특허법상 인공지능 창작물의 발명 해당 여부 The Possibility of Patent Inventions made by Artificial Intelligence 1) 김 용 주 * Kim, Yong-Joo < 목 차 > Ⅰ. 서론 Ⅱ. 인공지능 기술에 대한 개요 1. 인공지능의 정의 2. 인공지능 기술의 특징 3. 인공지능 기술의 방법론 4. 인공지능 기술의 적용 예 Ⅲ. 발명의 개념요소에 대한 분석 1. 의의 2. 특허법상 보호되는 발명의 대상 Ⅳ. 인공지능의 창작 사례 1. 제약산업 2. 컴퓨터 프로그래밍 Ⅴ. 인공지능 창작물의 발명 해당 여부 Ⅵ. 결론 * 충남대학교 일반대학원 법학과 박사과정 (투고일: 7월 3일 심사일: 8월 14일 게재일: 8월 17일) 법학논문집 제42집 제2호 Chung-Ang Journal of Legal Studies 2018 Vol 42, No. 2, pp. 255~291
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
특허법상 인공지능 창작물의 발명 해당 여부
The Possibility of Patent Inventions made by
Artificial Intelligence
1) 김 용 주
Kim Yong-Joo
lt목 차gt
Ⅰ 서론
Ⅱ 인공지능 기술에 대한 개요
1 인공지능의 정의
2 인공지능 기술의 특징
3 인공지능 기술의 방법론
4 인공지능 기술의 적용 예
Ⅲ 발명의 개념요소에 대한 분석
1 의의
2 특허법상 보호되는 발명의 대상
Ⅳ 인공지능의 창작 사례
1 제약산업
2 컴퓨터 프로그래밍
Ⅴ 인공지능 창작물의 발명 해당 여부
Ⅵ 결론
충남대학교 일반대학원 법학과 박사과정
(투고일 7월 3일 심사일 8월 14일 게재일 8월 17일)
법학논문집 제42집 제2호Chung-Ang Journal of Legal Studies2018 Vol 42 No 2 pp 255~291
256 법학논문집 제42집 제2호(중앙대학교 법학연구원)
Ⅰ 서 론
최근 인공지능이 인간의 생활과 밀접하게 연결되어 있으며 추후 인간의 삶
을 크게 변화시킬 것이라는 많은 예측이 나오고 있다 의료middot교육middot산업 등 다방
면에서 인공지능의 발전에 따른 파급력이 클 것으로 예측됨에 따라 이에 대
한 법적 논의가 보다 필요할 것으로 보인다 특허법에 논의를 한정해 보면 인
공지능에 의한 창작물이 특허법상 보호되는 발명인지 법적으로 모호한 측면
이 있다 인공지능이 저작물이라 지칭할 수 있는 창작행위(작곡 미술작품 등)
를 하고 있는 것과 달리 인공지능이 특허법상 발명행위로 지칭할 수 있는 행
위를 해내고 있는지 얼핏 생각하기 어렵다 이를 확인하기 위해서는 인공지능
의 기술이 어떠한 기술적 배경을 지니고 있고 이 기술을 통해 특허법상 발명
행위로 볼 수 있는 행위를 어떻게 할 수 있을지를 구체적으로 생각해 볼 필요
가 있다
모든 다른 법 분야가 그러하겠으나 국내 특허법 역시 입법 내지는 기존 조
문의 해석이 미국 등 선진국의 영향을 받는 경우가 많다1) 이는 가장 최첨단
이라 볼 수 있는 기술인 인공지능과 관련한 법적 논의에서도 마찬가지일 것
이다 이에 본 논문에서는 미국에서의 법적 내용을 중심으로 특허법에서 인공
지능 창작물의 발명해당 여부에 대하여 검토해 보고자 한다
이에 본 논문에서는 미국에서의 법적 내용을 중심으로 특허법에서 인공지
능 창작물의 발명해당 여부에 대하여 검토해 보고자 한다 이를 위해 본 논문
에서는 인공지능 기술을 개괄적으로 살펴보겠다 아울러 발명의 개념요소에
대한 분석 후 현재의 기술수준에서 인공지능의 발명행위로 볼 수 있는 사례
를 검토하고자 한다 이를 통해 현재 시점에서 인공지능의 창작물이 특허법상
발명 요건에 해당할 수 있을지 생각해 보고자 한다
1) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「한국산업재산권학회」(제41호) 산업재산권 20138 90-91면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 257
Ⅱ 인공지능 기술에 대한 개요
1 인공지능의 정의
인공지능(Artificial Intelligence)이라 하면 전 세계적으로 공통적으로 받아들
여지고 있는 정의는 없다 다수의 학자들에 의하면 ldquo인위적으로 만들어진 지
능rdquo을 지칭한다2) 일본 인공지능학회지에 실린 내용을 참고하자면 인공지능
이란 ldquo인공적으로 만들어진 지능을 가지는 실체 또는 그것을 만들자고 가함
으로써 지능 자체를 연구하는 분야rdquo(나카지마 히데유키)로 지칭되기도 하고
ldquo지능을 가진 메커니즘 내지는 마음을 가지는 메커니즘rdquo(니시다 도요아키)
ldquo인공적으로 만든 지적인 행동을 하는 시스템rdquo(미조구치 리아치로) ldquo인간의
두뇌 활동을 극한까지 모사하는 시스템rdquo(나가오 마코토) 등으로 지칭되기도
한다3)
인공지능은 다양한 학문 체계를 기반으로 하여 여러 가지 학문적인 특성을
복합적으로 갖고 있기 때문에 간단명료하게 정의하기 어려운 측면이 있다 인
공지능은 컴퓨터 과학 수학 통계학을 중심으로 철학 심리학 의학 언어학
등 실존하는 모든 학문이 광범위하게 연계되어 있다4) 철학은 사람이 어떻게
인지하고 배우고 기억하고 추론하는지 고민하였고 수학은 대수 논리학 확
률론 등을 통해 철학에서 제안한 추상적인 아이디어를 증명하고 알고리즘이
라는 형태로 구체적인 구현을 해 왔다5) 인지심리학은 인간과 동물들이 어떻
게 정보를 인지하고 저장하고 분석처리 하느냐에 대한 동작 메커니즘을 밝
혀왔으며 컴퓨터 과학은 이러한 산출물들이 실제로 동작할 수 있도록 컴퓨터
하드웨어와 프로그래밍 기법을 개발하여 인공지능의 모습을 완성하는데 기여
하였다6) 결국 인간의 사고와 관련한 현존하는 모든 학문 체계가 인공지능의
2) Paulius Cerka Jurgita Grigiene Gintare Sirbikyte ldquoLiability for damages caused by artificial intelligencerdquo Computer Law amp Security Review vol 31 Issue 3(20156) p378
3) 마쓰오 유카타 인공지능과 딥러닝 ndash 인공지능이 불러올 산업 구조의 변화와 혁신 동아 엠앤비 2016년 47면
4) 김의중 인공지능 머신러닝 딥러닝 입문 위키북스 2017 22면5) Id
258 법학논문집 제42집 제2호(중앙대학교 법학연구원)
개념에 포섭될 수 있으며 학문의 발전은 인공지능의 성능을 크게 향상시키는
데 기여하였다 물론 인공지능이 지금과 같이 발전된 형태로 구현되기까지는
다음 장에서 짚어보듯 시간이 걸렸다 아울러 소위 lsquo강한 인공지능rsquo과 같이 인
간과 거의 유사한 형태의 사고를 할 수 있는 정도의 기술적 진보까지 다다른
상태에는 이르지 못하고 있다
2 인공지능 기술의 특징
인공지능은 소위 인위적으로 만들어진 지능이다 그렇다면 인공지능이 기
술적으로 갖는 특징은 어떤 것이 있기에 인공적으로 지능을 만든다는 것이
가능한가 아울러 현재 어느 정도의 인공지능 기술이 개발되어 왔고 추후 어
느 정도로 기술적 진보가 이루어질 것인지를 예측할 수 있다면 인공지능에
의한 발명이 구체적으로 어떻게 고안될 수 있을지에 대한 대략의 모습이 도
출될 수 있을 것이다
인공지능은 크게 lsquo머신러닝(Machine Learning)rsquo이라는 기계학습 과정을 통
해 지능의 개발이 이루어진다 인간이 학습하는 것과 마찬가지로 머신러닝은
기계 스스로가 훈련 데이터와 빅데이터를 분석해 학습하고 이미지와 음성 인
식 대화 분석 다양한 통계 분석 미래 예측 등을 높은 정밀도로 해내는 것을
목표로 개발되었다7) 인공지능을 이해하기 위한 주요 개념을 살펴보면 다음
과 같다
(1) 머신러닝 지도학습(Supervised Learning)
머신러닝에는 지도학습과 비지도학습이 있다 지도학습은 lsquo교사 데이터rsquo를
준비해서 인공지능을 한 가지 방향으로 학습시키는데 반해 비지도 학습은 데
이터 없이 인공지능 자신이 모은 데이터를 사용한다는 차이가 있다8)
지도학습의 예를 들어보면 lsquo개의 이미지rsquo를 보여주고 이를 lsquo개로 분류함rsquo이
6) Id7) 칸자키 요지 최신 인공지능 쉽게 이해하고 넓게 활용하기 위키북스 2017 164면8) 미야케 요이치로middot모이카와 유키히토 인공지능 70 재미있게 알아보는 AI 키워드 제이펍 2017년
56면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 259
라는 정답이 붙여진 데이터를 분석하게 한 후 특징 값을 학습하게 하는 것이
전형적인 지도학습의 예이다9)
지도학습의 경우 효율적인 학습이 가능하지만 실제로 학습 데이터를 어떻
게 구성하느냐는 매우 어려운 문제인데 학습에 필요한 만큼 데이터 집합을
구성하기도 어려울 뿐 아니라 하나하나의 데이터 값이 올바른지 아닌지에 대
한 판단을 하기는 거의 불가능하다는 문제가 있다10)
(2) 머신러닝 비지도학습(Unsupervised Learning)
비지도학습은 정답이 없는 데이터로 머신러닝을 하는 것인데 정답이 없는
예측과 분석 해석 등의 분야에서 사용되거나 방대한 데이터 안에서 컴퓨터
스스로 뭔가를 발견하게 하거나 방대한 훈련 데이터를 반복적으로 학습하게
할 때 사용된다11) 이를 위해서는 컴퓨터가 이미지 및 음성 수치 등의 방대한
데이터를 읽도록 해서 특징 값을 구하고 그에 따라 패턴과 카테고리에 자동
으로 분류하게 하거나 클러스터 분석 규칙성 및 상관성 특징 특이성 경향
등을 분석하게 한다12)
(3) 신경망과 딥러닝(Deep Learning)
신경망은 뇌와 닮은 구조를 단순화해서 컴퓨터로 재현한 것인데 정보를
처리하는 과정을 반복했을 때 lsquo특징(특징값)rsquo이 산출되어 몇 가지 처리 결과
를 출력하는 구조가 lsquo신경망rsquo의 기본이다13) 신경망은 신경세포 모델인 인공
신경(Artificial Neuron 인공뉴런 또는 뉴런 소자 뉴런 셀 이라고도 함)을 상호
결합한 망이다14) 인공 뉴런은 여러 개의 입력을 받아들여 일정한 처리를 시
행한 다음 처리 결과를 출력하는데 생물의 신경 세포 동작에서 힌트를 얻은
9) 칸자키 요지 위의 책 186면10) 오다카 토모히로 처음 만나는 머신러닝과 딥러닝 ndash C언어로 구현하며 익히는 기본 개념 프리렉
2017년 71-72면11) 칸자키 요지 위의 책 188면12) 칸자키 요지 위의 책 188면13) 칸자키 요지 위의 책 177면14) 오다카 토모히로 위의 책 24면
Layer) 그 사이에 하나 이상의 중간층(Hidden Layer)을 갖고 있는 계층 구조
(Layer Structure)로 구성된다18) 과거에는 대규모 신경망을 구현하기가 어려웠
으나 최근의 신경망 연구 결과에서 새로운 구현 기술이 생겨났는데 이를 이
용한 것이 딥러닝이다19)
(4) 강화학습(Reinforcement Learning)과 보상
강화학습은 지도학습에 속한 모델로 분류되기도 하고 강화학습 자체의 독
립적인 영역으로 분류되기도 한다20) 지도학습으로 분류되는 이유는 학습 중
에 환경에 의해 피드백을 받기 때문이며 강화학습 자체의 독립적으로 분류되
는 이유는 강화학습이 가지고 있는 최적의 의사결정 과정이 지도학습의 대표
적인 방식과는 구별되는 학습모델이기 때문이다21) 강화학습은 트레이닝에
의한 시행착오에서 비롯되고 가까운 목표를 달성한 후 다음 레벨을 목표로
반복해가며 실력을 높이는 학습 방법과 비슷하다22) 머신러닝의 세 분류를 정
리해보면 다음과 같다
15) 오다카 토모히로 위의 책 24-25면16) 오다카 토모히로 위의 책 25면17) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt18) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt19) 오다카 토모히로 위의 책 26면20) 김의중 위의 책 167면21) Id22) 칸자키 요지 위의 책 191면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 261
[표 1] 학습 방법에 따른 머신러닝 분류23)
분 류 개 념
지도학습어떤 사례와 이에 대한 정답이 쌍으로 제시되고 이 학습 항목의 하나하나를
선생님이 가르치는 학습
비지도
학습
정답과 오답을 선생님으로부터 배우는 것이 아니라 주어진 학습 데이터를 머신러
닝 시스템 자신이 판단하여 배우는 학습
강화학습하나하나의 항목에 대한 정답과 오답은 주어지지 않으며 마지막의 결과 평가만
주어지는 환경에서의 학습
강화학습이 이루어지기 위해서는 기계가 반복적인 행위를 하면서 성공한
경우 lsquo보상(Reward)rsquo을 제공해야 하는데 시험용 쥐에 관한 실험 예 중 하나인
lsquo스키너 상자rsquo가 대표적인 예이다24) 강화학습의 원리에서는 일련의 착수가
끝난 다음에 평가를 얻어 그 평가에 기반을 두어 학습을 진행할 수 있다25)
가령 체스나 장기 등의 게임에서 최종적인 결과는 반드시 자신의 승리middot패배middot
무승부 중 하나인데 자신이 수행한 일련의 착수에 대한 평가를 통해 결과를
알 수 있다 일련의 행동 마지막에 얻을 수 있는 평가치를 보상이라고 부른
다26)
3 인공지능 기술의 방법론
(1) 지도학습을 위한 lsquo통계와 확률rsquo머신러닝과 딥러닝에도 통계와 확률의 개념이 적용된다 예를 들면 데이터
를 수집하고 분류하고 분석해 컴퓨터에게 학습시키는 과정에서 주로 통계학
이론이 적용되며 새로운 입력 값에 대한 결과를 예측하는 과정에서는 주로
확률 이론이 적용된다27)
23) 오다카 토모히로 위의 책 27면24) 칸자키 요지 위의 책 192-193면25) 오다카 토모히로 위의 책 72면26) 오다카 토모히로 위의 책 72-73면27) 김의중 위의 책 92면
262 법학논문집 제42집 제2호(중앙대학교 법학연구원)
1) 상관분석
사람의 신장과 체중을 조사해 보면 일반적으로 신장이 크면 체중도 무겁
고 동시에 체중이 무거운 경우 신장도 크다28) 이와 같이 두 변수 간에 상호
의존관계가 있을 경우 이 관계가 어느 정도로 밀접한가를 측정하는 분석 방
법을 상관분석(Correlation Analysis)라고 한다
2) 회귀분석
회귀분석(Regression Analysis)은 변수 간의 함수적 관련성을 규명하기 위해
어떤 수학적 모형을 가정하고 이 모형을 측정된 변수의 데이터로부터 추정하
