인공지능 발명을 특허로 등록 받으려면 어떻게 해야 될까요? 오늘은 인공지능 발명 특허 등록 전략에 대해서 알아보겠습니다.
근래의 인공지능이라고 하면 뉴럴 네트워크에 기반한 딥러닝 기술을 사용하는 기술과 사실상 동일한 기술을 의미합니다.
바야흐로 인공지능과 딥러닝의 시대가 도래했다고 해도 과언이 아닙니다. 그 만큼 인공지능 특허의 개수도 날로 증가하고 있습니다. 특허청에 따르면, 지식재산권 5대 주요국(한,미,일,중,유럽)에 출원된 초거대 AI 관련 특허출원이 2011년에서 2020년 사이에 약 28배 증가했다고 합니다.
많은 사람들이 인공지능을 활용하여 기술 개발을 수행하고 있고, 특허 역시도 인공지능을 활용한 기술 특허가 쏟아져 나오고 있습니다.
인공지능 특허가 많다는 의미는 인공지능을 적용했다는 것만으로는 특허 등록을 받아 내는 것이 어려워 졌다는 의미와 같습니다.
특허란 기본적으로 새로워야 등록이 된다는 사실은 대부분 알고 계실 겁니다. 인공지능을 이용하여 등록을 받고자 한다면, 3 가지 중에서 적어도 한 가지 관점은 달라야 합니다. 그 3 가지란, 데이터 전처리, 네트워크 구조, 학습 방식입니다.
1. 인공지능 발명 특허 등록 전략1-입력 데이터 또는 입력 데이터의 전처리의 차별화
이 특허는 Qatar University의 US10,586,153 특허로, 모터에서 입력되는 raw data를 인공 신경망에 입력하기 전에 전처리하는 것을 특징으로 하는 발명에 관한 것입니다.
하이라이트 표시 부분을 확인하시면, signal에 대해서 decimation을 포함하는 전처리를 수행하고, decimated signal을 normalize한 후에 linear scaling을 수행합니다.
그 후에, 선형 스케일링된 신호를 CNN에 입력하게 되죠. 즉, 뉴럴 네트워크에 입력하기 전에 데이터에 일정한 처리를 수행한 후에 입력하게되어 인공지능 알고리즘의 성능을 개선할 수 있으면 등록에 한발짝 가까워집니다.
2. 인공지능 발명 특허 등록 전략2-새로운 뉴럴 네트워크 구조
두 번째는 네트워크 구조, 그 자체에 신규성과 진보성이 있는 경우입니다.
이 특허는 Microsoft의 US 9,292,787 특허로, 네트워크가 히든 레이어를 포함하고, 이 히든 레이어들이 프로젝션 레이어를 포함하여 구현된다는 점을 청구항에 설명하여 등록 받은 케이스 입니다.
구글의 트랜스포머 구조와 같이 인코더-디코더 형식으로 구현된 네트워크 구조도 처음 출현당시에는 새로운 기술로 인정되었던 것과 같이 네트워크의 레이어 또는 복수의 서브 네트워크의 결합 등의 형식으로 새로운 네트워크를 개발할 경우에 특허의 등록 가능성이 매우 향상됩니다.
3. 인공지능 발명 특허 등록 전략3-새로운 학습 방식
세 번째는, 학습 방법 그 자체가 기존과는 다른 경우입니다.
이 특허는 Google의 US 10,528,866 특허입니다. 이 특허는 오토 인코더를 우선적으로 학습시키고, 문서 분류 네트워크를 그 이후에 학습시키는 것을 특징으로 하고 있습니다.
즉, 복수의 서브 네트워크들의 학습 순서를 조절함으로써 학습의 효율을 높이는 것입니다. 이런식으로 학습 그 자체에 초점을 맞추는 것으로도 등록 포인트를 발굴해 낼 수 있습니다.
다만, 학습과 추론 과정은 일반적으로 수행하는 하드웨어 주체가 다른 경우가 많기 때문에 출원 전략을 고민하는 과정에서 청구 범위에 권리화할 대상을 잘 설정할 필요가 있는데요, 이는 다음 포스팅에서 자세하게 적어 보도록 하겠습니다.