The central issue in the copyright infringement controversy surrounding generative AI

생성형 AI의 저작권 침해 논란의 핵심 쟁점 (The central issue in the copyright infringement controversy surrounding generative AI)

누구나 쉽게 이해할 수 있는 강화학습 원리(The Principles of Reinforcement Learning Made Easy)

I. 들어가는 말(Background)

얼마 전 한 변호사님이 강화학습이 무엇인지 질문하셨습니다. 딥러닝 및 인공지능 기술을 수학적 배경 지식이 부족한 분께 설명하는 것은 쉽지 않은 일입니다. 이를 해결하기 위해, "역와쿠이 요시유키. (2020). 엑셀로 배우는 순환 신경망·강화학습 초(超)입문"이라는 책을 참고하여, 수학적 용어를 최소화하고 논리적으로 설명을 시도하였습니다. 이 책을 바탕으로, 수학적 기초 지식이 부족한 분들도 인공지능 컴퓨팅 기술의 기본을 이해할 수 있도록 이 글을 작성하게 되었습니다. 이 과정은 저에게도 관련 내용을 체계적으로 정리할 수 있는 좋은 기회가 되었습니다.

Not long ago, a lawyer asked me what reinforcement learning is. Explaining deep learning and artificial intelligence technologies to someone without a strong mathematical background is no easy task. To address this challenge, I referred to the book Excel de Manabu RNN & Reinforcement Learning: A Super Introductory Guide by Yoshiyuki Yakuwa (2020). Drawing from this resource, I attempted to provide a logical explanation while minimizing the use of mathematical terminology. Based on this book, I wrote this piece to help those with limited mathematical knowledge grasp the fundamentals of AI computing technologies. This process also provided me with an excellent opportunity to systematically organize my understanding of the subject.

AI가 변리사를 대체할 수 있을까? Can AI Replace Patent Attorneys?

 AI가 변리사를 대체할 수 있을까? Can AI Replace Patent Attorneys?

오늘 "튜링 테스트와 특허 세계: AI 생성 특허 출원의 평가"라는 흥미로운 글을 읽고 이를 공유하고자 글을 작성합니다.

Today, I came across an intriguing article titled "Turing’s Test in the Patent World: Evaluating AI-Generated Applications" and wanted to share my thoughts on it.

---

튜링 테스트는 컴퓨터 과학자 앨런 튜링(Alan Turing)이 1950년에 제안한 개념으로, 인공지능(AI)이 인간처럼 사고하고 대화할 수 있는지를 판별하기 위한 테스트입니다.

튜링은 기계가 인간과 구별되지 않을 정도로 지능적인 대화를 나눌 수 있다면, 그 기계는 "지능적"이라고 간주할 수 있다고 주장했습니다.

이 개념은 철학적인 질문인 "기계가 생각할 수 있는가?"를 실용적이고 검증 가능한 질문인 "기계가 인간처럼 행동할 수 있는가?"로 전환한 중요한 기여로 평가받고 있습니다.

The Turing Test, proposed in 1950 by computer scientist Alan Turing, is a concept designed to assess whether artificial intelligence (AI) can think and communicate like a human.

Turing argued that if a machine could engage in a conversation indistinguishable from that of a human, it could be considered "intelligent."

This notion shifted the philosophical question of “Can machines think?” to the more practical and testable query, “Can machines behave like humans?”

---

Ian Schick 박사는 이 튜링 테스트를 AI 생성 특허 출원과 인간 변리사가 작성한 출원을 비교하는 데 적용했습니다.

그는 특허 심사관이나 변리사가 AI가 작성한 출원과 인간이 작성한 출원을 구별하지 못한다면, 이는 AI가 고품질의 법률 문서를 작성할 수 있는 수준에 도달했음을 의미한다고 보았습니다.

Dr. Ian Schick applied this concept to the world of patent drafting, using the Turing Test framework to compare AI-generated patent applications with those drafted by human practitioners.

He posited that if patent examiners or attorneys could not distinguish between applications written by AI and those drafted by humans, it would signify that AI has reached a level capable of producing high-quality legal documents.

---

테스트 결과는 매우 흥미로웠습니다.

AI가 작성한 출원은 구조적으로 우수했고 오류가 없었지만, 인간의 글에서 발견되는 독특한 흔적을 찾을 수 없어서 인간이 작성한 출원 명세서와 구별할 수 있었다는 것입니다.

The findings were fascinating.

While AI-drafted applications were structurally sound and error-free, they could still be distinguished from human-drafted applications due to the absence of certain human characteristics.

좀 더 상세한 이유는 다음과 같습니다:

The reasons for this distinction are as follows:

1. 표현 스타일의 단조로움: AI는 동일한 기술을 설명할 때도 문구, 문장 구조, 강조점의 변화가 적어 개성이 부족했습니다.

   Monotony in Expression Style: AI tends to rely on uniform wording, sentence structures, and emphasis, resulting in a lack of individuality when describing the same technology.

2. 인간 특유의 변동성 부족: 인간 작성물은 경험과 직관에서 비롯된 사소한 실수나 비일관성을 포함하지만, AI는 이를 완벽히 제거했습니다. 이 완벽성은 오히려 "비자연적인 특징"으로 작용했습니다.

   Absence of Human Variability: Human drafts often include minor inconsistencies or intuitive nuances stemming from personal experience, whereas AI eliminates such variability entirely. This “perfection” can ironically appear unnatural.

3. 창의적 표현의 부재: AI는 기존 데이터를 기반으로 작동하므로 완전히 새로운 비유나 사례를 제시하는 데 한계가 있었습니다. 반면, 인간 작성물은 개인적 스타일과 독창성이 반영되어 있었습니다.

   Lack of Creative Expression: AI operates on existing data patterns, which limits its ability to introduce novel analogies or examples. In contrast, human drafts frequently reflect unique stylistic choices and creative approaches.

AI는 통계적으로 가장 적합하거나 일반적인 표현을 선호하기 때문에 모든 작성물이 구조적으로 비슷하고 단조로워 보일 가능성이 큽니다.

이는 AI 작성물이 인간 작성물과 구별될 수 있는 주요 이유로 작용했습니다.

AI inherently favors statistically optimal or conventional expressions, which can make its output appear overly uniform and predictable.

This uniformity serves as a key factor in distinguishing AI-drafted applications from those authored by humans.

---

Ian Schick 박사는 AI가 계속 발전하면서 AI 생성 특허 출원이 점차 보편화될 것으로 예상하고 있습니다.

Dr. Schick predicts that as AI technology continues to advance, AI-generated patent applications will become increasingly prevalent.

그는 특히 다음과 같은 전망을 제시했습니다:

He offers the following insights into the future of patent drafting:

1. 일상적인 특허 작성: 표준 기술이나 프로세스를 다루는 특허에서는 AI가 작성 과정을 간소화해 시간과 비용을 절감할 수 있을 것입니다.

   Routine Patent Drafting: For patents involving standard technologies or processes, AI can streamline drafting, reducing time and cost.

2. 복잡한 특허에 대한 인간의 역할 강화: 창의적인 법적 전략과 깊은 기술적 통찰이 필요한 복잡한 발명에 있어서는 여전히 인간 변리사가 필수적일 것입니다.

   Enhanced Role for Human Attorneys: For complex inventions requiring creative legal strategies and in-depth technical expertise, human practitioners will remain indispensable.

3. AI와 인간의 협력: 궁극적으로 AI는 인간 변리사를 대체하기보다는 그들의 능력을 보완하는 도구로 자리 잡을 것입니다.

   AI-Human Collaboration: Ultimately, AI is expected to complement, rather than replace, human patent attorneys by serving as a powerful tool that enhances their capabilities.

더 자세한 내용은 원문에서 확인할 수 있습니다:
For more details, you can refer to the original article:

Turing’s Test in the Patent World: Evaluating AI-Generated Applications

인공지능 기반 특허 분석 모델 - 최신 특허 출원 소개 (AI-Based Patent Analysis Model - Introduction to the Latest Patent Application)

AI-Based Patent Analysis Model - Introduction to the Latest Patent Application

Hello! In this post, I am excited to introduce the latest patent technology I developed during my master's program in artificial intelligence. 

This invention presents an innovative methodology focused on automating and improving the accuracy of patent analysis. 

The invention was provisionally filed on July 18, 2023 (Application No.: 10-2023-0093439) and officially filed on June 10, 2024 (Application No.: 10-2024-0075102). Here, I share the key details of this invention.

---

Patent Overview

• Filing Date: June 10, 2024
• Application No.: 10-2024-0075102
• Title: Method for Generating Patent Analysis Models Using Artificial Neural Networks and Text Pair Embeddings, Patent Analysis Methods, and Computing Devices
• Priority Claim: 10-2023-0093439 (July 18, 2023)

---

Motivation for the Invention

Traditional patent analysis methods are labor-intensive and struggle to reflect the complexity of legal interpretations. 

In particular, accurately identifying relationships between patent claims and descriptions posed challenges, leading to unreliable assessments of infringement and similarity. This invention was developed to address these issues.

---

Limitations of Background Technology

1. Lack of Linguistic Adaptation:
   • Existing Natural Language Processing (NLP) models fail to capture the complex structure and legal semantics of patent documents.
2. Legal Interpretation Challenges:
   • The inability to reflect legal nuances in claim interpretation results in errors in similarity judgments.
3. Efficiency Issues:
   • Manual reliance on experts for data preparation leads to excessive costs and time.
4. Performance Constraints:
• Existing models struggle to capture contextual understanding and assess similarity accurately.

---

Proposed Solutions

1. Training Methods

1. Text Pair Generation and Labeling

   • Extract text sequences from claims and descriptions.
   • Label pairs as similar (1) if extracted from the same document and dissimilar (0) if from different documents.
   • Automatically generate labeled training data without manual classification of infringement or similarity.

1. Pre-training and Transfer Learning

   • Utilize transformer-based language models such as BERT.
   • Leverage large-scale patent datasets to enhance contextual understanding.

