곽 충 목
한국지식재산연구원 전문위원차 상 육
경북대 법학전문대학원 교수인공지능(AI) 관련 발명의 지식재산권법상
보호방안
: 특허법 및 영업비밀보호법을 중심으로
Ⅰ. 서설 ··· 1 Ⅱ. AI 관련 발명의 정의 및 구성요소 ··· 2 1. AI 관련 발명의 정의 ··· 2 2. AI 관련 구성요소 ··· 5 Ⅲ. AI 관련 발명의 특허법상 보호 ··· 7 1. 개요 ··· 7 2. 컴퓨터 프로그램으로서의 특허보호 가능성 ··· 7 3. 영업방법(BM)으로서의 특허보호 가능성 ··· 13 4. 기타 AI 구성요소별 특허보호 가능성 ··· 15 Ⅳ. AI 관련 발명의 부정경쟁방지법상 보호 ··· 16 1. 개요 ··· 16 2. 영업비밀로서 보호대상 ··· 16 3. 영업비밀보호 가능성 ··· 17 Ⅴ. 결론 및 시사점 ··· 18 작성자 / 곽충목 (한국지식재산연구원 전문위원), 차상육 (경북대 법학전문대학원 교수) ∙ 4차 산업혁명 시대의 도래에 따라 지식재산 제도가 인공지능(AI)과 빅데이터 등이 산 업경쟁력 강화의 기반으로서 중요시 되고 있음
∙ 인공지능(AI, Artificial Intelligence) 기술 특히 인간의 뇌 속에 있는 신경세포를 모방 한 ‘인공신경망(neuron network)’ 기반의 딥러닝(deep learning) 기술의 발전이 산업 경쟁력 강화의 핵심 동력으로서 주목을 받고 있는 상황
∙ 이에 보고서는 현행 특허법과 부정경쟁방지법이 ‘AI 관련 발명’을 어떻게 보호하고 있는지 살펴보고 이를 개선하기 위한 방안을 모색하고자 함.
※ 본 보고서 내용은 필자의 개인적인 견해이며, 한국지식재산연구원의 공식적인 의견이 아님을 밝힙니다.
최근 인공지능(AI, Artificial Intelligence)이 개인화된 의료 진단에서 선거 예측에 이르기까지 적용분야가 비약적으로 확대되고 있어, 주요국은 AI를 차세대 경제성장 동력으로서 주목하고 데이터 수집 및 분석 프로세스 등 AI에 대한 투자 및 기술 확보에 나서고 있음 AI는 혁신적 기술로 인해 막강한 계산 능력과 함께 인간의 직감을 모방 할 수 있는 강력한 분석 도구로 출현하고 있음 - 이는 초기 암 탐지1), 정확한 기상 예측,2) 기업 파산에 대한 예측,3) 자연적인 사건 탐지4), 선거 예측5) 등의 무한한 가능성을 열어주는 단계로 연결되고 있음 AI 사용자는 엄청난 양의 데이터에 숨겨진 통찰력을 추출함으로써 경쟁에 대한 필수적인 이점을 얻을 수 있음
- Google의 DeepMind의 알파고(AlphaGo)가 2016년 프로바둑 9단 이세돌을 이긴 후, Google의 DeepMind는 보드게임 인공지능으로 남은 마지막 기념일을 정복
- 러시아의 체스 장인 Garry Kasparov에 대한 IBM Deep Blue의 승리 이후 19년이 지나서 Google의 성공은 전문가의 예측을 수십 년 초과하는 수준에 이르렀음* * AlphaGo는 AI 알고리즘이 방대한 양의 데이터를 처리 할 수 있는 방법을 보여줌 우리 정부도 ‘인공지능 국가전략’(‘19.12.17)을 발표하고 기존 IT강국에서 AI강국으로의 패러다임 전환을 선언하며 2030년까지 AI 경제효과 455조원 창출, 디지털경쟁력 세계 3위, 삶의 질 세계 10위 달성을 위한 대정장을 시작 표 1. 인공지능 국가전략 분야 추진전략 세계를 선도하는 인공지능 생태계 구축 ➀ 인프라 확충 ➁ 전략적 기술개발 ➂ 과감한 규제혁신 ➃ 스타트업 육성 인공지능을 가장 잘 활용하는 나라 ➄ 인재양성 국민교육 ➅ 전산업 AI 도입 ➆ 디지턹정부 대전환 사람 중심의 인공지능 구현 ➇ 포용적 일자리 안전망 구축 ➈ 역기능 방지 및 AI윤리 마련
1) Andre Esteva et al., Dermatologist-level classification of skin cancer with deep neural networks, 542 NATURE 115 (2017).
