第一次 AI 寒冬（1974–1980）發生在對符號 AI 和機器翻譯的早期樂觀主義之後。Herbert Simon 在 1965 年預測機器將在 20 年內能夠做任何人類可以做的工作。當資助機構意識到這遠非現實時，它們削減了預算。DARPA 削減了 AI 資金，英國政府的 Lighthill 報告有效地扼殺了英國十年的 AI 研究資金。
第二次寒冬（1987–1993）發生在專家系統熱潮之後。公司投入了數十億美元在基於規則的 AI 系統上，這些系統脆弱、維護成本高昂，且無法處理邊緣案例。當 AI 產業收縮時，即使是有前途的神經網路研究也失去了資金。反向傳播（1986年）和卷積網路（1989年）都是在這個時期發明的，但由於計算和資料不足而無法進一步發展。
目前的熱潮具有前幾次週期所缺乏的優勢：技術在規模上確實有效（數十億人每天使用 LLM）、經濟價值是具體的（公司正在節省真正的資金並建造真正的產品），計算能力持續提升。但風險仍在：如果 AGI 的時間表和過去的預測一樣樂觀、如果當前的擴展範式趨於平穩，或者如果重大的 AI 事件侵蝕公眾信任，資金可能會收縮。歷史的教訓不是寒冬是不可避免的——而是誠實的期望是最好的預防。