는 통계적 분석방법이다29) 가령 판매액(Y)과 광고비(X)의 관계에 대한 수학
적 모형 Y=f(X)로 추정했다면 판매액과 광고비의 관계를 설명할 수 있으며
일정한 광고비를 투자했을 때의 판매액을 예측할 수 있다30) 회귀분석의 실제
응용에서는 독립변수가 1개인 단순선형회귀분석보다는 독립변수가 2개 이상
인 다중회귀모형이 더욱 많이 이용된다31)
3) 베이지안 확률론
베이지안론의 확률적 추론 방법은 어떤 가설의 확률을 평가하기 위해 주관적
또는 임의적으로 사전 확률을 먼저 정하고 관찰된 데이터를 기반으로 하는 가능
도를 계산해서 처음에 설정된 주관적 확률을 보정하는 방법이다32) 모든 베이지
안 자료 분석은 세 종류의 확률분포를 사용하는데 먼저 자료의 확률분포(the
probability distribution of data)이다33) 자료의 확률분포는 특정모형 가정시 현재
연구자가 가진 자료가 그 모형을 통해 생성될 수 있는 개연성을 확률분포의
형태로 보여준다34)두 번째 요소는 사전확률분포(the prior probability distribution)
28) 이태림 외 통계학개론 한국방송통신대학교출판문화원 2017 292면29) 이태림 외 위의 책 297면30) Id31) 이태림 외 위의 책 314면32) 김의중 위의 책 109면33) 박종희 lsquo베이지안 사회과학 방법론이란 무엇인가rsquo 고려대학교 평화와민주주의연구소 985172평화연
구985173 (제22권 제1호) 고려대학교 평화와민주주의연구소 20144 487면34) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 263
인데 이는 모수에 대해 설정하며 연구자가 가지고 있는 사전정보를 반영하는
것이다35) 베이지안 자료분석의 세 번째 요소는 사후확률분포(the posterior
distribution)인데 사후확률분포란 연구자가 가진 사전확률분포를 자료의 확률분
포를 통해 업데이트한 결과로 베이지안 분석의 결과라고 볼 수 있다36)
(2) 지도학습을 위한 lsquo분류rsquo분류란 어떤 입력된 데이터가 어떤 그룹에 속하는지를 알아내는 것이다37)
이때 입력 데이터가 속할 그룹은 각 학습 데이터가 가지는 레이블 세트를 지
칭한다38)
1) 최근접 이웃 방법
최근접 이웃방법(Nearest Neighbor)이라는 것은 lsquo가장 가까운 이웃의 분류를
따른다rsquo는 것인데 이것은 가장 가까운 데이터의 카테고리가 맞는 확률이 높을
것이라는 가설에 근거한다39) 그러나 이는 단순한 만큼 노이즈에 영향을 받기
쉽고 이상표본에 의해 그 주변은 이상표본으로 분류되는 오버피팅(Overfitting)
의 결과를 낳게 될 수 있다40)
2) 나이브 베이즈법
나이브 베이즈법은 확률에 관한 유명한 정리인 lsquo베이즈의 정리rsquo를 사용해
나누는 방법으로 데이터의 특징마다 어느 카테고리에 꼭 들어맞는가에 대한
확률들을 곱해 가장 그럴 법한 분류를 찾는 방법이다41)
3) 결정트리
결정트리(Decision Tree)는 각 속성들이 포함되어 있는가 아닌가를 기반으
35) 박종희 위 논문 487-488면36) 박종희 위 논문 488면37) 김의중 위의 책 120면38) Id39) 마쓰오 유카타 위의 책 126면40) Id41) 마쓰오 유카타 위의 책 126면
264 법학논문집 제42집 제2호(중앙대학교 법학연구원)
로 분류를 수행한다42) 가령 lsquo여당rsquo이라는 단어가 들어있는 집합과 들어있지
않은 집합으로 나누고 lsquo국회rsquo라는 단어가 들어있는 집합과 들어있지 않은 집
합으로 분류하여 lsquo여당과 국회가 동시에 들어 있으면 정치 카테고리로 나눌
수 있다rsquo와 같은 룰을 만드는 방식으로 질문 트리를 만들어 가장 그럴법한 분
류 결과를 뽑아내는 방법이다43)
4) 서포트 벡터 머신
서포트 벡터 머신(support vector machine)은 데이터를 구분 짓는 구분선과
각 데이터 그룹간의 간격을 최대로 나누는 방법이다44)
5) 뉴럴 네트워크
뉴럴 네트워크(Neural Network)는 인간의 뇌신경 회로를 흉내 내 매우 복잡
한 구조의 힘을 통해 분류하는 방법이다45) 인간의 뉴런이 학습에 의해 시냅
스의 결합 강도를 변화시키듯이 학습하는 과정에서 가중치의 부여를 변화시
켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여 된다46)
(3) 비지도학습을 위한 lsquo군집rsquo 비지도학습은 레이블이 없는 데이터를 분류하는 것이기에 현재 데이터세
트를 같은 특성을 가진 그룹으로 묶는데 그 목적을 두고 있다47) 군집 모델은
두가지 목적이 있는데 첫 번째는 레이블이 없는 데이터세트의 요약 정보를
추출하는 것이고 두 번째는 그러한 요약 정보를 통해 전체 데이터세트가 갖
고 있는 특징을 발견하는 것이다48)
42) 마쓰오 유카타 위의 책 127면43) 마쓰오 유카타 위의 책 127-128면44) 마쓰오 유카타 위의 책 128면45) 마쓰오 유카타 위의 책 129면46) 마쓰오 유카타 위의 책 131면47) 김의중 위의 책 150면48) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 265
(4) 강화학습을 위한 lsquo시행착오rsquo시행착오를 통해 스스로 지식을 쌓아나가는 것이 기존의 프로그래밍과 인
공지능의 가장 큰 차이일 것이다 인공지능이 lsquo스스로 생각한다rsquo고 하는 기본
전제가 강화학습을 통한 사행착오이고 이것이 좀 더 발전된 단계에 이르면
인간이 사고하는 것과 같이 사고할 수 있는 강한 인공지능(Strong AI)이 나타
날 수 있기 때문이다 그리고 이러한 점 때문에 인간과 기계 사이에 놓여있는
인공지능에 대하여 어떠한 법적 판단을 내려야 할 것인지에 대해 고민점이
시작되기도 한다
시행착오 개념이 적용된 강화학습이론에 따르면 에이전트는 환경으로부터
상태를 관측하고 이에 따른 적절한 행동을 하면 이 행동을 기준으로 환경으
로부터 보상을 받는다49) 에이전트는 이러한 lsquo관측-행동-보상rsquo이라는 상호작
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
Layer) 그 사이에 하나 이상의 중간층(Hidden Layer)을 갖고 있는 계층 구조
(Layer Structure)로 구성된다18) 과거에는 대규모 신경망을 구현하기가 어려웠
으나 최근의 신경망 연구 결과에서 새로운 구현 기술이 생겨났는데 이를 이
용한 것이 딥러닝이다19)
(4) 강화학습(Reinforcement Learning)과 보상
강화학습은 지도학습에 속한 모델로 분류되기도 하고 강화학습 자체의 독
립적인 영역으로 분류되기도 한다20) 지도학습으로 분류되는 이유는 학습 중
에 환경에 의해 피드백을 받기 때문이며 강화학습 자체의 독립적으로 분류되
는 이유는 강화학습이 가지고 있는 최적의 의사결정 과정이 지도학습의 대표
적인 방식과는 구별되는 학습모델이기 때문이다21) 강화학습은 트레이닝에
의한 시행착오에서 비롯되고 가까운 목표를 달성한 후 다음 레벨을 목표로
반복해가며 실력을 높이는 학습 방법과 비슷하다22) 머신러닝의 세 분류를 정
리해보면 다음과 같다
15) 오다카 토모히로 위의 책 24-25면16) 오다카 토모히로 위의 책 25면17) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt18) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt19) 오다카 토모히로 위의 책 26면20) 김의중 위의 책 167면21) Id22) 칸자키 요지 위의 책 191면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 261
[표 1] 학습 방법에 따른 머신러닝 분류23)
분 류 개 념
지도학습어떤 사례와 이에 대한 정답이 쌍으로 제시되고 이 학습 항목의 하나하나를
선생님이 가르치는 학습
비지도
학습
정답과 오답을 선생님으로부터 배우는 것이 아니라 주어진 학습 데이터를 머신러
닝 시스템 자신이 판단하여 배우는 학습
강화학습하나하나의 항목에 대한 정답과 오답은 주어지지 않으며 마지막의 결과 평가만
주어지는 환경에서의 학습
강화학습이 이루어지기 위해서는 기계가 반복적인 행위를 하면서 성공한
경우 lsquo보상(Reward)rsquo을 제공해야 하는데 시험용 쥐에 관한 실험 예 중 하나인
lsquo스키너 상자rsquo가 대표적인 예이다24) 강화학습의 원리에서는 일련의 착수가
끝난 다음에 평가를 얻어 그 평가에 기반을 두어 학습을 진행할 수 있다25)
가령 체스나 장기 등의 게임에서 최종적인 결과는 반드시 자신의 승리middot패배middot
무승부 중 하나인데 자신이 수행한 일련의 착수에 대한 평가를 통해 결과를
알 수 있다 일련의 행동 마지막에 얻을 수 있는 평가치를 보상이라고 부른
다26)
3 인공지능 기술의 방법론
(1) 지도학습을 위한 lsquo통계와 확률rsquo머신러닝과 딥러닝에도 통계와 확률의 개념이 적용된다 예를 들면 데이터
를 수집하고 분류하고 분석해 컴퓨터에게 학습시키는 과정에서 주로 통계학
이론이 적용되며 새로운 입력 값에 대한 결과를 예측하는 과정에서는 주로
확률 이론이 적용된다27)
23) 오다카 토모히로 위의 책 27면24) 칸자키 요지 위의 책 192-193면25) 오다카 토모히로 위의 책 72면26) 오다카 토모히로 위의 책 72-73면27) 김의중 위의 책 92면
262 법학논문집 제42집 제2호(중앙대학교 법학연구원)
1) 상관분석
사람의 신장과 체중을 조사해 보면 일반적으로 신장이 크면 체중도 무겁
고 동시에 체중이 무거운 경우 신장도 크다28) 이와 같이 두 변수 간에 상호
의존관계가 있을 경우 이 관계가 어느 정도로 밀접한가를 측정하는 분석 방
법을 상관분석(Correlation Analysis)라고 한다
2) 회귀분석
회귀분석(Regression Analysis)은 변수 간의 함수적 관련성을 규명하기 위해
어떤 수학적 모형을 가정하고 이 모형을 측정된 변수의 데이터로부터 추정하
는 통계적 분석방법이다29) 가령 판매액(Y)과 광고비(X)의 관계에 대한 수학
적 모형 Y=f(X)로 추정했다면 판매액과 광고비의 관계를 설명할 수 있으며
일정한 광고비를 투자했을 때의 판매액을 예측할 수 있다30) 회귀분석의 실제
응용에서는 독립변수가 1개인 단순선형회귀분석보다는 독립변수가 2개 이상
인 다중회귀모형이 더욱 많이 이용된다31)
3) 베이지안 확률론
베이지안론의 확률적 추론 방법은 어떤 가설의 확률을 평가하기 위해 주관적
또는 임의적으로 사전 확률을 먼저 정하고 관찰된 데이터를 기반으로 하는 가능
도를 계산해서 처음에 설정된 주관적 확률을 보정하는 방법이다32) 모든 베이지
안 자료 분석은 세 종류의 확률분포를 사용하는데 먼저 자료의 확률분포(the
probability distribution of data)이다33) 자료의 확률분포는 특정모형 가정시 현재
연구자가 가진 자료가 그 모형을 통해 생성될 수 있는 개연성을 확률분포의
형태로 보여준다34)두 번째 요소는 사전확률분포(the prior probability distribution)
28) 이태림 외 통계학개론 한국방송통신대학교출판문화원 2017 292면29) 이태림 외 위의 책 297면30) Id31) 이태림 외 위의 책 314면32) 김의중 위의 책 109면33) 박종희 lsquo베이지안 사회과학 방법론이란 무엇인가rsquo 고려대학교 평화와민주주의연구소 985172평화연
구985173 (제22권 제1호) 고려대학교 평화와민주주의연구소 20144 487면34) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 263
인데 이는 모수에 대해 설정하며 연구자가 가지고 있는 사전정보를 반영하는
것이다35) 베이지안 자료분석의 세 번째 요소는 사후확률분포(the posterior
distribution)인데 사후확률분포란 연구자가 가진 사전확률분포를 자료의 확률분
포를 통해 업데이트한 결과로 베이지안 분석의 결과라고 볼 수 있다36)
(2) 지도학습을 위한 lsquo분류rsquo분류란 어떤 입력된 데이터가 어떤 그룹에 속하는지를 알아내는 것이다37)
이때 입력 데이터가 속할 그룹은 각 학습 데이터가 가지는 레이블 세트를 지
칭한다38)
1) 최근접 이웃 방법
최근접 이웃방법(Nearest Neighbor)이라는 것은 lsquo가장 가까운 이웃의 분류를
따른다rsquo는 것인데 이것은 가장 가까운 데이터의 카테고리가 맞는 확률이 높을
것이라는 가설에 근거한다39) 그러나 이는 단순한 만큼 노이즈에 영향을 받기
쉽고 이상표본에 의해 그 주변은 이상표본으로 분류되는 오버피팅(Overfitting)
의 결과를 낳게 될 수 있다40)
2) 나이브 베이즈법
나이브 베이즈법은 확률에 관한 유명한 정리인 lsquo베이즈의 정리rsquo를 사용해
나누는 방법으로 데이터의 특징마다 어느 카테고리에 꼭 들어맞는가에 대한
확률들을 곱해 가장 그럴 법한 분류를 찾는 방법이다41)
3) 결정트리
결정트리(Decision Tree)는 각 속성들이 포함되어 있는가 아닌가를 기반으
35) 박종희 위 논문 487-488면36) 박종희 위 논문 488면37) 김의중 위의 책 120면38) Id39) 마쓰오 유카타 위의 책 126면40) Id41) 마쓰오 유카타 위의 책 126면
264 법학논문집 제42집 제2호(중앙대학교 법학연구원)
로 분류를 수행한다42) 가령 lsquo여당rsquo이라는 단어가 들어있는 집합과 들어있지
않은 집합으로 나누고 lsquo국회rsquo라는 단어가 들어있는 집합과 들어있지 않은 집
합으로 분류하여 lsquo여당과 국회가 동시에 들어 있으면 정치 카테고리로 나눌
수 있다rsquo와 같은 룰을 만드는 방식으로 질문 트리를 만들어 가장 그럴법한 분
류 결과를 뽑아내는 방법이다43)
4) 서포트 벡터 머신
서포트 벡터 머신(support vector machine)은 데이터를 구분 짓는 구분선과
각 데이터 그룹간의 간격을 최대로 나누는 방법이다44)
5) 뉴럴 네트워크
뉴럴 네트워크(Neural Network)는 인간의 뇌신경 회로를 흉내 내 매우 복잡
한 구조의 힘을 통해 분류하는 방법이다45) 인간의 뉴런이 학습에 의해 시냅
스의 결합 강도를 변화시키듯이 학습하는 과정에서 가중치의 부여를 변화시
켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여 된다46)
(3) 비지도학습을 위한 lsquo군집rsquo 비지도학습은 레이블이 없는 데이터를 분류하는 것이기에 현재 데이터세
트를 같은 특성을 가진 그룹으로 묶는데 그 목적을 두고 있다47) 군집 모델은
두가지 목적이 있는데 첫 번째는 레이블이 없는 데이터세트의 요약 정보를
추출하는 것이고 두 번째는 그러한 요약 정보를 통해 전체 데이터세트가 갖
고 있는 특징을 발견하는 것이다48)
42) 마쓰오 유카타 위의 책 127면43) 마쓰오 유카타 위의 책 127-128면44) 마쓰오 유카타 위의 책 128면45) 마쓰오 유카타 위의 책 129면46) 마쓰오 유카타 위의 책 131면47) 김의중 위의 책 150면48) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 265
(4) 강화학습을 위한 lsquo시행착오rsquo시행착오를 통해 스스로 지식을 쌓아나가는 것이 기존의 프로그래밍과 인
공지능의 가장 큰 차이일 것이다 인공지능이 lsquo스스로 생각한다rsquo고 하는 기본
전제가 강화학습을 통한 사행착오이고 이것이 좀 더 발전된 단계에 이르면
인간이 사고하는 것과 같이 사고할 수 있는 강한 인공지능(Strong AI)이 나타
날 수 있기 때문이다 그리고 이러한 점 때문에 인간과 기계 사이에 놓여있는
인공지능에 대하여 어떠한 법적 판단을 내려야 할 것인지에 대해 고민점이
시작되기도 한다
시행착오 개념이 적용된 강화학습이론에 따르면 에이전트는 환경으로부터
상태를 관측하고 이에 따른 적절한 행동을 하면 이 행동을 기준으로 환경으
로부터 보상을 받는다49) 에이전트는 이러한 lsquo관측-행동-보상rsquo이라는 상호작
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
Layer) 그 사이에 하나 이상의 중간층(Hidden Layer)을 갖고 있는 계층 구조
(Layer Structure)로 구성된다18) 과거에는 대규모 신경망을 구현하기가 어려웠
으나 최근의 신경망 연구 결과에서 새로운 구현 기술이 생겨났는데 이를 이
용한 것이 딥러닝이다19)
(4) 강화학습(Reinforcement Learning)과 보상
강화학습은 지도학습에 속한 모델로 분류되기도 하고 강화학습 자체의 독
립적인 영역으로 분류되기도 한다20) 지도학습으로 분류되는 이유는 학습 중
에 환경에 의해 피드백을 받기 때문이며 강화학습 자체의 독립적으로 분류되
는 이유는 강화학습이 가지고 있는 최적의 의사결정 과정이 지도학습의 대표
적인 방식과는 구별되는 학습모델이기 때문이다21) 강화학습은 트레이닝에
의한 시행착오에서 비롯되고 가까운 목표를 달성한 후 다음 레벨을 목표로
반복해가며 실력을 높이는 학습 방법과 비슷하다22) 머신러닝의 세 분류를 정
리해보면 다음과 같다
15) 오다카 토모히로 위의 책 24-25면16) 오다카 토모히로 위의 책 25면17) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt18) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt19) 오다카 토모히로 위의 책 26면20) 김의중 위의 책 167면21) Id22) 칸자키 요지 위의 책 191면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 261
[표 1] 학습 방법에 따른 머신러닝 분류23)
분 류 개 념
지도학습어떤 사례와 이에 대한 정답이 쌍으로 제시되고 이 학습 항목의 하나하나를
선생님이 가르치는 학습
비지도
학습
정답과 오답을 선생님으로부터 배우는 것이 아니라 주어진 학습 데이터를 머신러
닝 시스템 자신이 판단하여 배우는 학습
강화학습하나하나의 항목에 대한 정답과 오답은 주어지지 않으며 마지막의 결과 평가만
주어지는 환경에서의 학습
강화학습이 이루어지기 위해서는 기계가 반복적인 행위를 하면서 성공한
경우 lsquo보상(Reward)rsquo을 제공해야 하는데 시험용 쥐에 관한 실험 예 중 하나인
lsquo스키너 상자rsquo가 대표적인 예이다24) 강화학습의 원리에서는 일련의 착수가
끝난 다음에 평가를 얻어 그 평가에 기반을 두어 학습을 진행할 수 있다25)
가령 체스나 장기 등의 게임에서 최종적인 결과는 반드시 자신의 승리middot패배middot
무승부 중 하나인데 자신이 수행한 일련의 착수에 대한 평가를 통해 결과를
알 수 있다 일련의 행동 마지막에 얻을 수 있는 평가치를 보상이라고 부른
다26)
3 인공지능 기술의 방법론
(1) 지도학습을 위한 lsquo통계와 확률rsquo머신러닝과 딥러닝에도 통계와 확률의 개념이 적용된다 예를 들면 데이터
를 수집하고 분류하고 분석해 컴퓨터에게 학습시키는 과정에서 주로 통계학
이론이 적용되며 새로운 입력 값에 대한 결과를 예측하는 과정에서는 주로
확률 이론이 적용된다27)
23) 오다카 토모히로 위의 책 27면24) 칸자키 요지 위의 책 192-193면25) 오다카 토모히로 위의 책 72면26) 오다카 토모히로 위의 책 72-73면27) 김의중 위의 책 92면
262 법학논문집 제42집 제2호(중앙대학교 법학연구원)
1) 상관분석
사람의 신장과 체중을 조사해 보면 일반적으로 신장이 크면 체중도 무겁
고 동시에 체중이 무거운 경우 신장도 크다28) 이와 같이 두 변수 간에 상호
의존관계가 있을 경우 이 관계가 어느 정도로 밀접한가를 측정하는 분석 방
법을 상관분석(Correlation Analysis)라고 한다
2) 회귀분석
회귀분석(Regression Analysis)은 변수 간의 함수적 관련성을 규명하기 위해
어떤 수학적 모형을 가정하고 이 모형을 측정된 변수의 데이터로부터 추정하
는 통계적 분석방법이다29) 가령 판매액(Y)과 광고비(X)의 관계에 대한 수학
적 모형 Y=f(X)로 추정했다면 판매액과 광고비의 관계를 설명할 수 있으며
일정한 광고비를 투자했을 때의 판매액을 예측할 수 있다30) 회귀분석의 실제
응용에서는 독립변수가 1개인 단순선형회귀분석보다는 독립변수가 2개 이상
인 다중회귀모형이 더욱 많이 이용된다31)
3) 베이지안 확률론
베이지안론의 확률적 추론 방법은 어떤 가설의 확률을 평가하기 위해 주관적
또는 임의적으로 사전 확률을 먼저 정하고 관찰된 데이터를 기반으로 하는 가능
도를 계산해서 처음에 설정된 주관적 확률을 보정하는 방법이다32) 모든 베이지
안 자료 분석은 세 종류의 확률분포를 사용하는데 먼저 자료의 확률분포(the
probability distribution of data)이다33) 자료의 확률분포는 특정모형 가정시 현재
연구자가 가진 자료가 그 모형을 통해 생성될 수 있는 개연성을 확률분포의
형태로 보여준다34)두 번째 요소는 사전확률분포(the prior probability distribution)
28) 이태림 외 통계학개론 한국방송통신대학교출판문화원 2017 292면29) 이태림 외 위의 책 297면30) Id31) 이태림 외 위의 책 314면32) 김의중 위의 책 109면33) 박종희 lsquo베이지안 사회과학 방법론이란 무엇인가rsquo 고려대학교 평화와민주주의연구소 985172평화연
구985173 (제22권 제1호) 고려대학교 평화와민주주의연구소 20144 487면34) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 263
인데 이는 모수에 대해 설정하며 연구자가 가지고 있는 사전정보를 반영하는
것이다35) 베이지안 자료분석의 세 번째 요소는 사후확률분포(the posterior
distribution)인데 사후확률분포란 연구자가 가진 사전확률분포를 자료의 확률분
포를 통해 업데이트한 결과로 베이지안 분석의 결과라고 볼 수 있다36)
(2) 지도학습을 위한 lsquo분류rsquo분류란 어떤 입력된 데이터가 어떤 그룹에 속하는지를 알아내는 것이다37)
이때 입력 데이터가 속할 그룹은 각 학습 데이터가 가지는 레이블 세트를 지
칭한다38)
1) 최근접 이웃 방법
최근접 이웃방법(Nearest Neighbor)이라는 것은 lsquo가장 가까운 이웃의 분류를
따른다rsquo는 것인데 이것은 가장 가까운 데이터의 카테고리가 맞는 확률이 높을
것이라는 가설에 근거한다39) 그러나 이는 단순한 만큼 노이즈에 영향을 받기
쉽고 이상표본에 의해 그 주변은 이상표본으로 분류되는 오버피팅(Overfitting)
의 결과를 낳게 될 수 있다40)
2) 나이브 베이즈법
나이브 베이즈법은 확률에 관한 유명한 정리인 lsquo베이즈의 정리rsquo를 사용해
나누는 방법으로 데이터의 특징마다 어느 카테고리에 꼭 들어맞는가에 대한
확률들을 곱해 가장 그럴 법한 분류를 찾는 방법이다41)
3) 결정트리
결정트리(Decision Tree)는 각 속성들이 포함되어 있는가 아닌가를 기반으
35) 박종희 위 논문 487-488면36) 박종희 위 논문 488면37) 김의중 위의 책 120면38) Id39) 마쓰오 유카타 위의 책 126면40) Id41) 마쓰오 유카타 위의 책 126면
264 법학논문집 제42집 제2호(중앙대학교 법학연구원)
로 분류를 수행한다42) 가령 lsquo여당rsquo이라는 단어가 들어있는 집합과 들어있지
않은 집합으로 나누고 lsquo국회rsquo라는 단어가 들어있는 집합과 들어있지 않은 집
합으로 분류하여 lsquo여당과 국회가 동시에 들어 있으면 정치 카테고리로 나눌
수 있다rsquo와 같은 룰을 만드는 방식으로 질문 트리를 만들어 가장 그럴법한 분
류 결과를 뽑아내는 방법이다43)
4) 서포트 벡터 머신
서포트 벡터 머신(support vector machine)은 데이터를 구분 짓는 구분선과
각 데이터 그룹간의 간격을 최대로 나누는 방법이다44)
5) 뉴럴 네트워크
뉴럴 네트워크(Neural Network)는 인간의 뇌신경 회로를 흉내 내 매우 복잡
한 구조의 힘을 통해 분류하는 방법이다45) 인간의 뉴런이 학습에 의해 시냅
스의 결합 강도를 변화시키듯이 학습하는 과정에서 가중치의 부여를 변화시
켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여 된다46)
(3) 비지도학습을 위한 lsquo군집rsquo 비지도학습은 레이블이 없는 데이터를 분류하는 것이기에 현재 데이터세
트를 같은 특성을 가진 그룹으로 묶는데 그 목적을 두고 있다47) 군집 모델은
두가지 목적이 있는데 첫 번째는 레이블이 없는 데이터세트의 요약 정보를
추출하는 것이고 두 번째는 그러한 요약 정보를 통해 전체 데이터세트가 갖
고 있는 특징을 발견하는 것이다48)
42) 마쓰오 유카타 위의 책 127면43) 마쓰오 유카타 위의 책 127-128면44) 마쓰오 유카타 위의 책 128면45) 마쓰오 유카타 위의 책 129면46) 마쓰오 유카타 위의 책 131면47) 김의중 위의 책 150면48) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 265
(4) 강화학습을 위한 lsquo시행착오rsquo시행착오를 통해 스스로 지식을 쌓아나가는 것이 기존의 프로그래밍과 인
공지능의 가장 큰 차이일 것이다 인공지능이 lsquo스스로 생각한다rsquo고 하는 기본
전제가 강화학습을 통한 사행착오이고 이것이 좀 더 발전된 단계에 이르면
인간이 사고하는 것과 같이 사고할 수 있는 강한 인공지능(Strong AI)이 나타
날 수 있기 때문이다 그리고 이러한 점 때문에 인간과 기계 사이에 놓여있는
인공지능에 대하여 어떠한 법적 판단을 내려야 할 것인지에 대해 고민점이
시작되기도 한다
시행착오 개념이 적용된 강화학습이론에 따르면 에이전트는 환경으로부터
상태를 관측하고 이에 따른 적절한 행동을 하면 이 행동을 기준으로 환경으
로부터 보상을 받는다49) 에이전트는 이러한 lsquo관측-행동-보상rsquo이라는 상호작
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
Layer) 그 사이에 하나 이상의 중간층(Hidden Layer)을 갖고 있는 계층 구조
(Layer Structure)로 구성된다18) 과거에는 대규모 신경망을 구현하기가 어려웠
으나 최근의 신경망 연구 결과에서 새로운 구현 기술이 생겨났는데 이를 이
용한 것이 딥러닝이다19)
(4) 강화학습(Reinforcement Learning)과 보상
강화학습은 지도학습에 속한 모델로 분류되기도 하고 강화학습 자체의 독
립적인 영역으로 분류되기도 한다20) 지도학습으로 분류되는 이유는 학습 중
에 환경에 의해 피드백을 받기 때문이며 강화학습 자체의 독립적으로 분류되
는 이유는 강화학습이 가지고 있는 최적의 의사결정 과정이 지도학습의 대표
적인 방식과는 구별되는 학습모델이기 때문이다21) 강화학습은 트레이닝에
의한 시행착오에서 비롯되고 가까운 목표를 달성한 후 다음 레벨을 목표로
반복해가며 실력을 높이는 학습 방법과 비슷하다22) 머신러닝의 세 분류를 정
리해보면 다음과 같다
15) 오다카 토모히로 위의 책 24-25면16) 오다카 토모히로 위의 책 25면17) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt18) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt19) 오다카 토모히로 위의 책 26면20) 김의중 위의 책 167면21) Id22) 칸자키 요지 위의 책 191면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 261
[표 1] 학습 방법에 따른 머신러닝 분류23)
분 류 개 념
지도학습어떤 사례와 이에 대한 정답이 쌍으로 제시되고 이 학습 항목의 하나하나를
선생님이 가르치는 학습
비지도
학습
정답과 오답을 선생님으로부터 배우는 것이 아니라 주어진 학습 데이터를 머신러
닝 시스템 자신이 판단하여 배우는 학습
강화학습하나하나의 항목에 대한 정답과 오답은 주어지지 않으며 마지막의 결과 평가만
주어지는 환경에서의 학습
강화학습이 이루어지기 위해서는 기계가 반복적인 행위를 하면서 성공한
경우 lsquo보상(Reward)rsquo을 제공해야 하는데 시험용 쥐에 관한 실험 예 중 하나인
lsquo스키너 상자rsquo가 대표적인 예이다24) 강화학습의 원리에서는 일련의 착수가
끝난 다음에 평가를 얻어 그 평가에 기반을 두어 학습을 진행할 수 있다25)