2) Sue Ellen Haupt & Branko Kosovic, Big Data and Machine Learning for Applied Weather Forecasts, IEEE SYMPOSIUM SERIES ON COMPUTATIONAL INTELLIGENCE (2015).
3) Wei-Yang Lin et al., Machine Learning in Financial Crisis Prediction: A Survey, 42 IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS 421 (2012).
4) Farzindar Atefeh & Wael Khreich, A Survey of Techniques for Event Detection in Twitter, 31 COMPUTATIONAL INTELLIGENCE 132 (February 2015).
5) Corey Blumenthal, ECE Illinois Students Accurately Predicted Trump’s Victory, ECE ILLINOIS (Nov. 18, 2016), https://www.ece.illinois.edu/newsroom/article/19754.
서설
AI의 개요
AI는 인간의 지각, 추론, 학습 능력 등 인간과 유사한 지능을 가지고서 스스로 생각하고 사물을 인식하며 그에 따라 자율적으로 행동하는 컴퓨터 프로그램으로 볼 수 있음 AI의 개념은 ‘50년부터 등장하였으나, 최근에 대용량의 빅데이터를 처리할 수 있는 컴퓨팅 환경이 조성되고, 머신러닝*(Machine Learning)과 딥러닝**(Deep Learning) 기술의 발달로 인공지능의 산업적 활용가능성이 비약적으로 확대됨
* (머신러닝) 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기법으로서, 알고리즘을 이용해 데이터를 분석하고 분석을 통해 학습하며 학습한 내용을 기반으로 판단이나 예측하는 기계학습 기술 ** (딥러닝) 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 하기 위해 인공 신경망(ANN:
artificial neural network)을 기반으로 구축한 한 기계학습 기술로서, 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합
AI의 분류
전통적으로 AI는 강한 인공지능(strong AI)과 약한 인공지능(weak AI) 구분됨
- (강한 인공지능) 고차원적인 사고 능력을 갖추고 어떤 문제를 실제로 해결할 수 있는 인공지능으로, 지각력과 스스로를 인식하는 능력을 갖춤 - (약한 인공지능) 학습을 통해 지능을 특정분야로 한정지을 수 있음에 따라 특정문제를 인간처럼 풀 수 있는 정도의 수준임 표 2. 인공지능의 분류6) 강한 인공지능 ・다양한 분야에서 보편적으로 활용 ・알고리즘을 설계하면 AI가 스스로 데이터를 찾아 학습 ・정해진 규칙을 벗어나 능동적으로 학습 ・인간과 같은 마음을 가지는 수준 약한 인공지능 ・특정 분야에서만 활용가능 ・알고리즘은 물론 기초 데이터·규칙을 입력 해야 이를 바탕으로 학습 가능 ・규칙을 벗어난 창조는 불가 ・인간의 마음을 가질 필요 없이 한정된 문제 해결 수준 현재는 약한 인공지능을 실생활에 적용하는 기술 개발이 주류를 이루고 있음 - 강한 인공지능을 추구하지만, 이를 달성하기 위해서는 많은 비용과 시간이 필요하기에 아직은 도달하지 못함 - IBM의 왓슨, 구글의 알파고가 개발되고 있으나, 실제 활용되는 서비스는 자율주행자동차, 개인 가상 비서, 기후예측, 무인항공기 등 지식 서비스 형태의 약한 인공지능 수준* * 옥스퍼드 대학의 인류 미래 소장인 닉 보스트롬에 따르면, 인간 수준의 강한 인공지능을 구현하기 위해서는 앞으로 30~40년은 걸린다고 함
6) 김윤명, “인공지능과 법적 쟁점 – AI가 만들어낸 결과물의 법률 문제를 중심으로”, SPRi Issue Report(2016-005호), 소프트웨어정책연구소, 2016, p5.
