1950년대부터 본격적인 연구가 시작되었고, 1980년대에는 인공지능 분야에 많은 투자가 진행되었다. 이때 실용적인 시스템들도 개발되었으나 많은 한계에 직면했기에, 이른바 암흑기라고도 불린다. 물론 상용화는 2000년대에 들어와 머신러닝을 뛰어넘을 수 있는 인간의 뇌를 모방한 신경망 네트워크 구조인 딥러닝 알고리즘이 본격적으로 알려지며 가능해졌다.

현재 인공지능은 우리 삶에 없어서는 안 될 존재가 되었다. 인공지능 기술은 대부분 딥러닝을 기반으로 하고, 이미 공개된 오픈소스를 이용한다. 그리고 우리는 ‘특허’란 신규하고 진보된 기술에만 부여되는 것으로 알고 있다. 그런데 인공지능은 블랙박스 영역의 설명할 수 없는 딥러닝 또는 공개된 기술에 기인하는데, 어떻게 인공지능 관련 특허가 창출될 수 있는 것일까.

예를 들어, ChatGPT를 활용한 기술로 특허를 등록할 수 있을지 생각해 보자. 답은 단정하기 어렵다. 경우에 따라 다르기 때문이다. 다만, 기업에서 특허를 창출하기 위하여 작성하는 발명 제안서(기술 개요서)를 분석해 보면, 대략 예상해 볼 수는 있다. 그 방법은 간단하다. 기업에서 제안한 전체 기술에서 ChatGPT가 차지하는 비중을 가늠해 보는 것이다. 여기서 비중은 몇 %와 같은 구체적인 수치를 의미하는 것은 아니다. 기술은 창작적 기술 요소와 공지적 기술 요소의 적절한 조합이라고 표현할 수 있다. 창작적 기술 요소가 충분해야 특허를 등록할 수 있다. ChatGPT는 공지적 기술 요소에 해당한다.

인공지능에 관한 발명은, 필자의 경험상, 크게 2가지로 구분할 수 있다. 첫째, 비즈니스 모델을 큰 숲으로 하고 인공지능 모델을 작은 숲으로 하는 발명이다(Top-down 방식). 둘째, 인공지능 모델을 큰 숲으로 하는 발명이다. 이의 예로서 그림 1을 들 수 있다. 그림 1은 ChatGPT의 근원이라 할 수 있는 구글의 트랜스포머 구조다. 단, 두 번째 유형의 발명이 트랜스포머와 같은 대단한 모델이어야 하는 것은 아니다. 전자와 후자의 차이는 인공지능 모델이 전체 발명에서 차지하는 비중이다. 전자의 발명이 후자의 발명을 모두 포함하는 경우가 있을 수 있다. 이러한 경우는 제외한다.

[그림1. 구글의 트랜스포머 구조]

전자의 발명이 독특한 비즈니스 모델에 관한 발명이고, 독특함을 발명의 구성으로써 잘 표현-발명의 독특한 구성을 명확하게 구체화하고 깊이감 있게 표현-할 수 있다면, 작은 숲인 인공지능 모델의 특허성과 관계없이 특허성을 인정받을 수 있기 때문이다. 한편 전자의 비즈니스 모델과 유사한 비즈니스 모델이 존재한다면, 작은 숲인 인공지능 모델에 특허성이 있어야 한다. 후자의 발명도 특허성을 인정받기 어려운 경우가 있다. 이미 잘 알려진 인공지능 모델을 단순히 활용하기 위한 수준인 경우다.

결국 인공지능 분야 특허 출원을 위해서는 꾸준한 연구를 통해 자신만의 독특함을 준비해야 한다. 그렇다면, 누가 무엇을 연구할 것인가? 개발자는 먼저 논문을 연구해야 한다. 자사 기술이 속하는 기술 분야에서 인공지능이 어떠한 아이디어를 통해 어떻게 연구‧개발되고 있는지 꾸준히 연구할 필요가 있다. 필자는 개발자에게 논문 외에도 선행특허를 연구할 것을 추천한다. 선행특허의 연구는 선행특허의 주된 아이디어 내지 인공지능 모델의 작동 방법을 확인하는 것에 그치는 것이 아니다. 이러한 확인은 기본적이고, 이에 더해 선행특허가 가질 수 있는 한계점을 예상해 보고 그 해결 방안을 고민해 보아야 한다.

‘꾸준한 연구를 통해 독특함을 준비하는 것’은 이상적인 명제다. 실천이 필요하지만, 그 실천을 하기가 참 쉽지 않다. 하지만 누군가는 이를 실천하여 특허를 등록하고 있다. 많은 기업이 인공지능을 도입한 비즈니스 모델을 발표하며 자신들 기술의 우월함과 독창성을 강조한다. 그러나 간단히만 살펴보더라도, 이는 대부분 공개된 인공지능의 알고리즘에 기대고 있거나 이미 존재하는 비즈니스 모델(BM) 특허의 카테고리에 속하는 경우가 많다. 특허를 보면 그 회사를 볼 수 있을 것이다.

 

'전문 보기' 버튼을 누르시면 더 자세한 내용을 확인하실 수 있습니다