가령 체스나 장기 등의 게임에서 최종적인 결과는 반드시 자신의 승리middot패배middot
무승부 중 하나인데 자신이 수행한 일련의 착수에 대한 평가를 통해 결과를
알 수 있다 일련의 행동 마지막에 얻을 수 있는 평가치를 보상이라고 부른
다26)
3 인공지능 기술의 방법론
(1) 지도학습을 위한 lsquo통계와 확률rsquo머신러닝과 딥러닝에도 통계와 확률의 개념이 적용된다 예를 들면 데이터
를 수집하고 분류하고 분석해 컴퓨터에게 학습시키는 과정에서 주로 통계학
이론이 적용되며 새로운 입력 값에 대한 결과를 예측하는 과정에서는 주로
확률 이론이 적용된다27)
23) 오다카 토모히로 위의 책 27면24) 칸자키 요지 위의 책 192-193면25) 오다카 토모히로 위의 책 72면26) 오다카 토모히로 위의 책 72-73면27) 김의중 위의 책 92면
262 법학논문집 제42집 제2호(중앙대학교 법학연구원)
1) 상관분석
사람의 신장과 체중을 조사해 보면 일반적으로 신장이 크면 체중도 무겁
고 동시에 체중이 무거운 경우 신장도 크다28) 이와 같이 두 변수 간에 상호
의존관계가 있을 경우 이 관계가 어느 정도로 밀접한가를 측정하는 분석 방
법을 상관분석(Correlation Analysis)라고 한다
2) 회귀분석
회귀분석(Regression Analysis)은 변수 간의 함수적 관련성을 규명하기 위해
어떤 수학적 모형을 가정하고 이 모형을 측정된 변수의 데이터로부터 추정하
는 통계적 분석방법이다29) 가령 판매액(Y)과 광고비(X)의 관계에 대한 수학
적 모형 Y=f(X)로 추정했다면 판매액과 광고비의 관계를 설명할 수 있으며
일정한 광고비를 투자했을 때의 판매액을 예측할 수 있다30) 회귀분석의 실제
응용에서는 독립변수가 1개인 단순선형회귀분석보다는 독립변수가 2개 이상
인 다중회귀모형이 더욱 많이 이용된다31)
3) 베이지안 확률론
베이지안론의 확률적 추론 방법은 어떤 가설의 확률을 평가하기 위해 주관적
또는 임의적으로 사전 확률을 먼저 정하고 관찰된 데이터를 기반으로 하는 가능
도를 계산해서 처음에 설정된 주관적 확률을 보정하는 방법이다32) 모든 베이지
안 자료 분석은 세 종류의 확률분포를 사용하는데 먼저 자료의 확률분포(the
probability distribution of data)이다33) 자료의 확률분포는 특정모형 가정시 현재
연구자가 가진 자료가 그 모형을 통해 생성될 수 있는 개연성을 확률분포의
형태로 보여준다34)두 번째 요소는 사전확률분포(the prior probability distribution)
28) 이태림 외 통계학개론 한국방송통신대학교출판문화원 2017 292면29) 이태림 외 위의 책 297면30) Id31) 이태림 외 위의 책 314면32) 김의중 위의 책 109면33) 박종희 lsquo베이지안 사회과학 방법론이란 무엇인가rsquo 고려대학교 평화와민주주의연구소 985172평화연
구985173 (제22권 제1호) 고려대학교 평화와민주주의연구소 20144 487면34) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 263
인데 이는 모수에 대해 설정하며 연구자가 가지고 있는 사전정보를 반영하는
것이다35) 베이지안 자료분석의 세 번째 요소는 사후확률분포(the posterior
distribution)인데 사후확률분포란 연구자가 가진 사전확률분포를 자료의 확률분
포를 통해 업데이트한 결과로 베이지안 분석의 결과라고 볼 수 있다36)
(2) 지도학습을 위한 lsquo분류rsquo분류란 어떤 입력된 데이터가 어떤 그룹에 속하는지를 알아내는 것이다37)
이때 입력 데이터가 속할 그룹은 각 학습 데이터가 가지는 레이블 세트를 지
칭한다38)
1) 최근접 이웃 방법
최근접 이웃방법(Nearest Neighbor)이라는 것은 lsquo가장 가까운 이웃의 분류를
따른다rsquo는 것인데 이것은 가장 가까운 데이터의 카테고리가 맞는 확률이 높을
것이라는 가설에 근거한다39) 그러나 이는 단순한 만큼 노이즈에 영향을 받기
쉽고 이상표본에 의해 그 주변은 이상표본으로 분류되는 오버피팅(Overfitting)
의 결과를 낳게 될 수 있다40)
2) 나이브 베이즈법
나이브 베이즈법은 확률에 관한 유명한 정리인 lsquo베이즈의 정리rsquo를 사용해
나누는 방법으로 데이터의 특징마다 어느 카테고리에 꼭 들어맞는가에 대한
확률들을 곱해 가장 그럴 법한 분류를 찾는 방법이다41)
3) 결정트리
결정트리(Decision Tree)는 각 속성들이 포함되어 있는가 아닌가를 기반으
35) 박종희 위 논문 487-488면36) 박종희 위 논문 488면37) 김의중 위의 책 120면38) Id39) 마쓰오 유카타 위의 책 126면40) Id41) 마쓰오 유카타 위의 책 126면
264 법학논문집 제42집 제2호(중앙대학교 법학연구원)
로 분류를 수행한다42) 가령 lsquo여당rsquo이라는 단어가 들어있는 집합과 들어있지
않은 집합으로 나누고 lsquo국회rsquo라는 단어가 들어있는 집합과 들어있지 않은 집
합으로 분류하여 lsquo여당과 국회가 동시에 들어 있으면 정치 카테고리로 나눌
수 있다rsquo와 같은 룰을 만드는 방식으로 질문 트리를 만들어 가장 그럴법한 분
류 결과를 뽑아내는 방법이다43)
4) 서포트 벡터 머신
서포트 벡터 머신(support vector machine)은 데이터를 구분 짓는 구분선과
각 데이터 그룹간의 간격을 최대로 나누는 방법이다44)
5) 뉴럴 네트워크
뉴럴 네트워크(Neural Network)는 인간의 뇌신경 회로를 흉내 내 매우 복잡
한 구조의 힘을 통해 분류하는 방법이다45) 인간의 뉴런이 학습에 의해 시냅
스의 결합 강도를 변화시키듯이 학습하는 과정에서 가중치의 부여를 변화시
켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여 된다46)
(3) 비지도학습을 위한 lsquo군집rsquo 비지도학습은 레이블이 없는 데이터를 분류하는 것이기에 현재 데이터세
트를 같은 특성을 가진 그룹으로 묶는데 그 목적을 두고 있다47) 군집 모델은
두가지 목적이 있는데 첫 번째는 레이블이 없는 데이터세트의 요약 정보를
추출하는 것이고 두 번째는 그러한 요약 정보를 통해 전체 데이터세트가 갖
고 있는 특징을 발견하는 것이다48)
42) 마쓰오 유카타 위의 책 127면43) 마쓰오 유카타 위의 책 127-128면44) 마쓰오 유카타 위의 책 128면45) 마쓰오 유카타 위의 책 129면46) 마쓰오 유카타 위의 책 131면47) 김의중 위의 책 150면48) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 265
(4) 강화학습을 위한 lsquo시행착오rsquo시행착오를 통해 스스로 지식을 쌓아나가는 것이 기존의 프로그래밍과 인
공지능의 가장 큰 차이일 것이다 인공지능이 lsquo스스로 생각한다rsquo고 하는 기본
전제가 강화학습을 통한 사행착오이고 이것이 좀 더 발전된 단계에 이르면
인간이 사고하는 것과 같이 사고할 수 있는 강한 인공지능(Strong AI)이 나타
날 수 있기 때문이다 그리고 이러한 점 때문에 인간과 기계 사이에 놓여있는
인공지능에 대하여 어떠한 법적 판단을 내려야 할 것인지에 대해 고민점이
시작되기도 한다
시행착오 개념이 적용된 강화학습이론에 따르면 에이전트는 환경으로부터
상태를 관측하고 이에 따른 적절한 행동을 하면 이 행동을 기준으로 환경으
로부터 보상을 받는다49) 에이전트는 이러한 lsquo관측-행동-보상rsquo이라는 상호작
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
Layer) 그 사이에 하나 이상의 중간층(Hidden Layer)을 갖고 있는 계층 구조
(Layer Structure)로 구성된다18) 과거에는 대규모 신경망을 구현하기가 어려웠
으나 최근의 신경망 연구 결과에서 새로운 구현 기술이 생겨났는데 이를 이
용한 것이 딥러닝이다19)
(4) 강화학습(Reinforcement Learning)과 보상
강화학습은 지도학습에 속한 모델로 분류되기도 하고 강화학습 자체의 독
립적인 영역으로 분류되기도 한다20) 지도학습으로 분류되는 이유는 학습 중
에 환경에 의해 피드백을 받기 때문이며 강화학습 자체의 독립적으로 분류되
는 이유는 강화학습이 가지고 있는 최적의 의사결정 과정이 지도학습의 대표
적인 방식과는 구별되는 학습모델이기 때문이다21) 강화학습은 트레이닝에
의한 시행착오에서 비롯되고 가까운 목표를 달성한 후 다음 레벨을 목표로
반복해가며 실력을 높이는 학습 방법과 비슷하다22) 머신러닝의 세 분류를 정
리해보면 다음과 같다
15) 오다카 토모히로 위의 책 24-25면16) 오다카 토모히로 위의 책 25면17) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt18) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt19) 오다카 토모히로 위의 책 26면20) 김의중 위의 책 167면21) Id22) 칸자키 요지 위의 책 191면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 261
[표 1] 학습 방법에 따른 머신러닝 분류23)
분 류 개 념
지도학습어떤 사례와 이에 대한 정답이 쌍으로 제시되고 이 학습 항목의 하나하나를
선생님이 가르치는 학습
비지도
학습
정답과 오답을 선생님으로부터 배우는 것이 아니라 주어진 학습 데이터를 머신러
닝 시스템 자신이 판단하여 배우는 학습
강화학습하나하나의 항목에 대한 정답과 오답은 주어지지 않으며 마지막의 결과 평가만
주어지는 환경에서의 학습
강화학습이 이루어지기 위해서는 기계가 반복적인 행위를 하면서 성공한
경우 lsquo보상(Reward)rsquo을 제공해야 하는데 시험용 쥐에 관한 실험 예 중 하나인
lsquo스키너 상자rsquo가 대표적인 예이다24) 강화학습의 원리에서는 일련의 착수가
끝난 다음에 평가를 얻어 그 평가에 기반을 두어 학습을 진행할 수 있다25)
가령 체스나 장기 등의 게임에서 최종적인 결과는 반드시 자신의 승리middot패배middot
무승부 중 하나인데 자신이 수행한 일련의 착수에 대한 평가를 통해 결과를
알 수 있다 일련의 행동 마지막에 얻을 수 있는 평가치를 보상이라고 부른
다26)
3 인공지능 기술의 방법론
(1) 지도학습을 위한 lsquo통계와 확률rsquo머신러닝과 딥러닝에도 통계와 확률의 개념이 적용된다 예를 들면 데이터
를 수집하고 분류하고 분석해 컴퓨터에게 학습시키는 과정에서 주로 통계학
이론이 적용되며 새로운 입력 값에 대한 결과를 예측하는 과정에서는 주로
확률 이론이 적용된다27)
23) 오다카 토모히로 위의 책 27면24) 칸자키 요지 위의 책 192-193면25) 오다카 토모히로 위의 책 72면26) 오다카 토모히로 위의 책 72-73면27) 김의중 위의 책 92면
262 법학논문집 제42집 제2호(중앙대학교 법학연구원)
1) 상관분석
사람의 신장과 체중을 조사해 보면 일반적으로 신장이 크면 체중도 무겁
고 동시에 체중이 무거운 경우 신장도 크다28) 이와 같이 두 변수 간에 상호
의존관계가 있을 경우 이 관계가 어느 정도로 밀접한가를 측정하는 분석 방
법을 상관분석(Correlation Analysis)라고 한다
2) 회귀분석
회귀분석(Regression Analysis)은 변수 간의 함수적 관련성을 규명하기 위해
어떤 수학적 모형을 가정하고 이 모형을 측정된 변수의 데이터로부터 추정하
는 통계적 분석방법이다29) 가령 판매액(Y)과 광고비(X)의 관계에 대한 수학
적 모형 Y=f(X)로 추정했다면 판매액과 광고비의 관계를 설명할 수 있으며
일정한 광고비를 투자했을 때의 판매액을 예측할 수 있다30) 회귀분석의 실제
응용에서는 독립변수가 1개인 단순선형회귀분석보다는 독립변수가 2개 이상
인 다중회귀모형이 더욱 많이 이용된다31)
3) 베이지안 확률론
베이지안론의 확률적 추론 방법은 어떤 가설의 확률을 평가하기 위해 주관적
또는 임의적으로 사전 확률을 먼저 정하고 관찰된 데이터를 기반으로 하는 가능
도를 계산해서 처음에 설정된 주관적 확률을 보정하는 방법이다32) 모든 베이지
안 자료 분석은 세 종류의 확률분포를 사용하는데 먼저 자료의 확률분포(the
probability distribution of data)이다33) 자료의 확률분포는 특정모형 가정시 현재
연구자가 가진 자료가 그 모형을 통해 생성될 수 있는 개연성을 확률분포의
형태로 보여준다34)두 번째 요소는 사전확률분포(the prior probability distribution)
28) 이태림 외 통계학개론 한국방송통신대학교출판문화원 2017 292면29) 이태림 외 위의 책 297면30) Id31) 이태림 외 위의 책 314면32) 김의중 위의 책 109면33) 박종희 lsquo베이지안 사회과학 방법론이란 무엇인가rsquo 고려대학교 평화와민주주의연구소 985172평화연
구985173 (제22권 제1호) 고려대학교 평화와민주주의연구소 20144 487면34) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 263
인데 이는 모수에 대해 설정하며 연구자가 가지고 있는 사전정보를 반영하는
것이다35) 베이지안 자료분석의 세 번째 요소는 사후확률분포(the posterior
distribution)인데 사후확률분포란 연구자가 가진 사전확률분포를 자료의 확률분
포를 통해 업데이트한 결과로 베이지안 분석의 결과라고 볼 수 있다36)
(2) 지도학습을 위한 lsquo분류rsquo분류란 어떤 입력된 데이터가 어떤 그룹에 속하는지를 알아내는 것이다37)
이때 입력 데이터가 속할 그룹은 각 학습 데이터가 가지는 레이블 세트를 지
칭한다38)
1) 최근접 이웃 방법
최근접 이웃방법(Nearest Neighbor)이라는 것은 lsquo가장 가까운 이웃의 분류를
따른다rsquo는 것인데 이것은 가장 가까운 데이터의 카테고리가 맞는 확률이 높을
것이라는 가설에 근거한다39) 그러나 이는 단순한 만큼 노이즈에 영향을 받기
쉽고 이상표본에 의해 그 주변은 이상표본으로 분류되는 오버피팅(Overfitting)
의 결과를 낳게 될 수 있다40)
2) 나이브 베이즈법
나이브 베이즈법은 확률에 관한 유명한 정리인 lsquo베이즈의 정리rsquo를 사용해
나누는 방법으로 데이터의 특징마다 어느 카테고리에 꼭 들어맞는가에 대한