주요국 인공지능 관련 기술 동향 자율주행자동차, 드론, 로봇 등 지능정보를 기반으로 한 새로운 산업에 대해 각국의 정부와 기업이 투자와 연구개발에 매진하고 있음 지난 10년간 미국의 인공지능 관련 특허출원은 9,786건, 중국은 6,900건, 일본은 5,000건, 한국 2,638건임7) 표 3. 국가별 인공지능 관련 기술 동향8) 구분 미국 중국 일본 우리나라 MIT 13 AI 기업 7개 기업 (테슬라, 알파벳, 엔비디아, 엔리틱, 페이스북, MS, IBM) 2개 기업 (바이두, 디디추싱) 1개 기업 (화낙) 1개 기업 (라인) MIT 50 혁신기업 32개 기업 5개 기업 (바이두, 화웨이, 디디추싱, 텐센트, 알리바바) 2개 기업 (토요타, 화낙) 2개 기업 (라인, 쿠팡) 딥러닝 논문 생산순위 2위 1위 3위 10위 인공지능 특허 수(10년간) 9,786건 6,900건 5,00건 2,638건 검토의 필요성 자율주행자동차, 의료 등에서는 이미 AI 로봇 기술이 상용화 단계에 진입했으며 조만간 AI가 인간의 생활을 조력하는 단계를 넘어 인간의 삶의 일부로 편입될 것으로 기대됨 - 향후 AI, 로봇 등이 산업 및 사회 전반에서 핵심적인 역할을 수행할 것으로 전망됨에 따라 이에 대한 법률적 보호방안을 고찰할 필요성이 있음 AI 관련 발명의 지식재산권법상 보호방안과 관련하여 우선 저작권법이 인공지능을 컴퓨터 프로그램으로서 적절히 보호할 수 있는지에 대해서 의문
- 특히 저작권법의 기초이론으로서 합체이론(merger doctrine)과 정형적 장면이론(scènes à faire doctrine)에 의해 부과된 제한은 소프트웨어의 저작권 보호를 제한할 수 있음 - 저작권은 소스코드의 문자 그대로의 복제(literal copying)를 보호하는 대체 방법을 제공하지만, 기본적인 소프트웨어 알고리즘과 혁신의 보호에 의문이 있고, 나아가 다양한 저작권법상 논쟁점이 있어 향후 AI의 저작권법상 보호방안과 관련하여 다수의 과제를 안고 있음9) 이하에서는 특허법과 영업비밀보호법 중심의 AI 보호방안에 대해 살펴보고자 함 7) 특허청, “연도별 특허출원 동향”, 2016. 8) 공영일, “국내외 AI 정책 방향과 시사점, 소프트웨어정책연구소”, 2017, p12. 9) 이에 대한 상세는, 차상육, “인공지능(AI)과 지적재산권의 새로운 쟁점 –저작권법을 중심으로-”, 『법조』 통권 제723호, 법조협회, 2017.6, 183~231면 참조.
