverno seguiu o colapso do mercado comercial de sistemas especialistas e máquinas LISP especializadas, depois que ambos se mostraram caros de manter e incapazes de escalar para o conhecimento confuso do mundo real fora de seus domínios estreitos. O Projeto Computador de Quinta Geração do Japão, uma grande aposta governamental lançada em 1982 em IA simbólica e programação lógica, falhou em produzir um avanço comercial até sua conclusão em 1992, azedando ainda mais o sentimento dos investidores em todo o mundo. O rótulo "IA" em si tornou-se comercialmente fora de moda durante esse período, e muitos pesquisadores descreveram seu trabalho em vez disso como "aprendizado de máquina", "informática" ou "reconhecimento de padrões".
Legado e debate moderno
A recuperação de cada inverno veio de técnicas mais estreitas e comprovadamente úteis, em vez de renovadas promessas de inteligência geral: aprendizado de máquina estatístico ao longo dos anos 1990 e aprendizado profundo após 2012. Desde o lançamento do ChatGPT em 2022, comentaristas têm perguntado periodicamente se o atual boom de IA, com seu enorme dispêndio de capital e retornos disputados das leis de escalonamento, poderia terminar em um terceiro inverno. Outros argumentam que a IA de hoje, ao contrário de eras anteriores, já gera receita comercial substancial e adoção em massa, tornando um colapso simétrico menos provável, mesmo que uma correção nas avaliações eventualmente ocorra.