확률들을 곱해 가장 그럴 법한 분류를 찾는 방법이다41)
3) 결정트리
결정트리(Decision Tree)는 각 속성들이 포함되어 있는가 아닌가를 기반으
35) 박종희 위 논문 487-488면36) 박종희 위 논문 488면37) 김의중 위의 책 120면38) Id39) 마쓰오 유카타 위의 책 126면40) Id41) 마쓰오 유카타 위의 책 126면
264 법학논문집 제42집 제2호(중앙대학교 법학연구원)
로 분류를 수행한다42) 가령 lsquo여당rsquo이라는 단어가 들어있는 집합과 들어있지
않은 집합으로 나누고 lsquo국회rsquo라는 단어가 들어있는 집합과 들어있지 않은 집
합으로 분류하여 lsquo여당과 국회가 동시에 들어 있으면 정치 카테고리로 나눌
수 있다rsquo와 같은 룰을 만드는 방식으로 질문 트리를 만들어 가장 그럴법한 분
류 결과를 뽑아내는 방법이다43)
4) 서포트 벡터 머신
서포트 벡터 머신(support vector machine)은 데이터를 구분 짓는 구분선과
각 데이터 그룹간의 간격을 최대로 나누는 방법이다44)
5) 뉴럴 네트워크
뉴럴 네트워크(Neural Network)는 인간의 뇌신경 회로를 흉내 내 매우 복잡
한 구조의 힘을 통해 분류하는 방법이다45) 인간의 뉴런이 학습에 의해 시냅
스의 결합 강도를 변화시키듯이 학습하는 과정에서 가중치의 부여를 변화시
켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여 된다46)
(3) 비지도학습을 위한 lsquo군집rsquo 비지도학습은 레이블이 없는 데이터를 분류하는 것이기에 현재 데이터세
트를 같은 특성을 가진 그룹으로 묶는데 그 목적을 두고 있다47) 군집 모델은
두가지 목적이 있는데 첫 번째는 레이블이 없는 데이터세트의 요약 정보를
추출하는 것이고 두 번째는 그러한 요약 정보를 통해 전체 데이터세트가 갖
고 있는 특징을 발견하는 것이다48)
42) 마쓰오 유카타 위의 책 127면43) 마쓰오 유카타 위의 책 127-128면44) 마쓰오 유카타 위의 책 128면45) 마쓰오 유카타 위의 책 129면46) 마쓰오 유카타 위의 책 131면47) 김의중 위의 책 150면48) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 265
(4) 강화학습을 위한 lsquo시행착오rsquo시행착오를 통해 스스로 지식을 쌓아나가는 것이 기존의 프로그래밍과 인
공지능의 가장 큰 차이일 것이다 인공지능이 lsquo스스로 생각한다rsquo고 하는 기본
전제가 강화학습을 통한 사행착오이고 이것이 좀 더 발전된 단계에 이르면
인간이 사고하는 것과 같이 사고할 수 있는 강한 인공지능(Strong AI)이 나타
날 수 있기 때문이다 그리고 이러한 점 때문에 인간과 기계 사이에 놓여있는
인공지능에 대하여 어떠한 법적 판단을 내려야 할 것인지에 대해 고민점이
시작되기도 한다
시행착오 개념이 적용된 강화학습이론에 따르면 에이전트는 환경으로부터
상태를 관측하고 이에 따른 적절한 행동을 하면 이 행동을 기준으로 환경으
로부터 보상을 받는다49) 에이전트는 이러한 lsquo관측-행동-보상rsquo이라는 상호작
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
Layer) 그 사이에 하나 이상의 중간층(Hidden Layer)을 갖고 있는 계층 구조
(Layer Structure)로 구성된다18) 과거에는 대규모 신경망을 구현하기가 어려웠
으나 최근의 신경망 연구 결과에서 새로운 구현 기술이 생겨났는데 이를 이
용한 것이 딥러닝이다19)
(4) 강화학습(Reinforcement Learning)과 보상
강화학습은 지도학습에 속한 모델로 분류되기도 하고 강화학습 자체의 독
립적인 영역으로 분류되기도 한다20) 지도학습으로 분류되는 이유는 학습 중
에 환경에 의해 피드백을 받기 때문이며 강화학습 자체의 독립적으로 분류되
는 이유는 강화학습이 가지고 있는 최적의 의사결정 과정이 지도학습의 대표
적인 방식과는 구별되는 학습모델이기 때문이다21) 강화학습은 트레이닝에
의한 시행착오에서 비롯되고 가까운 목표를 달성한 후 다음 레벨을 목표로
반복해가며 실력을 높이는 학습 방법과 비슷하다22) 머신러닝의 세 분류를 정
리해보면 다음과 같다
15) 오다카 토모히로 위의 책 24-25면16) 오다카 토모히로 위의 책 25면17) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt18) 소프트웨어 공학포털 ldquo인공지능 - 딥러닝 편rdquo 2016 6 2자 게시글(2018년 2월 5일 검색) lthttpkorea-sw-engblogspotkr201606blog-post_80htmlgt19) 오다카 토모히로 위의 책 26면20) 김의중 위의 책 167면21) Id22) 칸자키 요지 위의 책 191면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 261
[표 1] 학습 방법에 따른 머신러닝 분류23)
분 류 개 념
지도학습어떤 사례와 이에 대한 정답이 쌍으로 제시되고 이 학습 항목의 하나하나를
선생님이 가르치는 학습
비지도
학습
정답과 오답을 선생님으로부터 배우는 것이 아니라 주어진 학습 데이터를 머신러
닝 시스템 자신이 판단하여 배우는 학습
강화학습하나하나의 항목에 대한 정답과 오답은 주어지지 않으며 마지막의 결과 평가만
주어지는 환경에서의 학습
강화학습이 이루어지기 위해서는 기계가 반복적인 행위를 하면서 성공한
경우 lsquo보상(Reward)rsquo을 제공해야 하는데 시험용 쥐에 관한 실험 예 중 하나인
lsquo스키너 상자rsquo가 대표적인 예이다24) 강화학습의 원리에서는 일련의 착수가
끝난 다음에 평가를 얻어 그 평가에 기반을 두어 학습을 진행할 수 있다25)
가령 체스나 장기 등의 게임에서 최종적인 결과는 반드시 자신의 승리middot패배middot
무승부 중 하나인데 자신이 수행한 일련의 착수에 대한 평가를 통해 결과를
알 수 있다 일련의 행동 마지막에 얻을 수 있는 평가치를 보상이라고 부른
다26)
3 인공지능 기술의 방법론
(1) 지도학습을 위한 lsquo통계와 확률rsquo머신러닝과 딥러닝에도 통계와 확률의 개념이 적용된다 예를 들면 데이터
를 수집하고 분류하고 분석해 컴퓨터에게 학습시키는 과정에서 주로 통계학
이론이 적용되며 새로운 입력 값에 대한 결과를 예측하는 과정에서는 주로
확률 이론이 적용된다27)
23) 오다카 토모히로 위의 책 27면24) 칸자키 요지 위의 책 192-193면25) 오다카 토모히로 위의 책 72면26) 오다카 토모히로 위의 책 72-73면27) 김의중 위의 책 92면
262 법학논문집 제42집 제2호(중앙대학교 법학연구원)
1) 상관분석
사람의 신장과 체중을 조사해 보면 일반적으로 신장이 크면 체중도 무겁
고 동시에 체중이 무거운 경우 신장도 크다28) 이와 같이 두 변수 간에 상호
의존관계가 있을 경우 이 관계가 어느 정도로 밀접한가를 측정하는 분석 방
법을 상관분석(Correlation Analysis)라고 한다
2) 회귀분석
회귀분석(Regression Analysis)은 변수 간의 함수적 관련성을 규명하기 위해
어떤 수학적 모형을 가정하고 이 모형을 측정된 변수의 데이터로부터 추정하
는 통계적 분석방법이다29) 가령 판매액(Y)과 광고비(X)의 관계에 대한 수학
적 모형 Y=f(X)로 추정했다면 판매액과 광고비의 관계를 설명할 수 있으며
일정한 광고비를 투자했을 때의 판매액을 예측할 수 있다30) 회귀분석의 실제
응용에서는 독립변수가 1개인 단순선형회귀분석보다는 독립변수가 2개 이상
인 다중회귀모형이 더욱 많이 이용된다31)
3) 베이지안 확률론
베이지안론의 확률적 추론 방법은 어떤 가설의 확률을 평가하기 위해 주관적
또는 임의적으로 사전 확률을 먼저 정하고 관찰된 데이터를 기반으로 하는 가능
도를 계산해서 처음에 설정된 주관적 확률을 보정하는 방법이다32) 모든 베이지
안 자료 분석은 세 종류의 확률분포를 사용하는데 먼저 자료의 확률분포(the
probability distribution of data)이다33) 자료의 확률분포는 특정모형 가정시 현재
연구자가 가진 자료가 그 모형을 통해 생성될 수 있는 개연성을 확률분포의
형태로 보여준다34)두 번째 요소는 사전확률분포(the prior probability distribution)
28) 이태림 외 통계학개론 한국방송통신대학교출판문화원 2017 292면29) 이태림 외 위의 책 297면30) Id31) 이태림 외 위의 책 314면32) 김의중 위의 책 109면33) 박종희 lsquo베이지안 사회과학 방법론이란 무엇인가rsquo 고려대학교 평화와민주주의연구소 985172평화연
구985173 (제22권 제1호) 고려대학교 평화와민주주의연구소 20144 487면34) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 263
인데 이는 모수에 대해 설정하며 연구자가 가지고 있는 사전정보를 반영하는
것이다35) 베이지안 자료분석의 세 번째 요소는 사후확률분포(the posterior
distribution)인데 사후확률분포란 연구자가 가진 사전확률분포를 자료의 확률분
포를 통해 업데이트한 결과로 베이지안 분석의 결과라고 볼 수 있다36)
(2) 지도학습을 위한 lsquo분류rsquo분류란 어떤 입력된 데이터가 어떤 그룹에 속하는지를 알아내는 것이다37)
이때 입력 데이터가 속할 그룹은 각 학습 데이터가 가지는 레이블 세트를 지
칭한다38)
1) 최근접 이웃 방법
최근접 이웃방법(Nearest Neighbor)이라는 것은 lsquo가장 가까운 이웃의 분류를
따른다rsquo는 것인데 이것은 가장 가까운 데이터의 카테고리가 맞는 확률이 높을
것이라는 가설에 근거한다39) 그러나 이는 단순한 만큼 노이즈에 영향을 받기
쉽고 이상표본에 의해 그 주변은 이상표본으로 분류되는 오버피팅(Overfitting)
의 결과를 낳게 될 수 있다40)
2) 나이브 베이즈법
나이브 베이즈법은 확률에 관한 유명한 정리인 lsquo베이즈의 정리rsquo를 사용해
나누는 방법으로 데이터의 특징마다 어느 카테고리에 꼭 들어맞는가에 대한
확률들을 곱해 가장 그럴 법한 분류를 찾는 방법이다41)
3) 결정트리
결정트리(Decision Tree)는 각 속성들이 포함되어 있는가 아닌가를 기반으
35) 박종희 위 논문 487-488면36) 박종희 위 논문 488면37) 김의중 위의 책 120면38) Id39) 마쓰오 유카타 위의 책 126면40) Id41) 마쓰오 유카타 위의 책 126면
264 법학논문집 제42집 제2호(중앙대학교 법학연구원)
로 분류를 수행한다42) 가령 lsquo여당rsquo이라는 단어가 들어있는 집합과 들어있지
않은 집합으로 나누고 lsquo국회rsquo라는 단어가 들어있는 집합과 들어있지 않은 집
합으로 분류하여 lsquo여당과 국회가 동시에 들어 있으면 정치 카테고리로 나눌
수 있다rsquo와 같은 룰을 만드는 방식으로 질문 트리를 만들어 가장 그럴법한 분
류 결과를 뽑아내는 방법이다43)
4) 서포트 벡터 머신
서포트 벡터 머신(support vector machine)은 데이터를 구분 짓는 구분선과
각 데이터 그룹간의 간격을 최대로 나누는 방법이다44)
5) 뉴럴 네트워크
뉴럴 네트워크(Neural Network)는 인간의 뇌신경 회로를 흉내 내 매우 복잡
한 구조의 힘을 통해 분류하는 방법이다45) 인간의 뉴런이 학습에 의해 시냅
스의 결합 강도를 변화시키듯이 학습하는 과정에서 가중치의 부여를 변화시
켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여 된다46)
(3) 비지도학습을 위한 lsquo군집rsquo 비지도학습은 레이블이 없는 데이터를 분류하는 것이기에 현재 데이터세
트를 같은 특성을 가진 그룹으로 묶는데 그 목적을 두고 있다47) 군집 모델은
두가지 목적이 있는데 첫 번째는 레이블이 없는 데이터세트의 요약 정보를
추출하는 것이고 두 번째는 그러한 요약 정보를 통해 전체 데이터세트가 갖
고 있는 특징을 발견하는 것이다48)
42) 마쓰오 유카타 위의 책 127면43) 마쓰오 유카타 위의 책 127-128면44) 마쓰오 유카타 위의 책 128면45) 마쓰오 유카타 위의 책 129면46) 마쓰오 유카타 위의 책 131면47) 김의중 위의 책 150면48) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 265
(4) 강화학습을 위한 lsquo시행착오rsquo시행착오를 통해 스스로 지식을 쌓아나가는 것이 기존의 프로그래밍과 인
공지능의 가장 큰 차이일 것이다 인공지능이 lsquo스스로 생각한다rsquo고 하는 기본
전제가 강화학습을 통한 사행착오이고 이것이 좀 더 발전된 단계에 이르면
인간이 사고하는 것과 같이 사고할 수 있는 강한 인공지능(Strong AI)이 나타
날 수 있기 때문이다 그리고 이러한 점 때문에 인간과 기계 사이에 놓여있는
인공지능에 대하여 어떠한 법적 판단을 내려야 할 것인지에 대해 고민점이
시작되기도 한다
시행착오 개념이 적용된 강화학습이론에 따르면 에이전트는 환경으로부터
상태를 관측하고 이에 따른 적절한 행동을 하면 이 행동을 기준으로 환경으
로부터 보상을 받는다49) 에이전트는 이러한 lsquo관측-행동-보상rsquo이라는 상호작
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
특허법상 인공지능 창작물의 발명 해당 여부 김용주 261
[표 1] 학습 방법에 따른 머신러닝 분류23)
분 류 개 념
지도학습어떤 사례와 이에 대한 정답이 쌍으로 제시되고 이 학습 항목의 하나하나를
선생님이 가르치는 학습
비지도
학습
정답과 오답을 선생님으로부터 배우는 것이 아니라 주어진 학습 데이터를 머신러
닝 시스템 자신이 판단하여 배우는 학습
강화학습하나하나의 항목에 대한 정답과 오답은 주어지지 않으며 마지막의 결과 평가만
주어지는 환경에서의 학습
강화학습이 이루어지기 위해서는 기계가 반복적인 행위를 하면서 성공한
경우 lsquo보상(Reward)rsquo을 제공해야 하는데 시험용 쥐에 관한 실험 예 중 하나인
lsquo스키너 상자rsquo가 대표적인 예이다24) 강화학습의 원리에서는 일련의 착수가
끝난 다음에 평가를 얻어 그 평가에 기반을 두어 학습을 진행할 수 있다25)
