在人类探索智能技术的历史长河中，人工智能（AI）作为一项前沿科技，经历了数次高潮与低谷。从最初的理论构想到如今的广泛应用，AI的发展并非一帆风顺。其中，第二次低谷期尤为引人注目，它不仅反映了技术发展的局限性，也揭示了当时社会对AI期望与现实之间的巨大落差。

早在20世纪70年代初期，随着早期AI研究项目的推进，人们开始意识到实现通用人工智能（AGI）远比想象中困难得多。尽管早期成果令人振奋，比如能够解决数学证明或下棋等特定任务的程序，但这些系统往往依赖于高度专业化的设计，并不具备广泛适应性和学习能力。当尝试将类似方法扩展到更复杂问题时，资源消耗和技术瓶颈迅速显现出来。此外，由于缺乏足够的计算能力和数据支持，许多原本被寄予厚望的研究项目最终未能达到预期效果。

与此同时，公众对于AI潜力的认知也在发生变化。一方面，媒体对AI成就进行了过度宣传；另一方面，在实际应用过程中却遭遇了一系列挫折。例如，一些试图模仿人类自然语言处理功能的系统表现不佳，导致投资者信心下降，政府资助减少，学术界内部也出现了分歧。这种内外部因素共同作用下，形成了所谓的“AI寒冬”。

具体来说，这次低谷期大约发生在1974年至1980年间。在这段时间里，全球范围内几乎所有大型AI研究计划都受到了不同程度的影响。特别是在美国，联邦政府削减了相关预算，使得许多实验室不得不缩小规模甚至关闭。而欧洲的情况虽然稍好一些，但也难以避免整体趋势带来的冲击。

然而，值得注意的是，尽管处于低谷期，仍然有一些重要突破正在悄然发生。例如，专家系统这一概念逐渐兴起，并为后来的知识工程奠定了基础。同时，随着微电子技术和存储设备的进步，硬件方面的限制也开始有所缓解。更重要的是，研究人员开始重新审视AI的本质问题，思考如何构建更加灵活且高效的算法模型。

综上所述，人工智能发展历程中的第二次低谷期可以追溯至1970年代中期至晚期。这段时期不仅是技术探索过程中的必要阶段，也是促使我们重新定义AI发展方向的关键时刻。通过总结经验教训，科学家们为后续第三次浪潮的到来做好了准备，从而开启了新一轮的技术革新之旅。