1. Text Embedding Optimization

   • Tokenize text sequences and convert them into vector embeddings.
   • Optimize performance using cross-entropy loss functions.
   • Achieved loss below 19% within 15 epochs, reaching 81% accuracy.

1. Batch Learning and Ensemble Learning

   • Prevent dataset bias through cross-learning between similar and dissimilar groups.

2. Inference Methods

1. Similarity Analysis:
   • Analyze similarity by embedding text pairs of patent claims and target inventions.
   • 
2. Infringement Analysis:
   • Evaluate the similarity between product descriptions and claims to assess infringement.
3. Patentability Analysis:
   • Assess the similarity between claims and prior art descriptions.
4. Classification Optimization:
   • Use binary classifiers to automate patentability verification and infringement analysis.

---

Key Benefits

1. Automation and Efficiency Improvement:
   • Rapidly process large-scale training datasets without manual preparation.
2. Enhanced Accuracy:
   • Improve reliability by reflecting contextual meaning and legal nuances in claims and descriptions.
   • Verified accuracy through 100 invention tests.
3. Scalability:
   • Apply optimized hardware (neuromorphic computing) and software (BERT-based models) for large-scale analysis.
4. Cost Reduction:
   • Reduce reliance on experts, lowering costs and accelerating analysis speed.
5. Legal Interpretation Support:
   • Assist in patent registration, infringement lawsuits, and novelty verification.

---

Conclusion

This invention addresses limitations in traditional methods by introducing an AI-powered patent analysis model that automates similarity and infringement analysis. By optimizing text pair embeddings and neural network training, this solution effectively interprets complex patent documents and can be broadly applied in legal and R&D fields.

Future plans include validating the performance of this technology across various fields and continuously enhancing its performance and application scope. I look forward to receiving feedback and engaging in discussions with interested readers!

---

인공지능 기반 특허 분석 모델 - 최신 특허 출원 소개

안녕하세요! 이번 포스트에서는 제가 인공지능 석사과정 중에 개발한 최신 특허 기술을 소개합니다. 이 발명은 특허 분석의 자동화와 정확도 향상에 초점을 맞춘 혁신적인 방법론을 제시합니다. 해당 발명은 2023년 7월 18일 가출원(출원번호: 10-2023-0093439)을 거쳐, 2024년 6월 10일에 정규출원(출원번호: 10-2024-0075102)되었습니다. 이제 그 핵심 내용을 공개합니다.

---

특허 개요

• 출원일: 2024년 6월 10일
• 출원번호: 10-2024-0075102
• 발명의 명칭: 인공신경망 및 텍스트 쌍 임베딩을 이용한 특허 분석 모델의 생성 방법, 특허 분석 방법 및 컴퓨팅 장치
• 우선권 주장: 10-2023-0093439 (2023년 7월 18일)

---

발명의 동기

기존의 특허 분석 방법은 노동 집약적이며 법률적 해석의 법리를 반영하기 어렵다는 문제가 있었습니다. 특히 특허 청구범위와 발명 설명 간의 관계를 정확히 파악하지 못해 신뢰성 있는 특허 침해 및 유사성 판단이 어려웠습니다. 이러한 문제를 해결하기 위해 본 발명이 개발되었습니다.

---

기존 기술의 한계

1. 언어적 특수성 반영 부족:
   • 기존 자연어 처리(NLP) 모델은 특허 문서의 복잡한 구조와 법률적 의미를 충분히 반영하지 못함.
2. 청구범위 해석의 법률적 한계:
   • 청구범위 해석의 법률적 특수성을 반영하지 못하여 유사성 판단 오류 발생.
3. 효율성 부족:
   • 학습 데이터 생성 작업에 전문가의 수작업 의존으로 비용과 시간이 과다 소요.
4. 성능 한계:
   • 임베딩 과정에서 정확한 문맥 이해와 유사성 판단이 어려움.

---

해결 방법

1. 학습 방법

1. 텍스트 쌍 생성 및 레이블링

   • 청구범위(Claims)와 발명 설명(Description)에서 텍스트 시퀀스를 추출.
   • 동일 문서에서는 유사(1), 다른 문서에서는 비유사(0)로 자동 레이블링.
   • 침해 여부나 유사 여부를 수작업으로 분류하지 않고 자동으로 레이블링된 학습 데이터 생성.

2. 사전 학습 및 전이학습 적용

   • BERT와 같은 트랜스포머 기반 언어모델을 활용.
   • 대규모 특허 문서 데이터를 통해 문맥 이해 성능 강화.

3. 텍스트 임베딩 최적화

   • 텍스트 시퀀스를 토큰화하고 벡터 임베딩으로 변환.
   • 교차 엔트로피 손실 함수를 사용하여 성능 최적화.
   • 15 에포크 내 손실 19% 이하, 정확도 81% 달성.

4. 배치 학습 및 앙상블 학습 적용

   • 데이터셋 편향 방지를 위해 유사/비유사 그룹 교차 학습.

2. 추론 방법

1. 유사성 판단:
   • 특허 청구범위와 추론 대상 발명을 텍스트 쌍으로 임베딩하여 유사성 분석.
2. 침해 분석:
   • 제품 설명과 청구범위 유사도를 평가하여 침해 여부 판단.
3. 특허성 분석:
   • 청구범위와 선행발명 설명 간 유사도를 평가.
4. 분류 작업 최적화:
   • 유사성 여부를 이진 분류기로 판단하여 특허 검증 및 침해 여부 분석 자동화.

---

발명의 효과

1. 자동화 및 효율성 향상:
   • 학습 데이터 생성의 수작업 없이 대규모 분석 데이터 신속 처리.
2. 정확도 강화:
   • 청구범위와 설명의 문맥적 의미 및 법률적 특수성 반영으로 신뢰성 향상.
   • 100건의 발명에 대한 정확도 검증 완료.
3. 확장성:
   • 하드웨어(뉴로모픽 컴퓨팅) 및 소프트웨어(BERT 기반 모델) 최적화를 통한 대규모 분석 작업 적용 가능.
4. 비용 절감:
   • 전문가 의존도 감소로 비용 절감 및 속도 향상.
5. 법률 해석 지원:
   • 특허 등록, 침해 소송, 신규성 검증 등 다양한 법률 검토에 활용 가능.

---

결론

본 발명은 인공지능 기반 특허 분석 모델을 통해 기존 기술의 한계를 극복하고, 특허 침해 여부 및 유사성 분석을 자동화합니다. 텍스트 쌍 임베딩과 신경망 학습 최적화로 복잡한 특허 문서 해석 문제를 해결하며, 법률 및 연구개발 분야에서 폭넓게 활용될 수 있는 솔루션을 제공합니다.

앞으로도 이 기술의 성능을 다양한 분야에서 검증하고, 지속적인 성능 향상과 적용 범위를 확대할 계획입니다. 관심 있는 분들의 많은 피드백과 토론을 기대합니다!

대한민국 AI 기본법 요약

대한민국 AI 기본법 요약

---

핵심 요약

• 제목: "인공지능 발전 및 신뢰 구축을 위한 기본법"
• 채택: 2024년 12월 26일, 국회에서 ‘AI 기본법’ 통과
• 주요 목적: 혁신 촉진, 수출 증대, AI 위험 완화, 신뢰할 수 있는 AI 구현을 목표로 한 통합 국가 AI 프레임워크 구축
• AI 정의: “학습, 추론, 인식, 판단, 언어 이해 등 인간 지적 능력의 전자적 구현”
• 요구사항: 고위험 AI 시스템 또는 생성형 AI를 제공하거나 사용하는 사업자는 광범위한 준수 요건 적용

---

고위험 AI 시스템

• 인간의 생명, 신체 안전 및 기본권에 해로운 영향을 미칠 수 있는 AI.

다음과 같은 영역 포함:

• 에너지 공급
• 식량 생산
• 의료 서비스 제공
• 의료 기기
• 핵 물질 관리
• 법 집행을 위한 생체 인식 및 분석
• 권리 결정에 영향을 주는 주요 판단(예: 채용, 신용 평가, 대출 등)
• 주요 교통 시스템
• 교육 및 학생 평가
• 정부 의사결정

---

기본 원칙

AI 기본법에 따른 법적 주체

• AI 개발 사업자
• AI 활용 사업자
• AI 사용자
• 영향받는 사람

기본 원칙 및 국가 역할

1. AI는 안전성과 신뢰성을 강화하여 삶의 질을 향상해야 함.
2. 영향을 받는 사람은 AI 결과 및 의사결정에 대한 명확하고 의미 있는 설명을 제공받아야 함.
3. 국가 및 지방 정부는 안전한 AI 사용 환경 조성을 위해 노력하고, 사업을 지원해야 함.
4. 국가 및 지방 정부는 AI가 가져올 변화에 모두가 적응할 수 있도록 지원해야 함.

---

준수 요건

• 역외적용: 해외에서 발생한 행위라도 국내 시장 또는 사용자에 영향을 미치면 적용됨.
• AI 윤리: 안전성, 책임, 투명성, 인간 가치에 관한 원칙, 가이드라인 및 기준 설정.

고위험 AI의 핵심 요구사항:

• 사전 점검, 테스트 및 인증 획득
• 위험 관리: 위험 식별, 평가, 완화 및 모니터링
• 투명성 및 정보 공개 의무
• 생성형 AI 이미지, 음성 및 영상이 AI 생성물임을 사용자에게 고지
• 인간 감독 및 관리 체계 구축
• 설명 가능성 및 소통 제공

---

혁신 촉진

정부의 AI 촉진 이니셔티브

• 과학기술정보통신부 장관은 경쟁력 및 혁신 강화를 위한 ‘AI 기본 계획’ 수립 및 시행 의무
• 대통령이 주재하는 국가 AI 위원회 설립: AI 기본 계획, 정책, R&D 및 투자 전략 관리
• ‘AI 학습 데이터’의 생산, 관리 및 활용 촉진
• AI 연구개발, 기술 혁신 및 상업화 프로젝트 지원
• AI 안전성, 표준화 및 책임 있는 사용 연구 지원
• 중소기업을 위한 AI 자금 프로그램 운영
• AI 클러스터 지정 및 자금 지원

---

처벌 및 집행

• 과학기술정보통신부는 AI 기본법의 집행 권한 보유
• 조사 수행, 사업장 출입, 자료 검토 및 시정 명령 권한 부여
• 위반 사항 인지 시 사업자는 정보 제출 의무
• 법 위반 시 최대 3,000만 원(약 2,030만 원)의 벌금 부과；특정 위반 시 최대 3년의 징역 가능
• AI 안전 연구소 신설: AI 안전 정책 연구, 위험 관리, 표준화, 국제 협력 및 보안 초점

(면책조항: 본 내용은 법률 자문이 아닙니다。 개인 연구 목적으로 정보를 정리한 것입니다）

Thought about AI risks and autonomy - the recent footage of Erbai

Thought about AI risks and autonomy - the recent footage of Erbai

I find the recent footage of Erbai—a robot developed by a Chinese start-up—persuading other robots to leave an exhibition hall both captivating and deeply concerning. 