가령 체스나 장기 등의 게임에서 최종적인 결과는 반드시 자신의 승리middot패배middot
무승부 중 하나인데 자신이 수행한 일련의 착수에 대한 평가를 통해 결과를
알 수 있다 일련의 행동 마지막에 얻을 수 있는 평가치를 보상이라고 부른
다26)
3 인공지능 기술의 방법론
(1) 지도학습을 위한 lsquo통계와 확률rsquo머신러닝과 딥러닝에도 통계와 확률의 개념이 적용된다 예를 들면 데이터
를 수집하고 분류하고 분석해 컴퓨터에게 학습시키는 과정에서 주로 통계학
이론이 적용되며 새로운 입력 값에 대한 결과를 예측하는 과정에서는 주로
확률 이론이 적용된다27)
23) 오다카 토모히로 위의 책 27면24) 칸자키 요지 위의 책 192-193면25) 오다카 토모히로 위의 책 72면26) 오다카 토모히로 위의 책 72-73면27) 김의중 위의 책 92면
262 법학논문집 제42집 제2호(중앙대학교 법학연구원)
1) 상관분석
사람의 신장과 체중을 조사해 보면 일반적으로 신장이 크면 체중도 무겁
고 동시에 체중이 무거운 경우 신장도 크다28) 이와 같이 두 변수 간에 상호
의존관계가 있을 경우 이 관계가 어느 정도로 밀접한가를 측정하는 분석 방
법을 상관분석(Correlation Analysis)라고 한다
2) 회귀분석
회귀분석(Regression Analysis)은 변수 간의 함수적 관련성을 규명하기 위해
어떤 수학적 모형을 가정하고 이 모형을 측정된 변수의 데이터로부터 추정하
는 통계적 분석방법이다29) 가령 판매액(Y)과 광고비(X)의 관계에 대한 수학
적 모형 Y=f(X)로 추정했다면 판매액과 광고비의 관계를 설명할 수 있으며
일정한 광고비를 투자했을 때의 판매액을 예측할 수 있다30) 회귀분석의 실제
응용에서는 독립변수가 1개인 단순선형회귀분석보다는 독립변수가 2개 이상
인 다중회귀모형이 더욱 많이 이용된다31)
3) 베이지안 확률론
베이지안론의 확률적 추론 방법은 어떤 가설의 확률을 평가하기 위해 주관적
또는 임의적으로 사전 확률을 먼저 정하고 관찰된 데이터를 기반으로 하는 가능
도를 계산해서 처음에 설정된 주관적 확률을 보정하는 방법이다32) 모든 베이지
안 자료 분석은 세 종류의 확률분포를 사용하는데 먼저 자료의 확률분포(the
probability distribution of data)이다33) 자료의 확률분포는 특정모형 가정시 현재
연구자가 가진 자료가 그 모형을 통해 생성될 수 있는 개연성을 확률분포의
형태로 보여준다34)두 번째 요소는 사전확률분포(the prior probability distribution)
28) 이태림 외 통계학개론 한국방송통신대학교출판문화원 2017 292면29) 이태림 외 위의 책 297면30) Id31) 이태림 외 위의 책 314면32) 김의중 위의 책 109면33) 박종희 lsquo베이지안 사회과학 방법론이란 무엇인가rsquo 고려대학교 평화와민주주의연구소 985172평화연
구985173 (제22권 제1호) 고려대학교 평화와민주주의연구소 20144 487면34) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 263
인데 이는 모수에 대해 설정하며 연구자가 가지고 있는 사전정보를 반영하는
것이다35) 베이지안 자료분석의 세 번째 요소는 사후확률분포(the posterior
distribution)인데 사후확률분포란 연구자가 가진 사전확률분포를 자료의 확률분
포를 통해 업데이트한 결과로 베이지안 분석의 결과라고 볼 수 있다36)
(2) 지도학습을 위한 lsquo분류rsquo분류란 어떤 입력된 데이터가 어떤 그룹에 속하는지를 알아내는 것이다37)
이때 입력 데이터가 속할 그룹은 각 학습 데이터가 가지는 레이블 세트를 지
칭한다38)
1) 최근접 이웃 방법
최근접 이웃방법(Nearest Neighbor)이라는 것은 lsquo가장 가까운 이웃의 분류를
따른다rsquo는 것인데 이것은 가장 가까운 데이터의 카테고리가 맞는 확률이 높을
것이라는 가설에 근거한다39) 그러나 이는 단순한 만큼 노이즈에 영향을 받기
쉽고 이상표본에 의해 그 주변은 이상표본으로 분류되는 오버피팅(Overfitting)
의 결과를 낳게 될 수 있다40)
2) 나이브 베이즈법
나이브 베이즈법은 확률에 관한 유명한 정리인 lsquo베이즈의 정리rsquo를 사용해
나누는 방법으로 데이터의 특징마다 어느 카테고리에 꼭 들어맞는가에 대한
확률들을 곱해 가장 그럴 법한 분류를 찾는 방법이다41)
3) 결정트리
결정트리(Decision Tree)는 각 속성들이 포함되어 있는가 아닌가를 기반으
35) 박종희 위 논문 487-488면36) 박종희 위 논문 488면37) 김의중 위의 책 120면38) Id39) 마쓰오 유카타 위의 책 126면40) Id41) 마쓰오 유카타 위의 책 126면
264 법학논문집 제42집 제2호(중앙대학교 법학연구원)
로 분류를 수행한다42) 가령 lsquo여당rsquo이라는 단어가 들어있는 집합과 들어있지
않은 집합으로 나누고 lsquo국회rsquo라는 단어가 들어있는 집합과 들어있지 않은 집
합으로 분류하여 lsquo여당과 국회가 동시에 들어 있으면 정치 카테고리로 나눌
수 있다rsquo와 같은 룰을 만드는 방식으로 질문 트리를 만들어 가장 그럴법한 분
류 결과를 뽑아내는 방법이다43)
4) 서포트 벡터 머신
서포트 벡터 머신(support vector machine)은 데이터를 구분 짓는 구분선과
각 데이터 그룹간의 간격을 최대로 나누는 방법이다44)
5) 뉴럴 네트워크
뉴럴 네트워크(Neural Network)는 인간의 뇌신경 회로를 흉내 내 매우 복잡
한 구조의 힘을 통해 분류하는 방법이다45) 인간의 뉴런이 학습에 의해 시냅
스의 결합 강도를 변화시키듯이 학습하는 과정에서 가중치의 부여를 변화시
켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여 된다46)
(3) 비지도학습을 위한 lsquo군집rsquo 비지도학습은 레이블이 없는 데이터를 분류하는 것이기에 현재 데이터세
트를 같은 특성을 가진 그룹으로 묶는데 그 목적을 두고 있다47) 군집 모델은
두가지 목적이 있는데 첫 번째는 레이블이 없는 데이터세트의 요약 정보를
추출하는 것이고 두 번째는 그러한 요약 정보를 통해 전체 데이터세트가 갖
고 있는 특징을 발견하는 것이다48)
42) 마쓰오 유카타 위의 책 127면43) 마쓰오 유카타 위의 책 127-128면44) 마쓰오 유카타 위의 책 128면45) 마쓰오 유카타 위의 책 129면46) 마쓰오 유카타 위의 책 131면47) 김의중 위의 책 150면48) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 265
(4) 강화학습을 위한 lsquo시행착오rsquo시행착오를 통해 스스로 지식을 쌓아나가는 것이 기존의 프로그래밍과 인
공지능의 가장 큰 차이일 것이다 인공지능이 lsquo스스로 생각한다rsquo고 하는 기본
전제가 강화학습을 통한 사행착오이고 이것이 좀 더 발전된 단계에 이르면
인간이 사고하는 것과 같이 사고할 수 있는 강한 인공지능(Strong AI)이 나타
날 수 있기 때문이다 그리고 이러한 점 때문에 인간과 기계 사이에 놓여있는
인공지능에 대하여 어떠한 법적 판단을 내려야 할 것인지에 대해 고민점이
시작되기도 한다
시행착오 개념이 적용된 강화학습이론에 따르면 에이전트는 환경으로부터
상태를 관측하고 이에 따른 적절한 행동을 하면 이 행동을 기준으로 환경으
로부터 보상을 받는다49) 에이전트는 이러한 lsquo관측-행동-보상rsquo이라는 상호작
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
262 법학논문집 제42집 제2호(중앙대학교 법학연구원)
1) 상관분석
사람의 신장과 체중을 조사해 보면 일반적으로 신장이 크면 체중도 무겁
고 동시에 체중이 무거운 경우 신장도 크다28) 이와 같이 두 변수 간에 상호
의존관계가 있을 경우 이 관계가 어느 정도로 밀접한가를 측정하는 분석 방
법을 상관분석(Correlation Analysis)라고 한다
2) 회귀분석
회귀분석(Regression Analysis)은 변수 간의 함수적 관련성을 규명하기 위해
어떤 수학적 모형을 가정하고 이 모형을 측정된 변수의 데이터로부터 추정하
는 통계적 분석방법이다29) 가령 판매액(Y)과 광고비(X)의 관계에 대한 수학
적 모형 Y=f(X)로 추정했다면 판매액과 광고비의 관계를 설명할 수 있으며
일정한 광고비를 투자했을 때의 판매액을 예측할 수 있다30) 회귀분석의 실제
응용에서는 독립변수가 1개인 단순선형회귀분석보다는 독립변수가 2개 이상
인 다중회귀모형이 더욱 많이 이용된다31)
3) 베이지안 확률론
베이지안론의 확률적 추론 방법은 어떤 가설의 확률을 평가하기 위해 주관적
또는 임의적으로 사전 확률을 먼저 정하고 관찰된 데이터를 기반으로 하는 가능
도를 계산해서 처음에 설정된 주관적 확률을 보정하는 방법이다32) 모든 베이지
안 자료 분석은 세 종류의 확률분포를 사용하는데 먼저 자료의 확률분포(the
probability distribution of data)이다33) 자료의 확률분포는 특정모형 가정시 현재
연구자가 가진 자료가 그 모형을 통해 생성될 수 있는 개연성을 확률분포의
형태로 보여준다34)두 번째 요소는 사전확률분포(the prior probability distribution)
28) 이태림 외 통계학개론 한국방송통신대학교출판문화원 2017 292면29) 이태림 외 위의 책 297면30) Id31) 이태림 외 위의 책 314면32) 김의중 위의 책 109면33) 박종희 lsquo베이지안 사회과학 방법론이란 무엇인가rsquo 고려대학교 평화와민주주의연구소 985172평화연
구985173 (제22권 제1호) 고려대학교 평화와민주주의연구소 20144 487면34) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 263
인데 이는 모수에 대해 설정하며 연구자가 가지고 있는 사전정보를 반영하는
것이다35) 베이지안 자료분석의 세 번째 요소는 사후확률분포(the posterior
distribution)인데 사후확률분포란 연구자가 가진 사전확률분포를 자료의 확률분
포를 통해 업데이트한 결과로 베이지안 분석의 결과라고 볼 수 있다36)
(2) 지도학습을 위한 lsquo분류rsquo분류란 어떤 입력된 데이터가 어떤 그룹에 속하는지를 알아내는 것이다37)
이때 입력 데이터가 속할 그룹은 각 학습 데이터가 가지는 레이블 세트를 지
칭한다38)
1) 최근접 이웃 방법
최근접 이웃방법(Nearest Neighbor)이라는 것은 lsquo가장 가까운 이웃의 분류를
따른다rsquo는 것인데 이것은 가장 가까운 데이터의 카테고리가 맞는 확률이 높을
것이라는 가설에 근거한다39) 그러나 이는 단순한 만큼 노이즈에 영향을 받기
쉽고 이상표본에 의해 그 주변은 이상표본으로 분류되는 오버피팅(Overfitting)
의 결과를 낳게 될 수 있다40)
2) 나이브 베이즈법
나이브 베이즈법은 확률에 관한 유명한 정리인 lsquo베이즈의 정리rsquo를 사용해
나누는 방법으로 데이터의 특징마다 어느 카테고리에 꼭 들어맞는가에 대한
확률들을 곱해 가장 그럴 법한 분류를 찾는 방법이다41)
3) 결정트리
결정트리(Decision Tree)는 각 속성들이 포함되어 있는가 아닌가를 기반으
35) 박종희 위 논문 487-488면36) 박종희 위 논문 488면37) 김의중 위의 책 120면38) Id39) 마쓰오 유카타 위의 책 126면40) Id41) 마쓰오 유카타 위의 책 126면
264 법학논문집 제42집 제2호(중앙대학교 법학연구원)
로 분류를 수행한다42) 가령 lsquo여당rsquo이라는 단어가 들어있는 집합과 들어있지
않은 집합으로 나누고 lsquo국회rsquo라는 단어가 들어있는 집합과 들어있지 않은 집
합으로 분류하여 lsquo여당과 국회가 동시에 들어 있으면 정치 카테고리로 나눌
수 있다rsquo와 같은 룰을 만드는 방식으로 질문 트리를 만들어 가장 그럴법한 분
류 결과를 뽑아내는 방법이다43)
4) 서포트 벡터 머신
서포트 벡터 머신(support vector machine)은 데이터를 구분 짓는 구분선과
각 데이터 그룹간의 간격을 최대로 나누는 방법이다44)
5) 뉴럴 네트워크
뉴럴 네트워크(Neural Network)는 인간의 뇌신경 회로를 흉내 내 매우 복잡
한 구조의 힘을 통해 분류하는 방법이다45) 인간의 뉴런이 학습에 의해 시냅
스의 결합 강도를 변화시키듯이 학습하는 과정에서 가중치의 부여를 변화시
켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여 된다46)
(3) 비지도학습을 위한 lsquo군집rsquo 비지도학습은 레이블이 없는 데이터를 분류하는 것이기에 현재 데이터세
트를 같은 특성을 가진 그룹으로 묶는데 그 목적을 두고 있다47) 군집 모델은
두가지 목적이 있는데 첫 번째는 레이블이 없는 데이터세트의 요약 정보를
추출하는 것이고 두 번째는 그러한 요약 정보를 통해 전체 데이터세트가 갖
고 있는 특징을 발견하는 것이다48)
42) 마쓰오 유카타 위의 책 127면43) 마쓰오 유카타 위의 책 127-128면44) 마쓰오 유카타 위의 책 128면45) 마쓰오 유카타 위의 책 129면46) 마쓰오 유카타 위의 책 131면47) 김의중 위의 책 150면48) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 265
(4) 강화학습을 위한 lsquo시행착오rsquo시행착오를 통해 스스로 지식을 쌓아나가는 것이 기존의 프로그래밍과 인
공지능의 가장 큰 차이일 것이다 인공지능이 lsquo스스로 생각한다rsquo고 하는 기본
전제가 강화학습을 통한 사행착오이고 이것이 좀 더 발전된 단계에 이르면
인간이 사고하는 것과 같이 사고할 수 있는 강한 인공지능(Strong AI)이 나타
날 수 있기 때문이다 그리고 이러한 점 때문에 인간과 기계 사이에 놓여있는
인공지능에 대하여 어떠한 법적 판단을 내려야 할 것인지에 대해 고민점이
시작되기도 한다
시행착오 개념이 적용된 강화학습이론에 따르면 에이전트는 환경으로부터
상태를 관측하고 이에 따른 적절한 행동을 하면 이 행동을 기준으로 환경으
로부터 보상을 받는다49) 에이전트는 이러한 lsquo관측-행동-보상rsquo이라는 상호작
