[리걸타임즈 IP Law] 인공지능 관련 발명의 특허출원 전략
[리걸타임즈 IP Law] 인공지능 관련 발명의 특허출원 전략
  • 기사출고 2021.05.06 07:24
이 기사를 공유합니다

특허청, 심사실무 가이드 발표

2019년 한 해 전 세계 인공지능 분야 특허출원이 2000년 대비 약 4.5배 증가하여 101,876건에 달하였다(AI Index Report 2021). 한편 인공지능 분야 논문에 대한 특허출원 건수의 비율은 2010년 8:1에서 2016년 3:1로 변화하였다(WIPO Technology Trends 2019). 이는 인공지능 분야 연구개발이 이론적 영역에서 제품과 서비스 등 상업적 영역으로 이동했음을 보여준다. 종래 심사기준은 인공지능 분야에 적용하기 위해 보완이 필요하다는 지적이 많았다.

인공지능 분야 특허출원 급증

이에 대해 특허청은 2021년 1월 "인공지능 분야 심사실무 가이드(이하 "인공지능 분야 심사기준")"를 발표하였다. 이 글에서는 인공지능 분야 심사기준의 주요 내용을 살펴보고 특허출원 전략에 대해 짚어본다.

◇이만금 변리사(좌), 김시훈 변리사
◇이만금 변리사(좌), 김시훈 변리사

특허출원의 발명의 설명에는 통상의 기술자가 해당 발명을 이해하여 쉽게 재현할 수 있을 정도로 그 발명을 기재해야 한다. 종래 컴퓨터 프로그램 발명의 경우에는 컴퓨터가 수행하는 정보 처리의 순서와 내용을 통상의 기술자가 이해할 수 있을 정도로 설명하면 됐다. 그러나 인공지능에 의해 구현된 프로그램은 종래 프로그램과 같은 방식으로 설명하는 것이 사실상 불가능하다. 인공지능은 인공신경망의 토폴로지, 가중치, 활성화 함수 등을 포함하는 복잡한 수학 공식으로 특정될 수 있을 뿐 인공지능이 수행하는 추론과정을 사람이 이해할 수 있도록 설명하는 것은 극히 어렵다. 그렇다면 인공지능 발명은 어떻게 설명하여 특허를 받을 수 있을지 문제 된다. 이와 관련하여 인공지능 분야 심사기준에서 주목할 지침은 다음의 세 가지이다.

(1) 인공지능 관련 발명을 구현하기 위한 구체적 수단을 기재해야 한다. 인공지능 관련 발명을 구현하기 위한 구체적인 수단으로는 학습 데이터, 데이터 전처리 방법, 학습 모델, 손실 함수(loss function) 등이 있다.

(2) 기계 학습의 응용에 특징이 있는 경우 통상의 기계 학습 방법을 활용하여 발명의 기술적 과제를 해결할 수 있고, 발명의 효과를 확인할 수 있다면 학습 데이터를 이용하여 학습시키고자 하는 학습 모델 또는 학습 방법에 대한 구체적 기재를 생략할 수 있다.

(3) 인공지능 관련 발명의 경우에는 입력 데이터와 학습된 모델의 출력 데이터 간의 상관관계를 구체적으로 기재해야 한다. 다만, 통상의 기술자가 출원시의 기술상식으로 발명의 설명에 기재된 실시예를 통해 상관관계를 추정 또는 파악할 수 있는 경우에는 기재를 생략할 수 있다.

인공지능 분야 심사기준은 인공지능 구현 수단을 구체적으로 기재할 것을 요구하면서, 구체적 수단으로서 학습 데이터, 데이터 전처리 방법, 학습 모델, 손실 함수(loss function) 등을 제시하였다. 인공지능은 학습 데이터, 학습 모델 등으로 특정할 수 있으므로 어찌 보면 당연한 지침이라 할 수도 있을 것이나, 이들 요소들을 얼마나 구체적으로 기재해야 하는지는 여전히 문제 된다. 이와 관련하여 인공지능 분야 심사기준은 학습 모델이나 학습 방법이 통상적이라면 구체적 설명을 생략하는 것도 허용하였다. 이는 종래 컴퓨터 프로그램과 구분되는 인공지능 특유의 기술적 성질을 고려하면서도 출원인의 편익을 감안하여 명세서 작성 부담을 상당 부분 완화한 것이어서 의미가 있다.

