पहला AI winter (1974–1980) symbolic AI और machine translation के बारे में शुरुआती आशावाद के बाद आया। Herbert Simon ने 1965 में भविष्यवाणी की कि 20 वर्षों में machines मनुष्य के किसी भी काम को करने में सक्षम होंगी। जब funding agencies को एहसास हुआ कि यह वास्तविकता से कहीं दूर है, उन्होंने budgets काट दिए। DARPA ने AI funding कम की, और British government की Lighthill Report ने UK में एक दशक के लिए AI research funding को प्रभावी रूप से समाप्त कर दिया।
दूसरा winter (1987–1993) expert systems boom के बाद आया। Companies ने rule-based AI systems में अरबों निवेश किए जो brittle, maintain करने में महंगे, और edge cases संभालने में असमर्थ थे। जब AI industry contract हुई, तो promising neural network research ने भी funding खो दी। Backpropagation (1986) और convolutional networks (1989) इसी period में invent हुए लेकिन insufficient compute और data के कारण आगे develop नहीं हो सके।
वर्तमान boom में ऐसे advantages हैं जो पिछले cycles में नहीं थे: technology demonstrably scale पर काम करती है (अरबों लोग daily LLMs का उपयोग करते हैं), economic value concrete है (companies वास्तविक पैसे बचा रही हैं और वास्तविक products बना रही हैं), और compute improve होता रहता है। लेकिन risks बने हुए हैं: यदि AGI timelines past predictions जितने optimistic साबित हों, यदि वर्तमान scaling paradigm plateau हो, या यदि कोई major AI incident public trust को erode करे, तो funding contract हो सकती है। History से सबक यह नहीं है कि winters inevitable हैं — यह है कि honest expectations सबसे अच्छी prevention हैं।