AI Winter

AI Winter nennt man die Perioden in der Geschichte der KI-Forschung, in denen Fördergelder versiegten, Forschungsprogramme eingestellt wurden und die öffentliche Meinung von Enthusiasmus in Skepsis kippte.

Der erste AI Winter (ca. 1974–1980) folgte auf den vernichtenden Lighthill Report von 1973, der dem britischen Parlament bescheinigte, dass die KI-Forschung ihre Versprechen nicht eingelöst habe. Die Folge: Großbritannien und die USA strichen die Förderung drastisch zusammen.

Der zweite AI Winter (ca. 1987–1993) traf die Expertensysteme. Diese regelbasierten Programme galten in den 80ern als die Zukunft der KI und zogen Milliarden an Investitionen an. Doch sie erwiesen sich als spröde, schwer wartbar und unfähig, mit Unsicherheit oder neuem Wissen umzugehen. Als der Markt für spezialisierte LISP-Hardware zusammenbrach, verschwanden die Expertensysteme — und mit ihnen die Förderung.

Beide Winter folgten dem gleichen Muster: überhöhte Erwartungen → enttäuschte Geldgeber → Kürzungen → Talentabwanderung. Die Forscher, die durchhielten (darunter Geoffrey Hinton, Yann LeCun und Yoshua Bengio mit ihren neuronalen Netzen), legten die Grundlagen für den aktuellen Boom.

Ob der gegenwärtige KI-Sommer, angetrieben durch Deep Learning und Transformer seit 2012, ebenfalls in einen Winter münden wird, ist Gegenstand regelmäßiger Debatte. Skeptiker verweisen auf die enormen Kosten des Modelltrainings und abnehmende Skalierungsgewinne.