한편 인공지능 분야 심사기준은 '입력 데이터와 학습된 모델의 출력 데이터 간의 상관관계'를 기재할 것도 요구하고 있다. 인공지능에 있어서, 입출력 데이터의 상관관계는 발명이 해결하려는 기술적 과제와 과제 해결 수단을 이해하기 위한 필수적 요소이므로, 그러한 설명을 생략할 수는 없을 것이다. 입출력 데이터의 상관관계를 설명하는 방식에는 제한이 없으며, 예를 들어 시뮬레이션 결과로 설명할 수도 있을 것이다.

시뮬레이션 결과로 설명할 수도 있을 것

선행기술과 대비하여 인공지능을 구현하기 위한 구체적 수단에 차이가 있고 그로 인하여 예측되는 효과 이상의 더 나은 효과를 얻을 수 있다면 진보성이 인정될 수 있다. 인공지능 분야 심사기준은 진보성이 인정되는 경우와 부정되는 경우를 다수의 사례로 해설하고 있다.

먼저 진보성 인정 사례로는, (1) 데이터의 전처리에 특징이 있는 경우, (2) 학습 데이터에 특징이 있는 경우, (3) 학습 모델 자체에 특징이 있는 경우, (4) 학습 결과물의 활용에 특징이 있는 경우, (5) 발명이 사용되는 산업분야가 다른 경우가 제시되어 있다. 이들 사례를 보면 인공지능 개발 과정에서 도출되는 아이디어 가운데 어떤 것을 구체화하여 특허로 받을 수 있는지를 유추해 볼 수 있다. 학습 데이터를 생성하기 위한 원시 데이터의 처리 방법, 종래 학습 모델에 가해진 수정이나 변경, 해당 발명에 적용된 학습 방법, 학습이 완료된 모델, 최종 제품과 서비스 등 인공지능 개발 과정에서 도출된 아이디어로서 종래 기술에 비해 더 나은 효과를 달성할 수 있다면 진보성을 인정받을 수 있다.

◇AI 발명의 개요도(특허청 인공지능 분야 심사기준에서 발췌)
◇AI 발명의 개요도(특허청 인공지능 분야 심사기준에서 발췌)

한편 인공지능 분야 심사기준은 진보성이 부정된 사례도 제시하고 있는데, 이들 사례에서 공통적으로 고려하고 있는 것은 해당 인공지능을 구현하기 위한 기술적 구성을 구체적으로 특정하고 있는지 여부이다. 따라서 인공지능 구현 수단을 구체적으로 제시하지 않은 특허출원은 진보성을 인정받기 어려울 것이다. 이 지침은 근래 일부 특허출원이 인공지능을 어떤 문제든 해결할 수 있는 요술 상자처럼 기재하면서 해당 인공지능을 구현하기 위한 수단은 구체적으로 제시하지 않고 있는 현실을 반영한 것이다.

자사 제품이나 서비스 가운데 역설계가 가능한 기술은 특허로 보호하는 것이 일반적이다. 이는 인공지능 분야도 마찬가지다. 예를 들어 학습 데이터에서 효과적인 요인(feature) 추출에 성공한 경우로서 그러한 요인을 제품이나 서비스로부터 쉽게 파악할 수 있는 경우라면 특허출원을 고려해야 한다는 것이다. 반대로 학습 모델이나 학습 방법과 같이 역설계를 통해 파악하기 어려운 내부 알고리즘은 영업비밀로 보호하는 방안을 검토해 볼 수 있다.

인공지능 구현 수단 구체적 제시 필요

특허출원을 한다고 하여 자사 기술을 모두 공개해야 하는 것은 아니다. 인공지능 구현 수단 가운데 특허를 받고자 하는 부분 위주로 공개하면 된다. 예를 들어, 학습 데이터에서 효과적인 요인을 추출하였다면 해당 요인과 출력 사이의 상관관계를 설명하고 그러한 요인에 의해 얻을 수 있는 효과, 예를 들면 연산 속도의 가속화 등 기술적 효과 위주로 발명을 설명하면 되며, 학습 모델 등 내부 알고리즘에 대한 설명은 최소화할 수 있다. 그러나 최초 출원시 누락한 신규사항은 사후 추가할 수 없으므로 주의가 필요하다.

특허청의 인공지능 분야 심사기준은 인공지능 발명의 명세서 작성 지침을 상세히 해설하고 있을 뿐만 아니라 인공지능 구현 수단 가운데 특허로 보호받을 수 있는 기술을 식별하기 위한 가이드 역할도 할 수 있을 것으로 보인다. 이번 심사기준은 다양한 연구개발 주체와 특허 업무 관계자를 위한 가이드로서 실무상 활용이 많을 것으로 기대된다.

이만금 · 김시훈 · 이상현 변리사(김앤장 법률사무소, mklee@kimchang.com)