结构存在特定技术关联，提升了训练过程中硬件的执行效果，从 而获得符合自然规律的计算机系统内部性能改进的技术效果，从 而构成技术方案。

但是，如果一项权利要求仅仅是利用计算机系统作为实现人 工智能算法或模型运行的载体，未体现出算法特征与计算机系统 的内部结构之间的特定技术关联，则不属于情形二的范围。

例如，一种对神经网络进行训练的计算机系统，包括存储器 和处理器，其中存储器存储指令，处理器读取指令，以利用优化 损失函数对神经网络进行训练。

该解决方案中，计算机系统中的存储器、处理器仅是算法存 储和执行的常规载体，利用优化损失函数对神经网络进行训练涉 及的算法特征与计算机系统包含的存储器和处理器之间未产生 特定技术关联，该方案解决的是优化神经网络训练的问题，不属 于技术问题，获得的效果也只是提升模型训练效率，不属于改进 计算机系统内部性能的技术效果， 因此不构成技术方案。

情形三：基于人工智能算法挖掘具体应用领域的大数据中符 合自然规律的内在关联关系

人工智能算法或模型在各领域应用时，可以进行数据分析、 评估、预测或推荐等。对此类申请，如果权利要求中体现出处理 的是具体应用领域的大数据，利用神经网络等人工智能算法挖掘 数据之间符合自然规律的内在关联关系，解决了如何提升具体应 用领域大数据分析可靠性或精确性的技术问题，并获得相应的技

术效果，则该权利要求的方案构成技术方案。

利用人工智能算法或模型进行数据挖掘并训练出能够根据 输入数据得到输出结果的人工智能模型的手段不能直接构成技 术手段，只有当基于人工智能算法或模型挖掘出的数据之间的内 在关联关系符合自然规律时，相关手段整体上方可构成利用自然 规律的技术手段。因此，需要在权利要求记载的方案中明确为得 到分析结果，具体采用了哪些指标、参数等来反映被分析对象的 特点，利用人工智能算法或模型挖掘出的这些指标、参数等（模 型输入）与结果数据（模型输出）之间的内在关联关系是否符合 自然规律。

例如，一种食品安全风险预测方法，获取并分析历史食品安 全风险事件，得到表征食品原料、食用物品、食品抽检毒害物的 各个头部实体数据和尾部实体数据、及其对应的时间戳数据，根 据各个头部实体数据及其对应的尾部实体数据、及其对应的携带 有时间戳数据的表征各类危害物含量等级、风险或干预的实体关 系，构建对应的四元组数据，得到对应的知识图谱；利用所述知 识图谱对预设神经网络进行训练 ，得到食品安全知识图谱模型； 基于所述食品安全知识图谱模型对待预测时刻的食品安全风险    进行预测。