AI winter 📖 Wikipedia

AI winter merupakan istilah yang digunakan untuk menggambarkan periode ketika penelitian dan pengembangan kecerdasan buatan mengalami penurunan minat, pendanaan, dan kepercayaan publik. Fenomena ini terjadi akibat ekspektasi berlebihan pada kemampuan teknologi yang tidak diikuti dengan kemajuan nyata. Istilah ini pertama kali mengemuka dalam literatur kecerdasan buatan pada akhir 1980-an, yang memaparkan bagaimana optimisme awal terhadap kecerdasan buatan berubah menjadi skeptisisme sistemik ketika target penelitian tidak tercapai.^[1]

Kemunculan konsep AI winter berkaitan erat dengan perkembangan awal kecerdasan buatan pada 1950–1970-an. Pada masa tersebut, sejumlah peneliti, termasuk Minsky dan Papert, menyatakan klaim ambisius mengenai kemampuan jangka panjang sistem berbasis simbolik. Namun, keterbatasan metodologis segera muncul. Laporan Lighthill (1973) memberikan kritik tajam terhadap proyek-proyek AI di Inggris dan memengaruhi kebijakan pendanaan riset di banyak institusi. Laporan tersebut mengemukakan bahwa penelitian AI tidak mampu memberikan hasil praktis yang sepadan dengan investasi besar yang diterima.^[2]

Pada periode 1970-an, antusiasme terhadap sistem pemrosesan bahasa, logika formal, serta permainan komputer mengalami penurunan akibat kegagalan sistem tersebut dalam menyelesaikan masalah kompleks di dunia nyata. Keterbatasan perangkat keras pada masa itu turut memperlambat pencapaian yang diharapkan oleh komunitas AI. Sejumlah sejarawan teknologi mencatat bahwa ekspektasi yang tidak realistis menjadi faktor utama turunnya minat terhadap penelitian ini.^[3]

AI winter pertama terjadi pada pertengahan 1970-an hingga awal 1980-an. Kritik metodologis terhadap sistem simbolik dan kemampuannya dalam memecahkan persoalan nyata memengaruhi keputusan lembaga pendanaan, termasuk DARPA di Amerika Serikat, yang mengurangi dukungan terhadap riset AI. Menurut Nilsson (1998) penurunan pendanaan tersebut menyebabkan banyak laboratorium penelitian mengalihkan fokus ke bidang lain seperti robotika atau pemrosesan sinyal. Pada saat yang sama, kemampuan sistem AI terbukti kurang stabil ketika diterapkan pada lingkungan non-laboratorium. Kelemahan ini semakin menegaskan kesenjangan antara teori dan implementasi, sehingga memperkuat persepsi bahwa kecerdasan buatan berada jauh dari tujuan jangka panjangnya.^[4]

AI winter kedua terjadi pada akhir 1980-an hingga awal 1990-an, terutama dipicu oleh keruntuhan industri sistem pakar. Pada periode 1980-an, sistem pakar menjadi pusat perhatian karena dianggap sebagai solusi teknologi yang mampu menggantikan kemampuan profesional manusia di berbagai bidang. Namun, biaya pemeliharaan yang tinggi, keterbatasan fleksibilitas, dan kegagalan sistem dalam menghadapi kasus-kasus baru menyebabkan penurunan drastis terhadap adopsinya. Penelitian oleh Feigenbaum (1992) menunjukkan bahwa banyak perusahaan menghentikan proyek sistem pakar karena hambatan teknis dan ekonomi yang tidak dapat diatasi.^[5]

Mundurnya investasi korporasi dan pemerintah dalam sistem pakar memengaruhi ekosistem penelitian AI secara keseluruhan. Beberapa laboratorium ditutup, sementara universitas menurunkan alokasi sumber daya untuk riset berbasis pengetahuan. Dampak ini diperkuat oleh kegagalan komputer Lisp dan perangkat keras khusus AI untuk menembus pasar umum, sebagaimana dijelaskan oleh Fumio (1994).^[6]

Walaupun kedua periode AI winter mengakibatkan perlambatan signifikan dalam kemajuan kecerdasan buatan, era tersebut memberikan fondasi bagi pendekatan baru. Kebangkitan kembali AI pada pertengahan 1990-an dipicu oleh kemajuan statistik, komputasi probabilistik, dan peningkatan daya pemrosesan komputer. Metode seperti jaringan syaraf tiruan, pengklasifikasi probabilistik, dan algoritma pembelajaran mesin modern menunjukkan hasil yang lebih stabil dan terukur dibandingkan pendekatan simbolik terdahulu. Perkembangan ini dijelaskan secara komprehensif oleh Bishop (2006) yang menekankan bagaimana perubahan paradigma metodologis menghidupkan kembali minat terhadap kecerdasan buatan.^[7]

Pemulihan dari AI winter juga didorong oleh ketersediaan dataset besar dan peningkatan kapasitas komputasi. Dengan masuknya teknik pembelajaran mendalam pada awal abad ke-21, penelitian AI memasuki fase perkembangan baru yang jauh lebih produktif dibandingkan era sebelumnya. Namun, sejumlah peneliti mengingatkan bahwa risiko memasuki siklus AI winter baru masih mungkin terjadi apabila ekspektasi publik kembali melampaui kemampuan teknologi aktual.^[8]

1. ^ Crevier, Daniel (1993). "Wayback Machine" (PDF).
2. ^ Lighthill, Sir James (1973). Artificial Intelligence: A General Survey (PDF). UK: Science Research Council. Pemeliharaan CS1: Status URL (link)
3. ^ Russell, Stuart Jonathan; Norvig, Peter; Davis, Ernest (2010). Artificial Intelligence: A Modern Approach (dalam bahasa Inggris). Prentice Hall. Pemeliharaan CS1: Status URL (link)
4. ^ Nilsson, Nils J. (1998-03). Artificial Intelligence: A New Synthesis. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc. Pemeliharaan CS1: Status URL (link)
5. ^ Feigenbaum, Edward (2003-07-15). "Some Challenges And Grand Challenges For Computational Intelligence « the Kurzweil Library" (dalam bahasa American English). Diakses tanggal 2025-11-15.
6. ^ Dikian, Dr Jack. "The AI winter of 1984 (the end of LISP machines)".
7. ^ Bishop, Christopher M. (2006). Pattern Recognition and Machine Learning (dalam bahasa Inggris). Springer. Pemeliharaan CS1: Status URL (link)
8. ^ Domingos, P (2015). "the master algorithm: How the quest for the ultimate learning machine will remake our world". psycnet.apa.org (dalam bahasa Inggris). Diakses tanggal 2025-11-15.