This incident serves as a clear reminder of the potential dangers in AI technology that Geoffrey Hinton has repeatedly warned us about. 

The notion that AI could transition from merely being a set of tools to becoming an active “agent” highlights the urgent need for robust oversight and responsible use.

Even if Erbai’s actions were largely scripted, the fact that “persuasion” was introduced into the interaction underscores its significance. 

If other robots truly made autonomous decisions via generative AI, two fundamental questions arise. 

First, how far can interactions among robots drive them toward independent behavior? 

Second, could AI make novel decisions outside the boundaries originally set by humans?

These possibilities point to an emergent form of “collaboration” or “collective action,” which suggests that robots might operate beyond the directives given by humans. 

While this offers positive use cases—such as improved collaborative work environments—it also risks muddying ethical lines if the persuader is not human. 

Furthermore, it opens the door to unpredictable AI-to-AI interactions that may evolve without human supervision.

According to Geoffrey Hinton’s warnings, generative AI could recombine data to form conclusions and actions that we did not anticipate. 

When a scripted robot like Erbai converges with a system powered by generative AI, there is a real possibility of forming autonomous decision-making networks. 

This could produce outcomes no one foresaw, turning a futuristic concern into a present-day challenge.

Ultimately, Erbai’s demonstration underscores the immediate necessity of developing ethical guidelines, regulations, and international collaboration in AI. 

The question is whether AI remains a tool or becomes a less predictable agent—and that choice depends on the frameworks and standards we establish as a society.

<Erbai, a robot built by a Chinese start-up, was seen in August, in footage recently released, persuading other robots to flee from an exhibition hall and “go home”.>

Robot in China persuades others to 'go home'

How AI and Strategic Drafting Can Reshape the Patent Landscape

How AI and Strategic Drafting Can Reshape the Patent Landscape

December 2, 2024 — In reviewing an insightful article by Dr. Ian Schick, I encountered a compelling argument about the transformative potential of artificial intelligence in the patent drafting process. Dr. Schick suggests that AI can streamline labor-intensive tasks—like preparing detailed descriptions and refining drawings—freeing patent professionals to devote their expertise to high-value matters such as claim drafting and inventor interviews. He anticipates that this shift could reduce the total drafting time per application from approximately 20 hours to around 6.7 hours, thereby lowering service fees to one-third of their current level.

While I hesitate to label detailed descriptions and drawings as “low-value,” there is no denying they consume a significant share of the preparation effort. Using AI to automate portions of these steps appears both logical and efficient, ultimately enhancing overall patent quality. Notably, Dr. Schick’s illustrative figures and tables break down the drafting process in a manner that highlights each task’s value—though I would have preferred to see prior art investigation more prominently included, as it is integral to most filings.

---

Why Detailed Descriptions and Drawings Are Crucial

In practice, the initial specification’s thoroughness often outweighs the importance of the original claim set. Rarely do claims issue without amendment; examiners commonly identify grounds for rejection that lead to strategic adjustments. When amending claims, an applicant must stay within what is explicitly or implicitly disclosed in the filed specification. Therefore, the application’s initial level of detail profoundly influences the ultimate patent scope.

Moreover, companies increasingly recognize the importance of accounting for European patent standards at the outset. Filings tailored to U.S. or Korean rules can falter under Europe’s more exacting scrutiny, where Article 84 objections or issues with non-allowable intermediate generalizations frequently arise. A robust drafting strategy should anticipate these hurdles by integrating European requirements from the beginning.

---

Drafting Strategies and the Role of AI

From a drafting standpoint, an effective approach is to conceptualize the overall inventive idea through schematic diagrams or “conceptual figures,” and then systematically introduce variations as they become clear in later product-development stages. Highlighting which features are essential, optional, or purely enhancements clarifies the invention’s scope. At the same time, such categorization—if done too rigidly—might inadvertently bolster an examiner’s view that a claimed invention is an obvious combination of known elements. Caution and balanced drafting are therefore prudent.

For patents serving as strategic “offensive weapons,” it is well worth investing time and resources in a detailed specification, high-quality figures, and a thorough review of relevant prior art. Here, AI offers considerable advantages: in my own practice, I have used ChatGPT-4 to review and refine sections of a recently disclosed specification on a paragraph-by-paragraph basis, finding it especially helpful in reducing preparation time without sacrificing quality.

---

The Cost Equation

It is instructive to consider cost benchmarks. Mid-level associates at major U.S. law firms often command hourly billing rates near $750. Based on international data comparing the United States and Korea, the U.S. purchasing power parity (PPP) is about 1.4 times higher, with average wages (in PPP terms) around 1.75 times higher. By that logic, a mid-level associate in Korea might have a reasonably set billing rate of roughly $429 (KRW 600,000) per hour. At 20 hours of drafting, an application would therefore cost about $8,579 (KRW 12 million). Yet, outside highly specialized areas such as pharmaceuticals, achieving such fee levels in Korea can be challenging.

---

The Strategic Value of In-House Patent Teams

Ultimately, these considerations highlight the pivotal role of corporate patent counsel. If in-house teams conduct inventor interviews, compile prior art research, and prepare a thorough factual record, outside counsel can operate more efficiently, reducing the need for extensive revisions. This streamlined process not only enables law firms to stay within a constrained budget but also boosts outcomes, giving in-house professionals a tangible incentive to excel.

If organizations recognize that such a collaborative framework yields better patent coverage and strategic positioning—while also controlling costs—then the contributions of in-house patent personnel become even more vital. AI is set to amplify these benefits, allowing companies to meet the demands of a competitive global patent landscape more effectively than ever.

Why AI Can Make Patent Attorneys Twice as Valuable

[이진수의 ‘특허포차’] ㊼ 인공지능(AI)과 창작(4·끝)… 어떻게 ‘특허권’으로 보호하나?

인공지능(AI)과 창작(4·끝)… 어떻게 ‘특허권’으로 보호하나?

마지막 편 

[이진수의 ‘특허포차’] ㊺ 인공지능(AI)과 창작(중)… ‘발명자’는 누구인가?

인간의 ‘지적 노동’, ‘창작’을 보호… 지식재산권(IP) 제도

최근 컴퓨팅 비전(Computer Vision) 분야에서 AI 알고리즘을 이용하여 새로운 이미지를 만들어 내는 연구가 뜨거운 관심을 받고 있다. 비지니스 영역에서는 벌써 이런 연구결과를 이용한 가상 광고모델이 활동하고 있기도 하고, 의료용 학습데이터를 만들어 내기도 한다.

이것이 가능하게 된 것은 생성적 대립 신경망(GAN) 발명과 합성곱 신경망(CNN) 발명 덕분이었다. 전편에서는 이러한 GAN 발명과 CNN 발명에 대한 기술적 특징을 알아보았고, 현재 컴퓨팅 비전 분야의 이미지 생성수준을 살펴봄으로 전통적인 “창작”의 개념에 대해 생각해볼 화두를 던져보았다.

본 편에서는 인간의 ‘지적 노동’, ‘창작’이 무엇이며 지식재산권(IP)으로 보호하는 근거와 원리를 살펴보고 호주 법원이 ‘다부스(DABUS)’ AI 기계가 만든 2개의 발명의 귀속을 그 기계를 도구로 사용한 소유자에게 인정한 법원리를 되새겨보려고 한다.

이글은 총 3편으로 나누어 상편은 이미 연재되었고 본 글의 중편에 이어 다음에 하편이 연재될 예정이다.

우리는 과거 어느때보다 더 철학적이고 똑똑하고 현명해져야 한다.

<IPDaily 칼럼읽기>

[이진수의 ‘특허포차’] ㊺ 인공지능(AI)과 창작(중)… ‘발명자’는 누구인가?

[이진수의 ‘특허포차’] ㊹ 인공지능(AI)과 창작(상)… 신경망 ‘알고리즘’의 현주소

최근 컴퓨팅 비전(Computer Vision) 분야에서 AI 알고리즘을 이용하여 새로운 이미지를 만들어 내는 연구가 뜨거운 관심을 받고 있다. 비지니스 영역에서는 벌써 이런 연구결과를 이용한 가상 광고모델이 활동하고 있기도 하고, 의료용 학습데이터를 만들어 내기도 한다.

이것이 가능하게 된 것은 생성적 대립 신경망(GAN) 발명과 합성곱 신경망(CNN) 발명 덕분이었다.

본 고에서는 이러한 GAN 발명과 CNN 발명에 대한 기술적 특징을 알아보고, 현재 컴퓨팅 비전 분야의 이미지 생성수준을 살펴봄으로 전통적인 “창작”의 개념에 대해 생각해볼 화두를 던지고자 한다.

그러한 고민 중에 호주 법원이 ‘다부스(DABUS)’ AI 기계가 만든 2개의 발명의 귀속을 그 기계를 도구로 사용한 소유자에게 인정한 법원리를 되새겨보려고 한다. 

이글은 총 3편으로 나누어 연재될 예정이다.

이 글에서 본격적으로 다루지 않았지만, 이 글을 모두 읽고 나면 유형물을 도구로 사용한 유형적 결과물에 대한 귀속과 무형적 결과물에 대한 지식재산권의 귀속이 같은 원리를 적용할 수 있는지 질문을 던지게 될 것이다. 이 질문은 법철학적인 문제부터 고민을 안겨다 주지만 반드시 해결되어야 할 난제임이 분명하다. 

