Optimisme yang membumbung tinggi di era 1950--1970 mulai menghadapi realita pahit. Komputer yang dijanjikan akan "secerdas manusia" ternyata masih sangat terbatas.
Muncullah istilah "AI Winter" --- periode ketika harapan terhadap kecerdasan buatan runtuh, dana penelitian dipotong, dan kepercayaan publik menurun drastis.
Mengapa AI Gagal Memenuhi Janji?
Ada beberapa alasan utama mengapa ekspektasi besar itu berujung kekecewaan:
Keterbatasan Komputasi
Komputer saat itu sangat lambat dan kecil kapasitasnya. Mimpi membuat AI yang kompleks jadi mustahil secara teknis.
Tidak Bisa Generalisasi
AI hanya bisa menyelesaikan masalah yang sangat spesifik dan terstruktur. Begitu dihadapkan pada situasi baru, sistemnya runtuh.
Kurangnya Data
Era ini belum memiliki data besar (big data) yang menjadi bahan bakar utama pembelajaran mesin modern.
Janji Berlebihan Peneliti
Banyak ilmuwan menjanjikan hasil spektakuler dalam waktu singkat. Ketika gagal dipenuhi, pendanaan dari pemerintah dan lembaga swasta pun dihentikan.
Dua Gelombang AI Winter
Terdapat dua periode utama:
Gelombang Pertama (1974--1980): Inggris dan AS memangkas besar-besaran proyek AI setelah kecewa dengan hasil yang stagnan.
Gelombang Kedua (1987--1993): Setelah munculnya sistem pakar berbasis logika (expert system), ekspektasi kembali naik---tapi lagi-lagi gagal menghadirkan solusi nyata di dunia nyata.
AI seperti kehilangan arah. Publik menyebutnya teknologi yang overhype.
Pelajaran Berharga dari Musim Dingin
Meskipun kelam, masa ini justru menyaring gagasan. Para ilmuwan mulai menyadari pentingnya pendekatan baru: data-driven, statistik, dan pembelajaran dari pengalaman (machine learning).
Musim dingin ini bukan kematian AI, tapi fase pendewasaan.
Penutup:
Dalam dunia teknologi, tidak semua hal berkembang secara linier. Musim dingin AI menunjukkan bahwa jalan menuju kecerdasan buatan sejati penuh liku. Tapi dari kekecewaan itulah muncul benih pembaruan.
Nantikan di artikel berikutnya: "Sejarah AI: Bangkitnya Pembelajaran Mesin dan Era Data"
.