[정보통신신문=차종환기자]

'인공지능(AI)'. 요즘 많은 스타트업 기업들이 자사 서비스 홍보를 위해 사용하는 단어이다. 그만큼 인공지능은 기술적 측면에서든 마케팅 측면에서든 기업에게 중요한 단어가 되었다.

사실 인공지능이 명료하게 정의될 수 있는 개념은 아니기 때문에 왠만한 분류나 결정 알고리즘에 전부 인공지능이라는 이름을 붙여도 무리가 없다. 다만, '인공지능'의 정의를 굳이 내린다면 일반적으로 지도학습, 비지도학습, 강화학습 따위를 이용한 기계학습(Machine Learning)에 기반한 것으로 정의할 수 있을 것이다.

그렇다면 특허의 대상이 되는 '인공지능 발명'이란 무엇일까?

'인공지능 발명'은 크게 2가지 유형으로 나눌 수 있다. '인공지능 모델 자체의 개발'과 '이미 알려진 인공지능 모델을 활용한 비즈니스 모델의 개발'이 그것이다. 물론 두 가지 유형이 택일적인 관계는 아니다. 전자가 후자에 비해 좀 더 기술적인 요소를 포함한다고 할 수 있다.

첫 번째 유형의 핵심은 인공지능 모델의 학습 방법과 모델이다. 학습의 핵심은 학습데이터에 있으므로 모델을 학습시키기 위한 학습데이터가 구체적으로 특정되어야 하고 입력데이터와 출력데이터 사이의 상관관계가 합리적이어야 한다.

예를 들어, 기상 데이터(온도 정보, 습도 정보 등)와 환경 데이터(미세먼지 정보)를 학습 데이터로 하고 기계학습 모델을 이용하여 주택의 온도를 자동으로 제어하는 발명의 경우, 미세먼지 농도와 온도 제어와의 상관관계에 대한 근거가 없기 때문에 특허성을 인정받기 힘들다.

데이터 전처리에 특징이 있으면 이를 구체적으로 정리하여야 한다. 예를 들어, 입력데이터로부터 주요 특징을 도출하는 구성, 특정 규격화(벡터화, 정규화, 표준화)된 학습 데이터를 생성하는 방법을 구체화시켜야 한다. 전처리 방법에 따라 인공지능 모델의 성능 향상이 예상되거나 입증된다면 특허성을 인정받을 수 있다.

학습모델이 구체적으로 특정된 경우는 학습 환경 구성, 학습모델 검증, 복수 학습모델들의 연계, 분산 또는 병렬 처리, 하이퍼 파라미터(hyper parameter) 최적화를 구현하는 구성 등을 구체적으로 기재하는 경우를 의미한다.

두 번째 유형은 이미 알려진 인공지능 모델을 활용 내지 응용하여 비즈니스 모델을 개발한 것이다. 인공지능 기술은 이미 구글 등에서 개발 완료된 모듈을 가져와 파이썬 등을 이용해 적용하는 것이 대부분인 경우가 많기 때문에 두 번째 유형이 첫 번째 유형보다 비중도 높고 특허출원 비율도 훨씬 높다.

이 경우, 인공지능 모델 자체에 특징이 있는 것이 아니기 때문에 인공지능 모델의 결과 데이터를 어떻게 활용할 것인지, 기존에 활용하지 않았던 분야에 인공지능 기술을 적용함으로써 발생된 더 나은 효과가 무엇인지 등을 객관적인 증거로 입증하거나 구체적인 실시 예로 정리할 필요가 있다.

예를 들어, 이미지 분석 기법으로 널리 활용되는 CNN(Convolutional Neural Network)을 이용해 자동차 사고 부위의 사진을 분석하여 파손 정도를 검출하는 구성이 종래에 이미 존재한다고 하더라도 그에 기반하여 수리 견적을 자동으로 생성해주고 파손 유형에 따른 정비사 리스트를 자동으로 추천해주는 알고리즘이 더해진다면 이는 인공지능 기술을 활용하여 사용자 편의를 높이는 효과가 발생한 것이므로 인공지능 발명으로 인정받을 수 있다.

다만, 기존에 사람이 수행하고 있는 업무 또는 비즈니스 방법을 공지된 인공지능 기술로 단순히 치환하여 시스템화한 경우, 출원전 공지된 인공지능 기술을 단순 부가하는 경우, 인공지능 기술의 구체적 적용을 단순히 설계 변경(예를들어, CNN을 RNN으로 변경)하였으나 이것에 의해 더 나은 효과가 발생한다고 보기 어려운 경우 등에는 인공지능 발명으로 인정받기 쉽지 않으므로 유의하여야 한다.

차종환 기자 다른기사 보기