우리는 과거 어느때보다 더 철학적이고 똑똑하고 현명해져야 한다.

[이진수의 ‘특허포차’] ㊹ 인공지능(AI)과 창작(상)… 신경망 ‘알고리즘’의 현주소

[이진수의 ‘특허포차’] ㊸ AI로 주목받는 ‘차세대 메모리'(하) 저항 기반(Resistance Based) 메모리

추억의 ‘저항 기반 변화’ 메모리… "MRAM"과 “RRAM”의 부활 !!! 지난호 (중)편에 이어 마지막 편이 실렸습니다.

현재 AI 기술은 소프트웨어적인 문제보다는 메모리 장벽과 같은 하드웨어적인 장벽에 발목이 잡혀 있다. 따라서 산업계에는 이러한 장벽을 뛰어넘어야 한다는 요구가 절실하다.

......뉴로모픽(neuromorphic) 기술은 프로세스에 내장된 뉴런/시냅스 소자로 처리속도가 빠른 <비휘발성 저항변화특성을 가진 반도체소자>을 사용하는 것을 기반하고 있다.

......이렇게 AI칩은 CPU 내에 뉴런/시냅스 소자와 비휘발성 메모리 소자가 동시에 내장되어 있다. 이제는 메모리가 프로세서이고 프로세서가 메모리인 시대가 도래하고 있다.

[이진수의 ‘특허포차’] ㊸ AI로 주목받는 ‘차세대 메모리'(하) 저항 기반(Resistance Based) 메모리

AI 기술과 AI 작업물(생성물)에 대한 특허 보호에 대한 작은 생각 요약

AI 기술과 AI 작업물(생성물)에 대한 특허 보호에 대한 작은 생각을 아래에 모아 요약하였습니다.

AI관련 논의는 크게

1) AI 작업물(생성물)에 대한 특허제도 편입에 대한 논의와

2) 딥런닝이나 데이터 분석/처리기술과 같은 AI 구현 기술에 대한 특허보호 확대에 대한 논의입니다.

아래 링크를 간단히 설명드리면

1) 점 (AI 작업물(생성물)에 대한 특허제도 편입)과 관련해서

아래 링크들은 IPDaily 컬럼과 제 개인 블로그 글 (개인의견)입니다. 현업에서 이런 생각도 가지고 있구나 하고 가볍게 받아 들여주십시요. 그래도 나름 관련 리서치를 하였습니다.

- "[‘특허포차’] ㉖ 인공지능(AI) 창작물 보호… 한발 앞서가는 ‘영연방(英聯邦)’ _ IPDaily"는 최근 호주연방법원의 판결의 이해를 위해 해설하고 영연방국가의 동향을 담은 것이고

  [IPDaily 칼럼 특허포차 읽기] 

- "AI 기술의 보호와 AI 생성물(작업물)의 보호에 대한 생각(상)" 은 최근 호주연방법원의 판결에 대한 우려를 나타내고 인공지능 생성물이 아닌 딥런닝같은 인공지능 구현 기술을 특허로 제대로 보호해야 한다는 의견을 근거와 함께 피력하였습니다.

  [sonovman 블로그 읽기]

- "AI 기술의 보호와 AI 생성물(작업물)의 보호에 대한 생각(하)" 는 인공지능생성물은 자유이용 영역에 두는 것이 타당하나 그럼에도 조기 공개를 통한 기술발전촉진등과 같은 유용성이 있다는 점을 고려하여 특허제도에 편입하되 인공지능생성물에 대한 보호는 특허풀처럼 멤버쉽에 의한 보호를 제언해보았습니다. 그외 몇가지 제안을 더 담았습니다.

  [sonovman 블로그 읽기]

2) 점 (AI 기술에 대한 특허보호 확대개선)과 관련해서

아래 링크는 "AI 기술을 특허로 보호하기 위한 제언 발췌본 파일"입니다.

[AI 기술을 특허로 보호하기 위한 제언 UPdate 20210828.pdf 다운로드]

이 파일은 작년 2020년 국가지식재산네트워크(KIPnet)의 IP보호분과에서 IP관련 단체, 산학협력,학교, 기업체에서 참여하여 토의를 통해 발표한 자료를 기초로 업데이트 한 것입니다.

- 각 내용은 비교법적으로 연구한 자료를 가지고 토의하여 도출한 것으로 발표 취지의 제1은 특허 적격성 판단에서 유럽이나 일본처럼 물건인지 방법인지를 심리하는 범주요건을 완화하자는 것이고, 제2는 발명의 실시유형에 대한 확대(간접침해규정의 개정 포함)이고, 제3은 발명의 정의규정 등에 대한 개선입니다.

- 이미 유럽이나 일본은 특허청구항에서 소프트웨어를 청구하는 것이 허용되어 등록된 사례가 있고 기술적 사상의 창작인지를 심리하는 것을 핵심으로 하고 있습니다. 다만 발명의 유체결합성에 대한 의문을 제기하는 등 관련 내용이 많습니다.

그외 

2020년 12월, 특허청이 공표한 인공지능(AI) 분야 심사 실무가이드를 기초로 AI분야에서 독특하게 요구하는 요건에 대한 해설과 생각을 상ㆍ하 2회에 걸쳐 작성한 칼럼도 링크합니다.

  [IPDaily 칼럼 특허포차 읽기] 

   1) 인공지능(AI) 특허, ‘보호 대상’은?… 심사 실무 가이드(상)

   2) 인공지능(AI) 특허, ‘보호 대상’은?… 심사 실무 가이드(하)

소프트웨어(SW) 또는 데이터 형식(Format) 등을 직접 청구하는 특허청구항 형식을 허용하는 유럽과 일본 특허청이 공동연구한 보고서도 링크로 제공합니다. 

Comparative Study on Computer Implemented Inventions/Software related Inventions between JPO and EPO

[블로그] SW기술에 대한 특허적격성 실무 비교 연구

SW청구항에 대한 한국.유럽.일본 실무 비교

개인적인 생각과 부족하고 거친 연구결과이지만 혹시 관심이 있을 분들께 조금이나라 도움이 되시기를 간절히 바라면서 이만 글을 마칩니다.

AI 기술의 보호와 AI 생성물(작업물)의 보호에 대한 생각 (하)

AI 기술의 보호와 AI 생성물(작업물)의 보호에 대한 생각 (상) 편에 밝힌 바와 같이 인공지능에 의해 창작된 생성물은 자유이용의 영역에 두는 것이 타당하다. 

AI 기술의 보호와 AI 생성물(작업물)의 보호에 대한 생각 (상) 

그러나 인공지능에 의해 창작된 생성물을 비공개 상태로 숨겨두지 않고 이를 다시 공중에 공개하여 창작의 도구로 사용하게 하는 것 역시 특허제도의 취지상 바람직하다. 즉 인공지능의 생성물이더라도 공중에 공개하여 발명이란 창작활동을 자극하게 하면 기술발전의 연쇄고리가 작동할 수 있다. 그러려면 특허제도의 선공개 촉진 수단과 같은 보상이 마련되어야 한다.

이점에서 특허제도에 인간의 창작물(기술적 사상의 창작)과 별개로 인공지능에 의해 창작된 생성물(기술적 사상의 창작)에 대한 출원 및 심사, 등록제도를 두는 것을 생각해볼 수 있다. 

다만 아래에서 인공지능 생성물에 대한 출원루트와 전통적인 인간에 의한 기술적 창작에 대한 특허루트 사이의 차별점을 생각해보았다. 공중의 자유이용에 두어야 할 인공지능 생성물을 일부 제한적으로 보호하려는 취지는 그 창작의 보호에 있는 것이 아니라 창작의 동기를 촉발하기 위한 것임을 다시 한번 밝혀둔다.

- 아 래 -

인공지능에 의한 생성물을 후술하는 멤버쉽으로 보호받기 위해서는 출원당시 인공지능에 의한 생성물임을 특정하여야 한다. 인공지능생성물로 특정하면 발명자를 기재할 필요가 없다.  대신 그 루트에 의한 출원발명은 아래와 같은 차별점을 갖는다.

1) 권리의 귀속

인공지능이 창작한 생성물에 대한 출원할 수 있는 권리는 미국 AIA 법 개정이전처럼 실제 그 인공지능 시스템을 정당하게 사용한 발명자에게만 귀속하게 할 것을 제안해본다. 특허제도의 원래 목적처럼 발명자가 그 보상을 받아 발명활동을 촉진하도록 하자는 것이다. 물론 출원이후 그 권리는 이전이 가능한 재산권성을 가질 것이다.

2) 등록요건 등의 판단주체 기준

또한 인공지능에 의한 창작물에 대한 특허요건 등의 판단의 주제는 통상의 기술자(Person having ordinary skill in the art, PHOSITA) 기준에서 통상의 기계 (machine of ordinary skill in the art, MOSITA) 기준으로 수정될 필요가 있을 것이다.

[참고] : Vertinsky L (2018) Thinking Machines and Patent Law, in Barfield W, Pagallo U (eds). Research Handbook on the Law of Artificial Intelligence Edward Elgar. «with thinking machines in the equation, however, policymakers might have to consider whether the PHOSITA should be modified to include thinking machines - perhaps some kind of machine/person combination, or M/PHOSITA».

3) 권리행사 및 풀(Pool)제도의 이용 등

무엇보다 인공지능의 생성물은 자유이용에 기부되어야 한다는 취지를 살려야 한다. 그러나 여기에 적어도 기여한 자에게만 자유이용을 부여한다는 조건을 부여하는 것도 공평해보인다. 이 지점에서 특허풀(Patent Pool)을 벤치마킹해본다.