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
49) 김의중 위의 책 170면50) Id51) 다다 사토시 처음 배우는 인공지능 한빛미디어 2017 241면
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
266 법학논문집 제42집 제2호(중앙대학교 법학연구원)
통해 독학으로 바둑의 이치를 터득했다52) 불과 36시간 만에 인간의 기보를
학습한 버전을 추월했고 3일 만에 이세돌과 대적한 알파고 리의 수준에 도달
했다53) 구글 딥마인드는 ldquo알파고 제로는 새로운 지식을 발견하고 통상적이
지 않은 전략을 개발하는 한편 새로운 수를 창조했다rdquo며 ldquo우리는 인공지능의
이런 창조력을 보고 사람의 독창성을 배가할 수 있다고 확신했다rdquo고 밝힌 바
있다54) 구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO)는 ldquo인
공지능으로 인류가 직면한 중요한 문제들을 해결하는 걸 도울 수 있다rdquo며 ldquo알
파고 제로에 적용된 것과 비슷한 기술이 단백질 접힘(각 단백질에 고유한 접
힌 구조가 만들어지는 과정)과 에너지 소비 절감 혁신적인 신소재 개발과 같
은 다른 구조적 문제에 적용되면 사회에 긍정적 영향을 미치는 혁신을 낳을
것이다rdquo라고 주장했다55)
(2) 알파고 제로의 학습원리
알파고 제로의 학습 원리를 살펴보면 다음과 같다 우선 알파고 제로는 인
간이 제공하는 데이터 없이 스스로 수를 두는 강화학습 방법에 의해서 혼자
훈련하였다56) 기존의 알파고 리(Alphage Lee)가 지도학습과 강화학습을 병행
하여 사용한 점을 생각해 보면 인간의 지도 없이 스스로 고수의 수준에 도달
하였다는 점에서 놀랍다
52) 김동근 ldquo인간의 지식 없이 인간을 뛰어넘다 돌아온 알파고 제로rdquo 삼성 뉴스룸 2017년 11월
30일자 기사(2018년 2월 5일 검색)lthttpsnewssamsungcomkrEC9DB8EAB084EC9D98-ECA780EC8B9D-EC9786EC9DB4-EC9DB8EAB084EC9D84-EB9BB0EC96B4EB8498EB8BA4-EB8F8CEC9584EC98A8-EC958CED8C8CEAB3A0-ECA09Cgt
53) Id54) 주영재 ldquo알파고에 100전100승 x거둔 lsquo알파고 제로rsquo 등장middotmiddotmiddot인간 지식 없이 스스로 학습해 창의성
발휘rdquo 2017 10 19자 기사(2018년 2월 5일 검색)lthttpnewskhancokrkh_newskhan_art_viewhtmlartid=201710190200001gt
55) Id56) David Silver외 ldquoMastering the game of Go without human knowledgerdquo Nature vol 550 (201710)
p354
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
특허법상 인공지능 창작물의 발명 해당 여부 김용주 267
[그림 1] 알파고 제로에서 사용된 강화학습 방법57)
또한 입력값으로 흰돌과 검은 돌만을 사용하였고 Policy network와 value
network를 개별적으로 이용하는 대신 single network를 사용하였으며 단일 신
경망에 대한 보다 더 간단한 방식의 몬테카를로 트리서치 방법을 이용하였
다58) 이전의 알파고 버전보다 좀 더 간단해진 방식을 통해 스스로 수를 두는
과정에서 걸리는 시간을 단축하였고 자신과의 대국을 통해 인간이 발견하지
못하던 수를 발견해 낸다는 점에서 의미가 있다
알파고 제로는 그림 a에서 S1 ST에 이르는 동안 스스로 게임을 두는데
몬테카를로 테크트리에서 계산된 확률에 따라 at sim πt의 확률을 반영해 더 나
57) David Silver외 위 논문 p35558) David Silver외 위 논문 p354
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
268 법학논문집 제42집 제2호(중앙대학교 법학연구원)
은 수를 찾아간다59) 그림 b에 따른 신경망 훈련은 S1 ST에 이르는 동안
파라미터 θ 에 따른 다수의 신경 계층망을 통과하여 벡터 pt와 스칼라 값
(scalar value) vt를 도출한다60) 알파고 제로에서 사용된 몬테카를로 트리서
치에서는 신뢰성 확률인 U와 가장 효용이 높은 Q값을 반영하는 수를 선택한
다61)
[그림 2] 알파고 제로에서 사용된 몬테 카를로 트리서치62)
(3) 추후 적용분야
허사비스가 지적한 바와 같이 알파고 제로는 다양한 분야에서 응용이 가능
할 것으로 보인다 알파고 제로는 기본적인 게임의 규칙을 알려주면 인간의
지도 없이 스스로 게임을 두는 방법을 통해 인간이 생각지 못한 바둑의 수를
창조해낸다 뿐만 아니라 인간의 수를 짧은 시간 내에 이해하고 인간을 이겼
던 알파고 리의 수준에 며칠 만에 도달했다
인간이 해결책을 일러주지 않더라도 기본적인 규칙을 제시하면 인간이 생
각지 못한 경우의 방안을 도출해낸다는 점에서 이의 응용 분야는 다양할 것
이다
59) David Silver외 위 논문 p35560) Id61) Id62) Id
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
특허법상 인공지능 창작물의 발명 해당 여부 김용주 269
Ⅲ 발명의 개념요소에 대한 분석
1 의의
인공지능이 만들어낸 결과물이 lsquo특허법상 보호되는rsquo 발명으로 성립할 수
있을지 검토해 보아야 한다 현행법에서는 특허법상 보호되는 발명이기 위해
서는 특허법 제2조 제1호상 lsquo발명rsquo이어야 하며 특허를 받기 위해서는 발명이
lsquo산업상 이용이 가능rsquo하고 lsquo신규rsquo하며 lsquo이전에 비해 진보rsquo하여야 하는 요건을
충족시켜야 한다 인공지능이 만들어내는 결과물이 인간이 만들어낸 발명에
견주어 차이가 날 수 있는 부분은 그것이 특허법상 lsquo발명rsquo의 개념 범주에 포
섭될 수 있는지 여부일 것이다 외견상으로 보면 인공지능이 만들어낸 결과물
이라 하더라도 산업상 이용이 가능하고 신규하거나 진보적일 것이란 요건은
인간이 만들어낸 발명과 유사할 것으로 생각된다 인공지능이 만들어낸 결과
가 그 과정이 어떠하건 기존에 존재하지 않는 것을 만들어낼 가능성이 있으
며 인간이 기술적으로 접근하지 못했던 부분을 머신러닝이라는 새로운 기술
로 접근할 수 있기 때문이다 이것이 실제로 산업계에서 이용 가능한 수준이
라면 결국 문제는 인공지능이 만들어낸 결과가 인간이 만들어낸 발명과 같은
법적 보호 테두리 내에 있을 수 있느냐이다 따라서 인공지능이 발명으로 볼
수 있는 행위를 하였다면 이것이 현행법상 발명으로 인정될 수 있을지 여부
에 따라 lsquo특허법상 보호되는rsquo 발명의 범주에 들어올 수 있다 이를 위해 국가
별로 특허법상 lsquo발명rsquo의 요건이 어떠한지에 대해 검토해 보고자 한다
2 특허법상 보호되는 발명의 대상
(1) 미국
1) 조문
미국 특허법 101조에서는 특허 받을 수 있는 발명에 대해 기술하고 있다63)
63) [ 35 US Code sect 101 - Inventions patentable ]Whoever invents or discovers any new and useful process machine manufacture or composition of matter or any new and useful improvement thereof may obtain a patent therefor subject to the conditions and requirements of this title
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
270 법학논문집 제42집 제2호(중앙대학교 법학연구원)
이에 따르면 특허 받을 수 있는 발명이 되기 위해서는 첫째 특허 받을 수 있
는 발명행위를 한자는 누구든(Whoever) 둘째 발명 또는 발견행위(invents or
discovers)를 하여야 하며 셋째 그 대상은 새롭고 유용한(new and useful) 방법
(process) 기계(machine) 제품(manufacture) 조성물(composition of matter) 또는
그 개량물(improvement)이 된다 여기서의 ldquo방법(Process)rdquo이란 ldquo공지의 공정
기계 제품 조성물 또는 물질의 새로운 용도를 포함하는 공정 기술 또는 발
명rdquo을 지칭하며 ldquo기계(Machine)rdquo란 ldquo다양한 기계요소 조합 그리고 메카니즘
들을 포함하며 상호 협동하도록 배열되고 구성되는 부품이나 요소를 구성하
는 설비나 물리적 대상rdquo이다64) ldquo제품(Manufacture)rdquo은 다른 발명의 범주에 속
하는 특허대상을 제외한 잡동사니 범주를 포함하는 것으로 해석되며 ldquo합성
물(Composition of Matter)rdquo이란 물리적 혼합물(mixture) 뿐만 아니라 화학적 혼
합물(compound) 자체도 포함한다65)
이 중 법적 요건에서 문제가 될 수 있는 것은 인공지능을 그 lsquo누구(Whoever)rsquo
중 하나로 볼 수 있을지 또한 인공지능의 작동이 lsquo발명 또는 발견(invents or
discovers)rsquo의 범주에 포섭될 수 있을 것인지 일 것이다 인간의 발명행위에 견주
어 볼 때 인공지능의 작동을 lsquo발명 또는 발견rsquo한 것으로 볼 수 있을지가 의문이
기 때문이다
미국특허법 제101조상 주체 요건과 관련하여 명시적으로 인간(person)이어
야 한다는 규정은 없다 지금까지 발명행위라는 행위의 주체는 인간에 한정되
었고 이것이 응당 당연한 것이기에 인간 이외 기계와 같은 수단이 그 범주에
포섭될 수 있을지는 불명확하다 현 상황에서는 판례가 없기에 인공지능이 법
문상 lsquo누구(Whoever)rsquo의 범주에 포섭되지 않는다고 단언할 수는 없을 것으로
보인다
그렇다면 인공지능의 작동을 발명 또는 발견의 일종으로 보아 보호할 수
있을 것인가 동일하게 비교하긴 어렵겠으나 미국 저작권청에서는 의견에 따
르면 ldquo인간의 창작적 개입 내지 발명행위 없이 기계 내지는 단순한 기계적 과
정을 통해 발생한 결과에 대해서는 등록하지 않음rdquo을 발표한 바 있다66) 즉
64) 이해영 미국 특허법 한빛지적소유권센터 2005 235면65) 이해영 앞의 책 236면
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
특허법상 인공지능 창작물의 발명 해당 여부 김용주 271
단순한 기계의 작동에 대해서는 현행 저작권법으로 보호를 할 수 없다는 것
이다 그렇다면 이에 대한 반대 해석으로 인공지능의 작동이 어느 정도의 lsquo창
작성(creativity)rsquo을 가질 경우 인간의 창작적 개입과 유사한 것으로 보아 결과
가 보호될 수도 있어 보인다
미국 특허법상 발명자는 일반적으로 ldquo아이디어 내지 특허 청구항에 기재된
아이디어를 고안해 낸 자rdquo로 판단한다67) 아이디어를 고안한다는 의미는 ldquo온
전하고 이용되는 발명에 대해 이후 실제로 적용할 수 있는 정확하고 영구적
인 생각rdquo을 지칭한다68) 그렇다면 lsquo발명 또는 발견rsquo이라는 문언에는 적어도
일정 수준의 정신 활동이 포함되어야 하며 이것이 단순한 수준을 넘어 실질
적으로 문제 해결에 도움이 되는 정도의 작용이어야 할 것이다 결론적으로
인공지능의 발명 행위가 현행법상 보호될 수 있을지를 결정하는 척도는 인공
지능의 작동에 대해 ldquo인간의 정신활동과 유사한 정도의 아이디어를 제공할
수 있는지rdquo 여부일 것이다 이는 바꿔 말하면 인공지능의 작동에 따라 발생한
결과물이 발명의 범주에 포섭되지 않는 ldquo자연법칙 예외(law of nature
conception)rdquo에 포섭되지 않는지 여부에 따라 그 결과물을 발명으로 바라볼 수
있을지 정해진다는 의미일 것이다
2) 판례
미국 판례에서는 lsquo발명 내지 발견rsquo에 대한 직접적인 정의보다는 어떠한 것
이 그에 포함되지 않는 것인지를 찾는데 노력해 왔다69) 이에 따라 lsquo자연법칙
66) Wilmer Cutler Pickering Hale and Dorr LLP ldquoArtificial Intelligence Meets Patent Law ndash What does the future hold for inventors patent ownersand computersrdquo 8면 lthttplegacycallawyercomwp-contentuploads201712AI-Meets-Patent-Lawpdfgt(2018 5 21 검색)원문은 다음과 같다 ldquoThe Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or
inventorship from a human authorrdquo67) Patrick G Gattari ldquoDetermining Inventorship for US Patent Applicationsrdquo Intellectual Property amp
Technology Law Journal vol 17 no5(20055) p16 David Silver외 위 논문 p35468) Iatrick G Gattari 위 논문 p16 원문은 다음과 같다 ldquothe formation in the mind of the inventor
of a definite and permanent idea of the complete and operative invention as it is thereafter to be applied in practicerdquo
69) 박준석 lsquo미국 특허법상 발명의 개념- 자연법칙의 이용성을 다룬 최신 판례들이 주는 시사점rsquo 「산업재산권」(제41호) 한국산업재산권학회 산업재산권 제41호 20138 94면
272 법학논문집 제42집 제2호(중앙대학교 법학연구원)
(law of nature) 자연현상(natural phenomena) 추상적 아이디어(abstract idea)등
은 이에 해당되지 않는다70)
어느 것이 특허받을 수 있는 발명인지와 관련해 미연방대법원은 Diamond
