2.  人工智能算法或模型与计算机系统内部结构产生特定技

术关联

若人工智能算法或模型与计算机系统的内部结构存在特定 技术关联，实现了对计算机系统内部性能的改进，在创造性评判

时，会将方案中的算法特征与技术特征作为一个整体考虑。

对计算机系统内部性能进行改进的情形，包括：通过调整硬 件系统的体系构架来支持或优化特定算法或模型的运行，通过算 法或模型的执行来优化计算机系统中硬件资源的调度等。在这种 情形下，方案中的算法特征与技术特征将作为一个整体考虑，如 果现有技术未给出技术启示，则方案具备创造性。

例如，某申请涉及一种调整卷积神经网络的方法，通过神经 网络定点化来降低资源使用量，使带低比特定点量化的神经网络 模型能够在低比特位宽的FPGA 平台上运行 ， 能够在低位宽的 情况下实现媲美浮点网络的计算精度。最接近的现有技术公开了 一种用于卷积神经网络的基于动态定点参数的定点训练方法，该 方法在卷积神经网络的训练过程中，使用定点的方式进行前向计 算，在若干训练周期之内，将网络精度达到浮点计算的水平。该 方案与最接近的现有技术的区别在于，在使用高比特定点量化对 卷积神经网络进行训练后 ，通过 FPGA 的低比特位宽对卷积神 经网络进行微调。基于该区别特征，本申请解决了将多层级大数 据量的卷积神经网络用于小型 FPGA 嵌入式系统以克服资源有 限的技术问题 ， 降低卷积神经网络在FPGA 平台上训练的资源 使用量，获得计算机系统内部性能改进的技术效果。将算法特征 和 FPGA 的低比特位宽等技术特征作为一个整体考虑 ，现有技 术中并不存在技术启示 ，该方案具备创造性。

3.  人工智能算法或模型与技术特征共同构成技术手段提升

了用户体验

若方案中的人工智能算法特征与技术特征一起，提升了用户 体验，在创造性评判时，会将算法特征与技术特征作为一个整体 考虑，如果现有技术未给出技术启示，则方案具备创造性。

例如，某申请涉及一种在线客服的实现方法，解决现有电子 商务平台中，用户倾向于通过人工客服处理投诉咨询等业务，造 成机器人客服和人工客服资源没有被合理利用，人工客服处理压 力大的技术问题。主要采用的解决方案包括：采用长短时记忆网 络分析用户请求的上下文，结合遗传算法优化人工与机器人客服 的动态分配 。当检测到人工客服负载过重时 ，系统利用长短时记 忆网络预测并自动将适合的请求导向机器人客服，以减轻人工客 服的处理压力。最接近的现有技术公开了一种实现与在线客服聊 天的方法，具体公开了用户可以自 由选择和切换三种与客服沟通 的方式：仅机器人客服、机器人客服优先、人工客服优先，其中 “人工客服优先” 方式中，当已达到人工接待上限或存在排队等待 情况，则由机器人客服与用户通讯。最接近的现有技术主要基于 用户选择来切换人工或机器人客服，且判断人工客服是否繁忙的 依据是接待是否已达上限或是否有排队等待情况出现，这与本申 请根据人工智能算法权衡后进行自动切换不同，该解决方案基于 访问负载通过人工智能算法分析并自动切换机器人客服能够解 决在机器人客服与人工客服之间更合理地分配用户服务请求的