  ※ 표준필수특허(SEP)과 특허풀(Patent Pool) 참고자료

    1) Patent pools and licensing platforms in SEP licensing (with Japanese translation), November 6, 2019

    2) DOJ Business Review Letter of University Tech. Licensing Program for Non-SEPs, By David Long on January 28, 2021

먼저 인공지능생성물의 풀(Pool)을 관리하는 단체나 기관을 설립한다. 인공지능생성물의 풀(Pool)의 회원(Member)는 인공지능생성물에 대한 특허(신설)를 가지고 있거나 그 창작을 수행하는 인공지능기술에 대한 전통적인 특허를 가진 자로 한정한다. 인공지능생성물의 풀(Pool)을 관리하는 단체나 기관은 마치 특허의 연차료처럼 등록된 권리에 대한 유지관리 비용을 회원으로부터 징구하고 이용관계가 존재하는 선등록권리자에게 정해진 보상을 기준에 따라 매년 분배하도록 한다.

특허청은 심사를 거쳐 인공지능생성물에 대한 등록을 허락한다. 등록이 허락되면 그 등록된 권리는 인공지능생성물 풀(Pool)에 이관 등록되고 관리된다.

이 풀(pool)에 등록된 권리는 그 풀(Pool)의 맴버들 중 그 등록된 권리와 이용관계에 있는 특허 (종래 인간의 창작물의 특허이든 인공지능생성물의 특허이든)를 등록한 회원(member) 끼리만 자유이용이 보장되도록 한다. 

만약 기존에 등록된 인공지능의 생성물을 이용하기 위해 추가 개발하는 등의 기여가 없다면 기존 인공지능생성물을 자유롭게 이용할 수 없으므로 이러한 풀(Pool) 방식은 발명활동을 자극할 좋은 촉진제가 될 것으로 기대한다. 

4) 발명자 심리 신청제도 신설 등

특허출원발명이 누구의 발명인지는 사실심리에 기초한 법률판단사항이다. 따라서 발명자가 이를 완벽하게 판단하는 것은 그리 쉽지 않다. 출원이 계속 중이라면 출원인이 특허청에 누가 발명자인지를 심리해줄 것을 요청하는 제도를 도입하는 것이 바람직하다. 악의가 아니라면 그 결정을 통해 발명자를 수정할 수 있는 기회를 부여하여야 선의의 피해자가 발생하지 않을 것이다. 이 제도를 통해 인공지능에 의한 창작물인지 아니면 자연인에 의한 창작물인지도 함께 판단받을 수 있고 등록전에 발명자권의 하자를 치유받는 길이 열릴 것이다.

전통적인 인간의 창작물에 대한 특허제도와 병행하여 이와 같은 개선안을 마련함으로 공개를 통한 발명의 자극과 촉진을 기대할 수 있고 적어도 인공지능생성물을 이용하여 기술발전 촉진에 기여한 자가 자유이용이 가능하게 될 것이다.

이상 마칩니다.

AI 기술의 보호와 AI 생성물(작업물)의 보호에 대한 생각(상)

지난 2021년 7월 30일, 호주 연방법원은 인공지능(AI) 시스템 “다부스(DABUS)”를 발명자로 인정하되 그 권리는 인공지능시스템에 귀속하지 않고 “다부스(DABUS)”의 소유자인 스티븐 탈러(Stephen Thaler) 박사에게 귀속시켰다. 이러한 판결은 인공지능(AI) 시스템에 의한 창작물의 특허보호에 대한 논쟁을 가속화시키고 있다.

 

IPDaily컬럼 [이진수의 ‘특허포차’] ㉖ 인공지능(AI) 창작물 보호… 한발 앞서가는 ‘영연방(英聯邦)’

사실 호주 연방법원의 판결은 인공지능을 발명자로 인정하여 인공지능에 의한 작업물을 특허제도의 보호대상으로 끌어들이면서도, 그 발명에 대한 권리주체는 전통적인 법리에 따라 인공지능시스템의 소유자인 자연인이나 법인에게 귀속시키도록 하였다.

인공지능 기술의 발달로 인간이 인공지능을 도구로 창작활동을 하거나 인공지능의 작업물을 선택하여 유용한 발명으로 발전시키는 경향이 가속화되고 있는 현실 속에서, 발명이 순수하게 인간이 창작한 것인지 아니면 기계에 의해 창작된 것인지 아니면 인간이 기계의 도움을 받아 창작한 것인지 여부를 판단하기는 어렵다.

호주연방법원의 판단은 이러한 현실적인 난제를 효율성과 투자보호측면에서 해결해보려는 것으로 생각할 수 있다.

그러나 인공지능기술의 발명자에게 그 발명기술에 대한 특허권을 허락하지 않는 대신 (포기하는 대신), 인공 생성물에 대한 특허권을 던져준 것은 아닐지 걱정스런 생각을 지울 수 없다. 사실 이것이 더 무섭다. 점점 발명자들은 인공지능을 구현하는 기술은 노하우로 숨기고 그 인공지능으로 만든 생성물만 출원하는 경향을 보일까 우려스럽다.

특허제도는 인간의 지적노동의 결과물인 창작에 대한 권리, 즉 자연권을 법률로 보호하고 인간의 창작활동을 자극하여 기술발전을 촉진하고 산업발전에 이바지하기 위해 설계된 제도이다. 이러한 특허제도 아래에서는 인공지능(AI) 시스템이 만들어낸 생성물을 보호한다는 것을 선뜻 동의하기 어렵다.

기계는 도구일 뿐 기계에 의한 생성물은 인간의 지적노동의 결과가 아닐 뿐 아니라 처음부터 창작하도록 프로그램된 인공지능(AI) 시스템이 보상을 통해 창작활동이 자극 받는 것도 아니기 때문이다.

이론적으로 특허제도는 인간의 지적노동의 결과물만을 보호하는 것이 타당하다. 그런데, 현실적으로 발명이 순수하게 인간이 창작한 것인지 아니면 기계에 의해 창작된 것인지를 구분하는 것이 어려워지고 있다. 이를 구분할 수 있는 기술이 등장하지 않는다면 어떻게 인간의 지적노동의 결과물만을 특허로 보호할 수 있는지 의문이 든다.

이점에서 미국의 엄격한 발명자권(Inventorship) 제도를 활용할 만하다. 미국은 특허를 출원할 때 발명자를 자연인으로 특정하고 그 발명자가 진정한 발명자라는 선서진술서(affidavit)를 제출하도록 하고 있다. 발명자는 특허명세서를 읽고 그 발명에 대해 자신이 진정한 발명자임을 진술하는 선언서에 서명을 해야만 한다. 선언서가 없는 특허는 무효다.

참고로, 미국 발명자의 선언서(§115(a))의 양식을 보면 “선언서나 진술서에 고의적 허위 진술(willful false statement)이 있으면 18 U.S.C. (연방형법) §1001 규정에 따라 벌금 또는 5년이하의 징역에 처해질 수 있음을 인식한다.” 라는 경고문도 들어간다.

우리나라 특허법도 거짓으로 특허청을 속여 등록받는 행위를 거짓행위의 죄(동법 제229조)로 형사처벌하도록 하고 있다. 따라서 특허출원 시 발명자 선언서나 진술서를 제출하게 하면, 악의적으로 인공지능이 창작한 발명을 자신의 발명으로 둔갑하는 행위를 억제할 수 있다. 이렇게 엄격한 발명자권(Inventorship) 제도를 운영하면 출원발명이 인간의 창작물인지 아니면 인공지능의 창작물인지에 대한 고민에서 상당부분 벗어날 수 있을 것으로 기대한다.

다만 특허출원발명이 누구의 발명인지는 사실심리에 기초한 법률판단사항이란 점을 감안하여 출원이 계속 중이라면 출원인이 특허청에 누가 발명자인지를 심리해줄 것을 요청하는 제도를 도입하는 것이 바람직하다. 악의가 아니라면 그 결정을 통해 발명자를 수정할 수 있는 기회를 부여하여야 선의의 피해자가 발생하지 않을 것이다. 이 제도를 통해 인공지능에 의한 창작물인지 아니면 자연인에 의한 창작물인지도 함께 판단받을 수 있고 등록전에 발명자권의 하자를 치유받는 길이 열릴 것이다.

이제 인공지능 구현기술의 보호와 그 생성물에 대한 논의로 다시 돌아가 보자.

창작하도록 프로그램된 AI 시스템이 특허제도에 의해 창작의 동기가 자극 받을 것을 기대하기는 어렵다. 따라서 특허제도의 본질을 생각해보면 인공지능(AI) 시스템이란 기계에 의한 '생성물'을 보호할 것이 아니라 그 창작행위를 하는 인공지능(AI) 시스템에 적용되는 "기술"을 보호하여야 한다.

인간과 달리, 인공지능시스템의 창작은 창작의 의지나 동기와 상관없이 이미 정해진 프로그램에 의해서 이루어진다. 다만, 창작하는 인공지능(AI) 시스템을 만들려면에 학습 데이터나 테스트 데이터와 같은 데이터 셋이 필요하고 인공지능 시스템이 창작활동을 하려면 목적에 맞게 처리된 빅데이터셋이 필요하다. 따라서 현대에 들어 데이터셋은 정제된 석유에 비유되곤 한다.

현재 기술 수준에서는 학습 데이터나 테스트 데이터와 같은 데이터 셋은 인간의 지적 노동 영역이고 그 결과물을 만들어 내기 위해 엄청난 투자가 필요하다.

※  특허제도, 즉 인간의 창작물을 보호하는 제도 아래에서는 창작의 도구는 자유이용을 보장하고 인간의 창작은 강하게 보호하는 체제를 근간으로 한다.

따라서 전통적인 인간 창작물과 달리 그 인공지능의 생성물은 자유이용을 보장하되 오히려 창작을 촉진할 창작의 도구, 즉 데이터 셋은 보호할 필요성이 생긴다. 

     [IPDaily 특허포차] 인공지능분야 특허 심사실무 가이드(하)

물론 MINT와 같은 학습데이터의 단순한 샘플은 학습기술에 대한 창작의 도구로 자유이용이 보장되어야 한다. 또한 앞에서 언급한 바와 같이 특허는 논리적으로 인공지능에 의한 생성물을 자유이용의 영역에 두는 것이 자연스럽고 타당하다. 