v Diehr 판결에서 컴퓨터프로그램 관련 출원을 특허발명이라고 인정하였는
데 그 논거로는 lsquo자연법칙이나 수학 공식을 응용(application)하는 경우 특허보
호를 받을 수 있다rsquo고 하면서 특허발명이라고 인정한 바 있다71) 아울러
Bliski 사건에서는 그처럼 달성하여야 하는 응용이 구체적으로 어느 정도까지
요구되느냐가 핵심적으로 다루어졌는데 이에 대해서는 lsquo기계 혹은 변형
(machine or transformation)rsquo기준을 제시하며 특정 장치로 구현되거나 다른 상
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
특허법상 인공지능 창작물의 발명 해당 여부 김용주 279
로 제약 후보군을 발굴하거나 부작용을 줄이는 방안을 찾는 것이다 첫 번째
방안의 경우 지도학습을 통한 경우라 하더라도 신약 후보군을 인간이 생각
하지 못했던 후보군을 내세운다거나 혹은 부작용을 줄이는 비율을 이전에
비해 보다 효율적인 방법을 만들어 낼 수 있다 두 번째 방안의 경우 새로운
화학적 조성방법을 만들어 낼 수 있거나 혹은 신물질을 찾아내는데 기여할
수 있다
알파고 제로가 강화학습을 통해 새로운 수를 발견해 내는 것처럼 일반적인
신약 개발 단계에서는 나타나기 어려운 새로운 약제가 등장할 가능성이 있는
것이다
인공지능을 신약 개발과정에 포함시킬 경우 다음과 같은 변화가 있다고 한
다 AI를 활용하면 신약 개발에 필요한 100만건 이상의 논문을 읽을 수 있는
동시에 400만명 이상의 임상데이터 분석이 가능하다90) 아울러 인공지능의
딥러닝 기술에 기반한 신약개발의 경우 기존에 인간이 찾아내지 못했던 새로
운 신약 후보군을 도출해 낼 수 있다
실제로 실리콘밸리의 아톰와이즈(Atomwise)란 스타트업 기업이 인공지능
을 이용하여 신약개발을 하였는데 신약후보물질을 스크리닝 하는데 해당 기
술을 이용한 바 있다91) 또한 미국 존슨앤드존슨의 제약 부문인 얀센과 제휴
한 영국 버네벌런트 AI는 이미 루게릭병 치료제 2종을 찾아냈다92) 미국 바이
오기업 수노비온은 엑스사이엔티아와 협업을 통해 정신질환 치료제를 개발하
였는데 보통 제약사들이 동물실험 전 단계까지 신약 후보 물질을 찾는 데 평
균 45년이 걸리는 데 반해 엑스사이엔티아는 인공지능으로 단 1년에 끝냈
다93) 이러한 흐름에 맞추어 한국 또한 AI가 최적의 후보물질을 제시해 평균
90) 박순영 lsquo인공지능을 활용한 신약개발 연구동향rsquo 「융합위클리팁-산업」(vol105) 융합정책연구센
터 20181 2면91) Ellen Daniel ldquoAI start-up Atomwise raises $45m to fund drug research technologyrdquo pharmaceutical
-technology 2018년 3월 12일자 기사(2018년 4월 1일 검색)
lthttpswwwpharmaceutical-technologycomnewsai-atomwise-45m-drug-research-technologygt92) 이영완 ldquo인공지능發 신약 혁명hellip 개발기간 4분의 1로rdquo 조선 Biz 2017년 12월 5일자 기사(2018
6 10 검색)lthttpbizchosuncomsitedatahtml_dir201712062017120600033htmlgt93) Id
280 법학논문집 제42집 제2호(중앙대학교 법학연구원)
5년 정도 걸리는 후보물질 개발을 1년까지 단축할 수 있을 것으로 보고 인공
지능 개발을 추진하고 있다94)
2 컴퓨터 프로그래밍
인공 신경망 네트워크(Artificial Neural Network ANNs)는 새로운 아이디어
를 도출하는 또 다른 인공지능의 한 형태이다95)
구글이 추진하고 있는 신개념 SW 개발 방법론의 명칭은 lsquoAutoML(Auto
Machine Learning)rsquo인데 이는 자신의 환경에 대해 학습하는 코드와 알고리즘
을 복합적으로 생성하는 신경망 프로세스이다96) 인공지능이 생성한 알고리
즘 구조는 사람이 설계한 것과 동일한 특징을 갖기도 하나 새로운 구조를 만
들어 내는 과정에서 사람이 잘 사용하지 않는 방식을 이용하기도 한다97)
구글이 스스로 만들어낸 인공지능 프로그램 시스템의 경우 인간이 만들어
낸 프로그램 시스템보다 성능이 더 뛰어나다고 한다98) 구글의 프로그램 시스
템은 인간의 개입이 없는 상태에서 프로그램이 내부 시스템으로 스스로 만들
어 냈다는 점에서 주목되었다
94) 신선미 ldquo정부 내년 신약개발 AI 출시hellip후보물질 개발 5rarr1년 단축rdquo 연합뉴스 2018년 2월 4일자
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
95) Erica Fraser ldquoComputers as inventors ndash legal and policy implications on artificial intelligence on patent lawrdquo A Journal of Law vol 13(201612) Technology amp Society p317
96) 김준래 ldquolsquo인공지능rsquo으로 lsquo인공지능rsquo 만든다rdquo The Science Times 2017년 6월 9일자 기사(2018년
6월 1일 검색)lthttpwwwsciencetimescokrnews=EC9DB8EAB3B5ECA780EB8AA5EC9CBCEBA19C-EC9DB8EAB3B5ECA780EB8AA5-EBA78CEB93A0EB8BA4gt
97) 박종훈 ldquoAI가 AI를 개발한다 구글의 전사 인공지능 프로젝트 lsquoGoogleairsquordquo 주간기술동향(20176) 정보통신기술진흥센터 34면 ltwwwitfindorkradmingetFilehtmidentifier=02-001-170607-000017gt
98) Aatif Sulleyman ldquoThe AutoML project is said to make process of designing machine learning models much more accessiblerdquo 2017년 12월 5일자 기사(2018년 5월 29일 검색)lthttpwwwindependentcouklife-stylegadgets-and-technewsgoogle-child-ai-bot-nasnet-automl-machine-learning-artificial-intelligence-a8093201htmlgt
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데
We live in an age of artificial intelligence Nowadays it creates something new
Just a few years ago artificial intelligence would not have thought of composing and
drawing pictures by itself Smart artificial intelligence produces works similar to human
beings in the fields of music and art which were estimated as humanrsquos creative area
Artificial intelligence even plays a role in the development of new drugs and computer
programs The paper starts from the question whether artificial intelligence should be
regarded as a human tool or artifacts of artificial intelligence should be treated as
protected inventions under the patent law
Thus the paper focuses on the artifacts produced by artificial intelligence and how
to protect them Unlike the protection by copyright law there would be considerable
controversy about the claim that artifacts of artificial intelligence should be protected
by patent law Nevertheless the author intends to insist the necessity of protection
because artificial intelligence may have meaningful legal impact
The pace of technological progress is much quicker than that had been in the past
However laws have a tendency of coping with the phenomenon slowly The author
wish to share results through the promotion of science and technology with my
contemporaries
The paper briefly reviewed technical features of artificial intelligence In particular
the author reviewed the operating principles of AlphaGo Zero which can create a
특허법상 인공지능 창작물의 발명 해당 여부 김용주 291
new way without human intervention through reinforcement learning In the case of
artificial intelligence the creation of artworks without any human intervention is likely
to correspond to the conceptual invention of Article 2 (1) of the patent law Artificial
intelligence can create new outcomes through self-learning as seen in the use of
artificial intelligence in the pharmaceutical industry and computer programs
There are two results that could be considered meaningful in the process of artificial
intelligence First the ability of processing data in aspects of time and amount of
data It is superior than general computers due to self-learning Second some
unpredicted unique results through its self-learning process The first result may be
difficult to be a meaningful invention under the patent law However the second
result may not be handled just as a tool It is difficult to say that it is a natural
phenomenon If so the result of artificial intelligence could be protected as inventions
under the patent law Considering the possibility of artificial intelligence technology
being used in industries the paper tried to think about how to look at artificial
intelligence output
The author examined whether the patent law could be applied to artifacts of artificial
intelligence Therefore the author reviewed artificial intelligence related technologies
in detail and reviewed the concept of the invention focused on the United States After
that the author examined whether the concept of invention could be applied to the
case of artificial intelligence products that are thought to be meaningful as inventions
특허법상 인공지능 창작물의 발명 해당 여부 김용주 281
[그림 3] 인간 전문가와 구글의 AutoML 방식의 신경망 비교99)
Ⅴ 인공지능 창작물의 발명 해당 여부
인공지능 산출물이 발명에 해당하는지 관련해서는 결과적으로 크게 두 가
지 이슈로 분류될 수 있을 것으로 보인다 첫째는 머신러닝을 통해 기존에 존
재하던 지식을 매우 빠른 속도로 인지하고 이를 정리하는 부분이다 가령 신
약개발 프로그램의 예에서는 기존에 존재하던 화합물의 속성을 빠르게 인식
하고 이를 조합하여 신약 후보군을 탐색하는 것이다 만약 이것이 인간이 기
존에 컴퓨터를 이용하여 도출해 내는 과정에 비견해 볼 때 속도와 처리양의
급속한 확대를 이루어낸 것일 뿐이라면 이것은 인공지능이 인간의 lsquo수단rsquo일
것이다
99) Quoc Le amp Barret Zoph ldquoUsing Machine Learning to Explore Neural Network Architecturerdquo Google AI Blog 2017 5(2018년 3월 28일 검색)lthttpsresearchgoogleblogcom201705using-machine-learning-to-explorehtmlgt이는 Penn Treebank 데이터 세트의 다음 단어를 예측하도록 훈련된 신경망 모델이다 왼쪽은
인간 전문가가 설계한 신경망이고 오른쪽은 구글의 AutoML을 이용한 방법으로 만든 신경망인데