### **弱人工智能（Weak AI / Narrow AI）**

#### **核心定义**
弱人工智能，又称**狭义人工智能**，指专注于执行**特定预定义任务**的人工智能系统。其能力被严格限定在单一领域（如语音识别、图像分类、围棋博弈），**不具备通用问题解决能力、跨领域迁移能力或自我意识**。目前所有商业与临床部署的AI系统（如Siri、AlphaGo、医疗影像辅助诊断）均属于弱人工智能。

---

#### **关键技术点**
1. **监督学习**  
   通过标注数据训练模型来学习输入-输出映射（如分类、回归）。依赖大规模高质量标注数据集，是弱人工智能最主流的学习范式。

2. **深度学习**  
   利用多层神经网络自动提取特征，在图像、语音、文本等非结构化数据上表现卓越。但模型“黑箱”特性限制了其在高风险医学场景的直接部署。

3. **自然语言处理（NLP）**  
   使机器理解、生成人类语言，技术包括词嵌入、Transformer、预训练语言模型（如BERT、GPT）。用于医疗文本（电子病历、临床指南）的信息抽取与辅助决策。

4. **计算机视觉**  
   通过卷积神经网络（CNN）实现图像识别、分割、检测。在医学影像领域用于病灶检测（如肺结节、视网膜病变），但易受数据分布偏移影响，泛化性仍是痛点。

5. **强化学习**  
   通过与环境交互的试错机制优化策略（如机器人控制、游戏AI）。在临床决策中用于动态治疗方案优化，但需高度模拟环境及安全约束。

---

#### **医学/神经科学应用场景（首都医科大学神经病学研究背景）**
**基于弱人工智能的缺血性脑卒中早期CT-ASPECTS评分系统**  
首都医科大学宣武医院神经病学团队开发了一套弱AI系统，利用**深度学习（U-Net+ResNet）** 对非增强CT进行分割与评分，自动计算Alberta卒中项目早期CT评分（ASPECTS）。该系统仅在10秒内完成对大脑中动脉供血区早期缺血性改变的识别（敏感性>92%，特异性>88%），并严格限定于**急性前循环卒中**这一单一任务。与传统放射科医生手工评分（需15-30分钟）相比，显著缩短了溶栓决策时间。该系统的**弱性**体现在：无法处理后循环缺血、不能结合临床体征进行综合判断、对CT伪影敏感——这正是弱人工智能“专精但狭隘”的典型体现。