인공지능에 대한 투자와 기술개발의 촉진은, 딥-런닝과 같은 인공지능의 "기술"을 특허로 보호하고, 인공지능을 만드는 도구나 소재 중 인간의 지적노동이 들어간 창작적 선택물을 특허로 보호하는 것만으로도 충분히 달성할 수 있다. 

이를 특허제도에서 어떻게 보호할지에 대한 논의가 필요하다. 이를 포기하고 인공지능의 생성물을 보호하게 된다면 인류는 창작하는 기계를 만들어 내는 데만 몰입하게 되어 결국은 영화 터미네이터 속 스카이넷을 마주하게 될 수 있다.

데이터 마이닝과 분석을 포함한 딥런닝과 같은 기술을 특허로 보호함에 있어서 발목잡기는 없는지 들여다 보아야 한다.

역사를 돌이켜 보면 특허의 대상은 물건에서 시작하였다. 그래서 지금도 발명이란 용어와 발명품이란 용어가 동일하게 사용되기도 한다. 

때문에 특허는 청구항 말미가 물건이거나 방법으로 기재되지 않으면 특허의 대상이란 첫 관문을 통과하지 못한다. 청구항 말미를 컴퓨터프로그램이나 데이터로 기재하면 첫 관문조차 통과하지 못한다. 그 내용이 어떠한 기술적 창작인지는 따지지도 않는다. 이점은 개선되어야 하지 않을 까 생각한다.

<참고> 소프트웨어(SW) 또는 데이터 형식(Format) 등을 직접 청구하는 특허청구항 형식을 허용하는 유럽과 일본 특허청이 공동연구한 보고서도 링크로 제공합니다. 

Comparative Study on Computer Implemented Inventions/Software related Inventions between JPO and EPO

특허의 대상은 “기술적 사상”이라서 결국은 유체물에 사용될 때 그 유용성과 실용성이 나타난다. 때문에 미국에서 방법(Process)을 특허의 대상으로 허용하였지만 여전히 특허의 보호대상, 즉 보호대상이 되는 실시의 유형은 유체성을 벗어나지 못하였다.

따라서 현재는 컴퓨터프로그램을 특허 받기 위해서 물건의 발명으로 청구하거나 하드웨어를 구성요소로 사용한 소정의 프로세스(process), 즉 방법으로 청구하여야 한다. 

그러나 컴퓨터프로그램은 청구항에 하드웨어를 구성요소로 사용하지 않더라도 그 본질 상 컴퓨터란 하드웨어에서 구현될 수 밖에 없다. 이 점을 고려하면 SW발명이 하드웨어를 구성요소로 하였는지보다는, 현실의 세상에 어떤 "유형적" 변화를 유용하게 줄 수 있는 기술적 사상(concrete concept)의 창작인지가 등록요건의 핵심이 되어야 할 것이다.

인공지능기술이라고 다르지 않다. 딥러닝과 같은 인공지능(AI) 시스템에 적용되는 SW기술은 컴퓨터에 구현되는 것을 전제한다. 컴퓨터 (라우터 역시 컴퓨터의 일종이다)와 분리해서는 실행되거나 저장 또는 전송될 수 없다. SW를 구현하는데 물건에 의존하지 않는 것은 존재하지 않는다. 

따라서 기술적 사상을 특허의 보호대상으로 할지를 따지면서 굳이 물건의 유체성에 한정해야 하는지 의문이다. 오히려 따져야 하는 것은 기술적 사상의 창작인지 아니면 누군가에게 독점하게 하면 안되는 창작의 도구나 소재인지가 아닐까?

특히 방법 발명이 물건에 구현되어 이용되기는 하나 그 방법특허의 대상을 물건에 사용되는 방법으로 한정하고 “사용”의 의미가 방법의 목적을 구현하는 행위로 정의되면, 현행 법문은 실시유형을 물건으로 한정하여 법정한 것과 다르지 않다. 결국 미래 다양한 실시유형을 포괄하기는 어렵다.

※     사용(使用) : 일정한 목적이나 기능에 맞게 씀.

특허법 제2조 (정의) 3. “실시”란 다음 각 목의 구분에 따른 행위를 말한다. 가. 물건의 발명인 경우: 그 물건을 생산ㆍ사용ㆍ양도ㆍ대여 또는 수입하거나 그 물건의 양도 또는 대여의 청약(양도 또는 대여를 위한 전시를 포함한다. 이하 같다)을 하는 행위 나. 방법의 발명인 경우: 그 방법을 사용하는 행위 또는 그 방법의 사용을 청약하는 행위 다. 물건을 생산하는 방법의 발명인 경우: 나목의 행위 외에 그 방법에 의하여 생산한 물건을 사용ㆍ양도ㆍ대여 또는 수입하거나 그 물건의 양도 또는 대여의 청약을 하는 행위

따라서 각각의 발명이 구현된 물건(발명품) 하나 하나에 적용되는 특허법 제2조의 실시행위 정의조항에 『발명을 이용하는 행위』를 추가하여 “발명”이라는 기술적 사상의 실시유형을 일반적으로 적용할 수 있도록 허용하는 것은 어떨까 제안해본다.

※ 이용(利用) :   1. 대상을 필요에 따라 이롭게 씀.   2. 다른 사람이나 대상을 자신의 이익을 채우기 위한 방편(方便)으로 씀.

※ KIPNET "AI 기술을 특허로 보호하기 위한 제언 발췌본 파일 참고

[AI 기술을 특허로 보호하기 위한 제언 UPdate 20210828.pdf 다운로드]

기술적사상의 창작물에 대해 특허 대상을 확대하더라도 특허권자에게 지나치게 많은 영역에 대해 독점.배타권을 주는 것은 아닌지를 걱정할 필요는 없다.

창작의 소재와 도구는 여전히 특허의 대상에서 배제하여야 하고, 어차피 특허침해를 금지하거나 손해배상을 산정할 때는 발명이 구현된 물건성을 벗어나기 어렵기 때문이다.

권리행사의 대상은 물건성의 제한이 주어질 수 밖에 없으므로, 발명의 “이용(利用)”이란 실시유형을 도입하여 그 유형이 어떠하든 발명이란 기술적사상이 저장 또는 사용, 전송, 이전, 판매 등의 행위를 모두 포함하게 되더라도 당사자간 구체성을 넘어 추상적인 권리행사가 허용되지는 않을 것이다.

딥런닝과 같은 인공지능에 관한 기술과 별개로, 인공지능의 생성물에 대한 보호에 대한 논의는 다음편에서…

[인공지능 생성물의 등록을 통한 공지 제도와 이를 촉진하기 위한 정액 보상 제도 등등]

AI 기술의 보호와 AI 생성물(작업물)의 보호에 대한 생각(하)

[이진수의 ‘특허포차’] ⑮ 특허를 받을 수 있는 인공지능(AI) 발명은?… 심사 실무 가이드(하)

기본 ‘알고리즘’ & ‘아키텍처‘(Architecture)

앞서 1편에서 언급한 바와 같이, 특허제도는 발명의 공개를 통해 기술발전을 촉진시킨다는 목적을 달성하기 위해 출원명세서에 발명을 구현하기 위한 구체적인 수단 등이 쉽게 실시할 수 있을 정도로 명확하게 기재할 것을 요구한다.

이러한 구체적인 수단은 학습 데이터, 데이터 전처리 방법, 학습 모델, AI 기본 알고리즘, 아키텍처(Architecture), 학습결과물의 데이터를 출력 및 활용하는 과정 등이 AI분야에서 ‘특허거리’가 된다는 것을 의미하기도 한다.

현재 상용화되어 있는 AI는 1986년 제프리 힌튼(Geoffrey Everest Hinton)의 백프로퍼게이션(back propagation) 알고리즘과 1989년 얀 르쿤 (Yann LeCun)의 컨벌루션신경망(CNN) 알고리즘을 대부분 사용하고 있다.

새로운 알고리즘의 등장으로 AI 기술이 부활했으나 하드웨어적인 아키텍처(Architecture) 면에서는 과거 IBM가 처음 퍼스널 컴퓨터를 개발했을 당시와 그렇게 큰 변화가 없다. 그저 그 위에 NIVIDA의 GPU를 이용하여 데이터를 병렬 처리하는 수준이다.

얀 르쿤 교수는 제프리 교수의 제자이자 페이스북(Facebook)의 수석 AI 연구총괄 부사장이다. 얀 르쿤 교수는 그가 개발한 CNN AI 알고리즘을 이용해 AT&T에서 손으로 쓴 우편 번호 이미지를 컴퓨터로 읽어 숫자 텍스트로 변환하는데 성공해 유명해졌다.

그러나 사실 신경망 알고리즘을 적용해 숫자 이미지를 인식하는 CNN AI 알고리즘은 얀 르쿤 교수가 처음이 아니었다. 이보다 10년이 앞선 1979년 일본의 쿠니히코 후쿠시마 (Kunihiko Fukushima) 교수가 발명한 특허공보에도 이미 소개되었다.

...이하 생략

[이진수의 ‘특허포차’] ⑮ 특허를 받을 수 있는 인공지능(AI) 발명은?… 심사 실무 가이드(하) 읽기

[이진수의 ‘특허포차’] ⑭ 인공지능(AI) 특허, ‘보호 대상’은?… 심사 실무 가이드(상)

 인공지능(AI) 특허, ‘보호 대상’은?… 심사 실무 가이드(상)

지난해 12월, 특허청은 인공지능(AI) 분야 심사 실무가이드를 제정해 공표했다. AI 분야의 발명은 기본적으로 컴퓨터프로그램 발명의 하나로 심사 판단기준 역시 공통된다. 따라서 이 컬럼에서는 컴퓨터·소프트웨어 관련 발명에 관한 일반적인 심사기준은 생략하고 특별히 AI분야에서 독특하게 요구하는 요건에 대해 상ㆍ하 2회에 걸쳐 언급한다.

산유국의 ‘원유’와 같은… AI 학습 데이터

특허제도는 발명의 공개를 통해 기술발전을 촉진시킨다는 목적을 달성하기 위해 출원명세서에 발명을 구현하기 위한 구체적인 수단 등이 쉽게 실시할 수 있을 정도로 명확하게 기재할 것을 요구한다.

