理解 AI 寒冬为评估当今的 AI 声明提供了必要的背景。突破、炒作、过度承诺、未能兑现、资金崩溃的模式已经重复了两次。当前的深度学习热潮是否会遵循同样的模式还是打破它，是 AI 领域最重要的问题。防止另一次寒冬的最好方法是对当前系统能做什么和不能做什么进行诚实的评估。
第一次 AI 寒冬（1974–1980）发生在对符号 AI 和机器翻译的早期乐观之后。Herbert Simon 在 1965 年预测机器将在 20 年内能够完成人类所能做的任何工作。当资助机构意识到这离现实还很遥远时，大幅削减了预算。DARPA 削减了 AI 资金，英国政府的 Lighthill 报告实际上终结了英国十年的 AI 研究资助。
第二次寒冬（1987–1993）发生在专家系统热潮之后。公司在基于规则的 AI 系统上投资了数十亿美元，但这些系统脆弱、维护昂贵且无法处理边缘情况。当 AI 行业萎缩时，甚至有前途的神经网络研究也失去了资金。反向传播（1986年）和卷积网络（1989年）就是在这个时期发明的，但由于计算能力和数据不足而无法进一步发展。
当前的热潮具有前几个周期所没有的优势：技术在规模上确实有效（数十亿人每天使用 LLM）、经济价值是具体的（公司正在节省真金白银并构建真正的产品）、计算能力持续提升。但风险仍然存在：如果 AGI 时间线像过去的预测一样过于乐观、如果当前的规模化范式停滞、或者重大 AI 事故侵蚀公众信任，资金可能会萎缩。历史的教训不是寒冬不可避免——而是诚实的预期是最好的预防。