La promesa de crear máquinas inteligentes ha llevado a expectativas demasiado altas, que a menudo no se cumplieron. Esto resultó en desilusión entre investigadores y financistas cuando las tecnologías no lograron cumplir con las proyecciones iniciales.

La falta de poder computacional y datos suficientes limitó el avance de la IA durante las décadas de 1970 y 1980. Las computadoras de la época no podían manejar los complejos algoritmos necesarios para el aprendizaje automático.La cibernética sentó las bases para la IA al proporcionar un marco para entender cómo las máquinas pueden simular procesos cognitivos humanos. Los principios cibernéticos, como la retroalimentación y el control, han sido esenciales para el diseño de algoritmos de aprendizaje automático que permiten a las máquinas adaptarse y mejorar con el tiempo.

A medida que los resultados no cumplían con las expectativas, los inversores y gobiernos redujeron la financiación en investigación de IA. Esto resultó en una disminución significativa de proyectos y publicaciones en el campo.

A pesar de estos períodos difíciles, la IA ha resurgido en la última década gracias a avances en algoritmos, poder computacional y la disponibilidad de grandes volúmenes de datos. Esta resurrección ha permitido a la IA superar muchos de los desafíos que anteriormente obstaculizaban su desarrollo.