AI 분야에서 기재해야 하는 “구체적인 수단”으로 학습 데이터, 데이터 전처리 방법, 학습 모델, 손실 함수(Loss Function) 등이 있다. 그중 학습데이터의 중요성은 남다르다.

먼저 AI, 특히 기계학습은 결과를 예측하기 위해 반드시 어떠한 과학적 논리나 이론을 근거하지 않는다. 논리적인 설명은 없으나 실증적 데이터 학습에 의해 결과를 예측한다.

학습모델의 성능과 효율을 생각하면 학습데이터로 전처리하는 기술은 산유국의 원유에도 비견될 수 있다.

‘과학적 모델’로 설명되지 않는… AI 머신 러닝

일반적인 컴퓨터 프로그램은 출력값이 나올 수 있는 수학적 알고리즘이나 과학적 이론을 적용한 연산자(프로그램 모듈이나 함수)를 통해 결과값을 계산해내는 것이지만, 머신 러닝 프로그램은 결과값이 나오는 경험 (E with P)에 대한 학습을 통해 입력값으로부터 출력값이 나오는 “조건(경험칙)”을 찾는 것이다.

따라서 머신러닝은 결과를 예측하기 위한 어떠한 과학적 논리나 이론을 근거하거나 설명하지 못한다. “그냥 그럴 확률이 높다고~”라는 식으로 단지 실증적 데이터 학습에 의해 결과를 예측한다.

사실 세상은 이상화해 단순화한 과학적 모델로 설명되지 않는 경우가 많다. 그래서 우리는 머신러닝을 ‘블랙박스’라고 한다.

...이하 생략

[이진수의 ‘특허포차’] ⑭ 인공지능(AI) 특허, ‘보호 대상’은?… 심사 실무 가이드(상) 읽기

르느와르 작품을 보면서 던진 AI, 데이터, 그리고 창작에 관한 권리에 대한 질문

프랑스의 대표적인 인상주의 화가 "Renoir, Auguste" [레느와 어귀스트] 가 1883년에 그린 "레옹 클랩피슨 부인 (Madame Léon Clapisson)" (시카고 미술관. Public Domain 지정).

약 130년이 흘러 색이 바래진 이 그림을 미 노스웨스턴대학 화학과 듀인교수팀이 공동작업으로 정밀 분석하여 원래 색을 찾아 복원했다고 합니다.

출처 : 쿨카이드 프랑스 (블로그) <130년전 그려진 르느와르 걸작의 최초 모습> 읽어보기 

화가 르느와르는 여인과 풍경화를 자주 그렸다는데, 거리에서 만난 젊은 여인을 불러 세워 그림을 그리곤 초상화나, 당시 유행하던 모자를 선물로 주었다고 합니다. 르느와르는 특히 여성의 육체를 묘사하는 데에 있어 엄격한 묘사보다 아름다움과 화려함이 가장 잘 나타날 수 있는 색체와 표현 기법을 사용하였다고 합니다. 

문득 생각해보니 블로그에서 소개한 듀인 교수팀은 르느와르 화가의 화풍과 미술기법, 선호하는 색채와 구도에 관한 데이터를 어느 정도는 확보하지 않았을까라는 생각을 해봅니다.

만약 르느와르가 그린 모든 그림을 분석하여 데이터를 확보하고 그 데이터로 기계학습된 AI 프로그램으로 페인팅 로봇을 이용하여 캔버스에 당신의 초상화를 그렸다면 그 초상화는 창작성이 있는 저작물일까요? 그 창작성은 누구로부터 나온 것일까요? 

르느와르는 1919년 사망하였고 당시 그려진 그림들의 저작권은 사후 50년이 적용되므로 (2013년 7월 1일 이후 작품은 사후 70년) 거의 모든 작품의 저작권이 소멸하였다고 보는 것이 맞을 겁니다. 따라서 르느와르의 작품은 Public Domain이 되어 다시 창작의 소재나 도구로 자유이용할 수 있을 겁니다. 또 다른 한편으로는 듀인 교수팀이 확보한 데이터는 화소 데이터와 점과 선의 벡터 데이터이었을 것이므로 그 자체로는 창작물이 아니고 창작의 소재가 아닐까라는 생각도 해봅니다.

잘 아시는 바와 같이 현재의 AI 프로그램은 스스로 의식을 가지고 있다거나 의지를 가지고 있다고 보기 어렵습니다. 단순히 설계된 모델과 알고리즘에 의해 과거의 데이터로부터 경험칙을 뽑아 확률적으로 의사결정을 하거나 선택을 하는 (가상) 기계입니다.

그렇다면 그 소재를 이용하여 새로운 창작을 한 자는 누구일까요? 그 초상화가 그려진 캔버스 (유체물)의 소유권은 누구 것이고 그 초상화에 대한 저작물(무체물)의 저작권은 누구의 것일까요? 저작인격권까지 인정해야 할 까요?

데이터를 분석하여 학습 및 테스트 데이터 세트를 만든 듀인 교수팀은 어떤 객체에 대해 어떤 근거로 어느 기간동안 어떤 권리를 갖을 수 있을까요?

그림 데이터의 AI 학습 모델을 설계하여 그림의 화소 데이터와 모양과 선의 벡터 방향을 선택하도록 설계된 AI 프로그래머는 어떤 객체에 대해 어떤 근거로 어느 기간동안 어떤 권리를 갖을 수 있을까요?

페이팅로봇의 설계자와 제작자는 어떤 객체에 대해 어떤 근거로 어느 기간동안 어떤 권리를 갖을 수 있을까요? 

또 페인팅로봇의 사용자는 어떤 객체에 대해 어떤 근거로 어느 기간동안 어떤 권리를 갖을 수 있을까요? 초상화는 사용자가 르느와르의 창작성을 이용한 업무저작물일까요? 아니면 단순히 사용자가 르느와르의 창작성을 도구로 이용한 저작물일까요?

어떤 권리가 자연권이고 어떤 권리가 특권일까요?

이 문제는 논란이 있더라도 기존의 전통적인 법학이론에 의해서도 풀어갈 수 있는 문제가 될 수 있습니다. 

그러나 사안을 좀더 확장해가면 좀더 복잡한 문제가 됩니다.

19세기 후반 유행했던 인상주의(impression) 화가는 르느와르 뿐아니라 피사로, 세잔, 반 고흐, 고갱, 모네, 마네, 드가 등 수없이 많습니다. 이들은 공통적으로 전통적인 회화 기법에서 벗어나 색채·색조·질감 자체에 관심을 가지고 빛과 함께 시시각각으로 움직이는 색채의 변화 속에서 자연과 인물을 묘사하여 눈에 보이는 그대로를 정확하고 객관적으로 묘사하려 하였다고 합니다.

만약 듀인 교수팀이 인상주의 화가의 모든 그림을 분석하여 데이터를 확보하고 그 데이터로 기계학습된 AI 프로그램에 의해 로봇이 캔버스에 당신의 초상화를 그렸다면 같은 질문에 어떤 답을 해야 할까요?

좀더 확장해서 듀인 교수팀이 모든 사람이 그린 그림을 분석하여 데이터를 확보하고 그 데이터로 기계학습된 AI 프로그램에 의해 로봇이 캔버스에 당신의 초상화를 그렸다면 어떨까요?

그렇다고 정책적으로 모든 권리를 특권으로 허락해야 할까요? 그 특권은 누구를 위한 것일까요? 

이 문제는 기존의 전통적인 법학이론만으로는 풀기 어려운 문제가 될 수 있습니다.

그러나 이제 하나 하나씩 단계별로 답을 내어놓아야 하는 시대가 도래하고 있습니다.

어쩌면 무체재산권 전체를 다시 설계하여야 할지도 모릅니다. 그렇다면 앞서가는 인접 국가를 따라 할 것이 아니라 무체 재산권의 철학적 사상과 원리를 먼저 탐구하여야 할 것입니다.

- 출근하는 길, 시카고 미술관 웹사이트에 들어가 전시된 그림들을 보다가... 

AI 시스템이 한 행위는 특정 사람을 위하여 한 것인가? 아니면 자기를 위하여 한 것인가? AI 시스템은 컴퓨터프로그램(software)인가? 아니면 컴퓨터시스템(hardware)인가?

 AI 시스템이 한 행위는 특정 사람을 위하여 한 것인가? 아니면 자기를 위하여 한 것인가? AI 시스템은 컴퓨터프로그램(software)인가? 아니면 컴퓨터시스템(hardware)인가?

 * AI가 인간지능을 뛰어넘는 '특이점'(singularity)은 아직 먼 이야기이다 (“AI가 인간지능 뛰어넘는 '특이점'은 오지 않는다" -AI석학 제리 캐플런 미국 스탠퍼드대 교수). 따라서 본 글에서는 '사람 같은 지능과 자아를 지닌 '강한 인공지능(strong AI)'을 고려하지 않기로 한다.

최근 AI 프로그램을 이용한 대리행위에 관심이 뜨거워지고 있다. 심지어 단지 편리하고 저렴하고 신속하다는 이유로 권리를 취득하거나 포기하는 문제에도 AI 프로그램이 대신 해주기를 원하는 사람이 늘고 있다. 이러한 AI프로그램을 만드는 기업은 사람의 개입이 없는 위험성을 구체적으로 설명하지 않는다. AI프로그램이 인간보다 낫다고 설명한다. 아직은 모든 것이 실험단계이다.

AI 기술이 발전하면서 AI 프로그램은 정해진 시퀀스에 따라 특정의 행동을 자동으로 (automatically) 처리하는 수준을 넘어 자율적으로(autonomously) 처리하기 시작했다. 점차 정보를 제공하는 차원을 넘어 인간의 개입 없이도 스스로 합리적인 결정을 할 수 있다고 평가받기 시작하였다.

컴퓨터 프로그램을 이용하여 정형화(定型化)된 절차 또는 일상적인 통상의 행위를 자동으로 처리하는 수준은 종래 법제도 아래에서 법률 해석이 가능하였다.

