隨著互聯網技術的發展，人工智能技術的日新月異，各產業都在不斷探索人工智能技術，人工智能的基礎是神經網絡模型，人工智能在個性化推薦、圖片處理、文本處理、語音處理等各領域都有廣泛的應用。神經網絡模型歸根結底是一種機器學習的算法，通過對神經網絡模型的訓練，使得神經網絡模型具備相應的能力。而算法通常會被歸結到智力活動規則和方法上，不屬于專利法第二條的規定，屬于專利法第二十五條規定的不授予專利權的客體，因此，需要代理人在處理神經網絡模型類的方案時，要特別注意，避免因出現客體問題而導致申請無法被授予專利權。

在審查指南中，關于判斷涉及智力活動的規則和方法的專利申請要求保護的主體是否屬于可授權的客體時應當遵循以下原則：

1. 如果一項權利要求僅僅涉及智力活動的規則和方法，則不應當被授予專利權。

    

2. 如果一項權利要求在對其進行限定的全部內容中既包含智力活動的規則和方法的內容，又包含技術特征，則該權利要求就整體而言并不是一種智力活動的規則和方法，不應當依據專利法第二十五條排除其獲得專利權的可能性。

由此可知，在對涉及算法類申請進行審查時，不僅要看權利要求是否包括智力活動的規則和方法，還要看該權利要求中是否包含了技術特征，只有包含了技術特征，算法的執行能直接體現出利用自然規律解決某一技術問題的過程，并獲得了相應的技術效果，該申請屬于專利法第二條第二款規定的技術方案。

目前一些通用的神經網絡模型的改進是在模型結構上，在應用場景上是具有普適性的，可以應用在多種業務場景，但是如果在權利要求中僅僅只是對模型結構的改進加以描述，會被審查認為“該問題是對神經網絡模型結構的改進問題，而不是一個技術問題”。同時，因為權利要求中僅僅設計模型架構本身的信息而沒有結合具體應用場景，也會被審查員認為“沒有和具體的技術領域相結合，僅僅是一種對神經網絡模型結構的生成改進方法，因此采用的技術手段也不是技術手段”，達到的效果也是獲得不同與往的新的網絡結構，而不是技術效果。

因此，代理人在遇到神經網絡模型類的案件時，一定要跟發明人深度溝通，了解該網絡模型在是實際應用中的具體應用場景。將網絡模型和應用場景進行結合，這里的結合并不僅僅是字面意義上的結合，應該是網絡模型和應用場景如何結合。

例如，在某個權利要求中提到“獲取初始網絡模型和**業務對應的業務信息，……”，之后就只對初始網絡模型結構如何調整進行限定，此時還是會被審查員認為沒有結合具體應用場景，從而不屬于專利法保護的客體。對于此，我們要將業務信息在初始網絡模型中是如何處理的過程進行描述，體現出網絡模型與具體應用領域之間的相互影響，例如對于一個圖像處理業務，在網絡模型中模型架構、參數的調整過程中，要結合圖像對應的圖像特征。體現出“圖像”與“網絡模型”之間的相互作用。

綜上，在涉及到神經網絡模型的方案中，如果涉及神經網絡模型的架構改進，無論是模型的應用還是模型的訓練，在撰寫申請文件時，不應該僅描述神經網絡模型架構本身的特征，而應該結合具體應用場景的業務數據，描述神經網絡模型架構和具體業務數據之間是如何配合實現本申請的技術方案，并實現相應的技術效果。