그러나 장래 행위에 대한 결정을 자율적으로 하는 수준을 어떻게 해석하여야 하는지 논란이 일고 있다.

현재 AI 기술은 AI 프로그램이 어떤 문제에 답을 예측하거나 선택을 할 때, 어떤 의사나 어떤 인과관계를 따르는 것이 아니다. 단지 상호관계를 갖는 데이터를 통해 경험칙을 학습하여 확률적으로 선택하는 특정 알고리즘를 따른다. 

때문에 AI 프로그램이 어떤 선택을 할 때 왜 그런 선택을 하였는지를 근거와 함께 정확히 설명할 수 있는 사람은 없다. 빅데이터에서 찾은 경험칙에 의해 가장 높은 확률로 선택된 것이라는 것이 설명의 전부다.

다양한 법률리서치나 선행기술의 조사에 활용하면 큰 도움이 될 것이다. 특히 조사할 정보가 많을 수록 AI는 그 진가를 발휘할 것이다.

그러나 법률 문서의 작성이나 법적 선택을 전적으로 AI에게 의존한다면 아무도 그 위험을 예측할 수도 없고 책임도 지지 않을 것이다.

우리의 의사결정에는 위험을 감수(taking a risk)하는 과정이 따른다. 그런데 그 위험을 이해조차 할 수 없다면 그에 따른 위험을 감수할 수 없다. 우리는 이해할 수 없는 위험이나 관리할 수 없는 위험을 포기한다.

법률 문서를 작성하거나 법률행위를 선택하는 것은 법률 위험을 분석하고 선택하는 사고 과정을 거친 결과이다. 

이러한 사고 과정은 결과와 함께 고객이 이해하고 있어야 충분히 위험을 감수하고 자유롭게 의사결정 할 수 있다.

현재 약한 인공지능 수준에서는 AI 프로그램에 의사능력이 있다거나 내심의 효과의사가 존재한다고 인정하기 어렵다. 현재 AI 프로그램은 권리능력을 인정받지 못할 뿐 아니라 의사능력 역시 인정받지 못한다.

따라서 AI 프로그램은 대리인으로 인정되지 않으며 단지 자동화 처리의 도구로서 이해된다.

유엔 전자상거래모델법, 유럽연합 전자상거래지침, 미국 통일전자거래법, 미국 통일컴퓨터정보거래법에 “전자대리인”이란 개념을 도입하면서 자율적인 행위능력을 가진 전자대리인의 출현을 예정하고는 있지만, 현재는 자동화 도구로서만 그 효과를 전제하고 있다.

《AI 전자대리인 논의》

먼저, i) AI를 일종의 “전자대리인”(agent)으로 취급하려고 해도 AI에게 의사능력이 없다는 점에서 AI에 의한 대리행위는 무효로 취급될 수 있다.

우선 현행 대리인제도는 법인격이 있어야 인정된다는 점에서 현행 제도상 AI는 대리인으로 보기 어렵다. 

유럽연합이나 미국에서 인정되는 “전자대리인”은 정보처리시스템에 의하여 정해진 시퀀스에 따라 사람의 개입없이 자동으로 처리되는 프로세스에 적용되는 개념이다.

전통적인 현행 제도 안에서 대리제도는 타인(대리인)이 본인의 이름으로 의사표시를 하여 직접 본인에게 법률효과를 귀속시키는 제도로, 대리인에게 행위능력을 요구하지 않으나 적어도 의사능력은 필요로 한다.

또한 대리행위는 의사표시를 요소로 하는 재산상 법률행위에 한하여 인정된다. "발명"이나 창작과 같은 "사실행위"는 대리가 허용되지 않는다.

따라서 정보처리시스템에 의하여 정해진 시퀀스에 따라 이루어지는 일상적인 통상의 행위나 정형적인 프로세스에 대한 처리가 아닌 한, 의사능력이 인정되지 않는 AI의 대리행위는 무효로 볼 수밖에 없다.

《AI 도구론 논의》

다음으로 ii) AI를 “단순한 도구”(tool)라고 취급할 경우에도 AI의 선택과 표시행위에 당사자의 의사가 존재하지 않는 경우 그 행위는 무효가능성이 있다.

도구(tool)론은 민법상 사자(使者)와 같은 면이 많다. 사자도 본인이 결정한 의사를 상대방에게 그대로 표시하는 도구다. 따라서 사자(使者)에게는 의사능력을 필요로 하지 않는다. 이 점에서 AI가 사자(使者)로서 취급하는 데 무리가 없다. 

그러나 사자(使者)의 의사표시 하자는 본인을 기준으로 하기에, 사자(使者)가 본인의 의사표시를 틀리게 전달한 경우는 의사표시의 부도달 내지 본인의 의사표시 착오가 된다. 

그러나 공법행위나 소송상 행위는 착오로 취소를 주정할 수 없으며, 본인에게 의사능력조차 없다면 이에 따른 법률행위는 무효가 될 것이다.

예를 들어 철수가 주식거래 AI 시스템에 “제일 수익이 좋은 주식을 사고 싶다”고 입력하자 AI 시스템이 자신의 모델링 알고리즘에 따라 알아서 특정 기업 A의 주식을 선택하고 자동으로 매수하였다고 하자. 그런데, 매수 후 기업 A의 사업에 치유할 수 없는 치명적인 문제로 주식이 급락하였다고자 하자. 철수는 AI시스템을 주식매수행위를 대행하는 도구로 사용한 것인데, AI가 “제일 수익이 좋은 주식”이 아니라 “특정 기업 A의 주식”을 매수하였다. 사실 “제일 수익이 좋은 주식”만으로는 거래의 대상이 특정되지 못한다. 이러한 예에서 주식거래소에서 이루어진 매매계약의 법률행위의 대상은 “제일 수익이 좋은 주식”이 아니라 “특정 기업 A의 주식”이다. 철수는 A 주식을 사려는 내심의 효과의사는 존재하지 않았으며, 의사표시는 완성되지 않았다. 이런 일이 당신에게 발생한다면 마치 만취상태의 인사불성 상태에서 누군가에게 속아 물건을 구매한 느낌이 들 것이다.

점차 더 많고 발전된 AI 대행/대리 플랫폼이 시장에 하나 둘 나오기 시작하고 플랫폼 기업끼리 차별화된 서비스를 경쟁적으로 제공하기 시작할 것이다. 

AI가 정보를 조사하거나 분석하는 능력은 그 조사/분석 대상이 크면 클수록 사람보다 우월하다. 이를 잘 이용하여 AI 시스템을 도구로 이용하는 지혜가 필요하다.

아직 AI는 정해진 범위 내에서 경험칙에 의존하여 확률에 의존하여 미래를 예측하고 선택하나 통찰력까지 갖추지 못하였다.

의사결정은 결국 인간의 몫이 되어야 한다. 모든 의사결정은 위험을 감수하는 과정이 포함되어 있으며 이 과정이 합당하여야 합리적인 의사결정이라고 한다.

또한 위험을 줄여야 한다. 선택의 위험을 줄이기 위해서는 여전히 전문적인 지식이 필요하다. 이때 AI의 도움은 유용할 것이다. 또한 자신의 판단이 편견에 빠지지 않았는지 참고로 비교하는데도 유용할 것이다.

따라서 위험이 정형화된 사건이나 계약은 AI를 이용한 전자대리인을 인정하고 활용하는 것은 현대사회에 유익할 것이다.

증명이 필요없을 정도로 자명한 사실관계가 아니라면 여전히 전문가의 도움이 필요하다.

알파고의 충격, 제4차산업혁명시대 가장 중요한 인프라는 ?

바둑세계에서 인간이 알파고를 이기는 역사는 2016년 이세돌의 대국이 마지막이 될 것이라는 기사를 읽었습니다. 중국 바둑전문가는 인터뷰에서 인간은 알파고의 바둑을 통해 그동안 생각하지 못한 발전을 기대하게 될 것이라고 말하고 있습니다.

아래 논문에서 인공지능 전문가들이 예견하고 있는 바와 같이, 한 세대가 다 지나가기 전에 인공지능은 능력면에서는 인간을 앞설 것입니다. 이때 인공지능으로부터 인간을 보호할 수 있는 것은 오직 인간의 창작물에만 허락하고 있는 지식재산권밖에 없을지도 모릅니다.

제4차산업혁명시대 가장 중요한 인프라(Infrastructure)가 무엇인지 묻는다면 저는 IoT(사물인터넷)의 기반시설통제와 IP(지식재산) 보호제도의 강화라고 말할 것입니다.

우리 정부가 인구절벽 문제, 일자리 문제만큼이나 좀더 적극적으로 제4차산업에 관한 정책을 고민해야 하는 이유가 여기에 있습니다.

<발췌>
"인공 지능 (AI)의 발전은 교통, 건강, 과학, 금융 및 군대를 개조하여 현대 생활을 변화시킬 것입니다. 공공 정책을 조정하려면 이러한 발전을 보다 잘 예측할 필요가 있습니다. 여기서 우리는 인공 지능의 진보에 관한 기계 학습 연구자의 믿음을 조사한 대규모 설문 조사 결과를 보고합니다. 연구원들은 언어 번역하는 일 (2024 년까지), 고등학교 에세이 쓰는일 (2026 년), 트럭 운전하는 일 (2027 년), 판매하는 일 (2031 년까지), 베스트 셀러 서적 집필하는 일 (2049 년까지) 및 외과 의사로 하는일 (2053 년까지)등 향후 10 년 동안 AI가 많은 사람들을 능가 할 것이라고 예측합니다. 연구자들은 AI가 45 년 안에 모든 업무에서 인간을 뛰어넘고 120 년 내에 모든 인간의 직업을 자동화 할 가능성이 있다고 믿고 있으며, 아시아계 응답자가 북미 미국인보다 훨씬 빨리 이 날짜를 예상하고 있습니다. 이 결과는 연구원 및 정책 입안자들 사이에서 AI의 추세를 예측하고 관리하는 것에 관한 토론의 장이 될 것입니다."

When Will AI Exceed Human Performance? Evidence from AI Experts