1. AI 관련 발명의 정의
AI의 개념 AI는 스스로 사물을 이해하고, 주변 환경을 인식하여 그에 대하여 유연성 있게 적응 또는 반응하고, 그러한 경험에 근거하여 학습할 수 있는 기계라고 할 수 있음 현재 주요하게 논의되는 AI는 스스로 최선의 방법을 결정하여 문제를 해결하는 ‘강한 인공지능’ 보다는 특정한 기능을 수행하는 것뿐인 ‘약한 인공지능’으로 볼 수 있음 AI의 유형AI의 종류는 퍼지(Fuzzy) 알고리즘, 유전(Genetic) 알고리즘, 전문가(Expert) 시스템, 인공신 경망(Neural Network) 등이 있고, 인공신경망은 다시 머신러닝(Machine Learning)과 딥러닝(Deep Learning)으로 구분 (머신러닝) 데이터를 통하여 기계를 학습시키는 방법으로 답을 찾아내는 학습 기술 - 지도학습(Supervised): 정답(목표값)을 알려주면서 학습시키는 방법, AI 알고리즘을 통과한 출력값과 정답과의 오차를 점차 축소시키는 형식으로 학습 진행 - 비지도학습(Unsupervised): 정답(목표값)없이 데이터의 형태를 알아내는 방법, 데이터를 그룹핑(Grouping)하는데 사용 - 준지도학습(Semi Supervised): 정답이 있는 데이터와 없는 테이터를 동시에 사용하여 학습시키는 방법 - 강화학습(Reinforcement): 어떤 상태에 놓인 로봇이 현 상태를 인식하고, 그 다음 행동을 했을 때 그 행동이 현 상태에 적합한지 여부를 보상값을 주는 것으로 학습시키는 방법 그림 1. 머신러닝 알고리즘의 유형10)
AI 관련 발명의 정의 및 구성요소
Ⅱ
(딥러닝) 다량의 데이터나 복잡한 자료들 속에서 조합을 통해 핵심적인 내용 또는 기능을 요약하는데 사용되는 학습방법으로, 머신러닝과 다르게 학습 전에 인간이 선처리하는 작업 없이 데이터를 그대로 이용(빅테이터 사용가능) - 딥러닝은 입력데이터를 이용하여 알고리즘이 스스로 학습하고 특징을 도출 ‘AI 관련 발명’의 정의 : EPO의 기준 학습, 추리, 추론 및 결정과 같이 인간이 지능적으로 인식하는 것을 나타내는 방법 또는 시스템 장치를 포함한다고 볼 수 있음 ‘AI 관련 발명’을 특별히 정의를 내리는 입법례나 실무는 없다고 볼 수 있으나, 최근 개정한 유럽 특허청(EPO)의 특허심사 가이드라인에서는 새로운 카테고리로서 인공지능(Artificial intelli gence)과 머신러닝(Machine Learning)으로 구분11)
- AI와 머신러닝은 분류(classification), 클러스터링 (clustering), 회귀(regression) 및 차원 감소(dimensionality reduction)를 위한 계산 모델 (computational models) 및 알고리즘을 기반으로 함*
* 예를 들어, 신경망, 유전자 알고리즘 (genetic algorithm), 서포트 벡터 머신, k-평균 (k-means), 커널회귀(kernel regression) 및 판별분석 (discriminant analysis) 등이 있음12)
- 결국 ‘AI 관련 발명’은 AI, 머신러닝과 관련된 발명을 의미하며, 머신러닝의 일종으로 분류되고 있는 딥러닝(Deep Learning)에 의한 발명도 포함하는 것이라고 볼 수 있음
2. AI 관련 구성요소
인공신경망의 학습 프로세스 머신러닝, 딥러닝 등 인공신경망은 AI를 완성시키기 위한 학습방법의 하나이지만, 인공신경 망을 포함하여 AI라고 불리는 경우도 있으므로, AI의 구성요소를 살펴보기 위해서는 인공신 경망의 학습 프로세스를 이해할 필요가 있음 인공신경망(머신러닝 또는 딥러닝)을 이용한 AI에는 ‘AI 프로그램’, ‘학습용 데이터’, ‘학습완 료 모델’ 그리고 ‘AI에 의한 생성물’ 등으로 구성 - 인공신경망에 있어서는 대량의 ‘학습용 데이터’를 이용하여 학습을 하기 전인 AI 프로그램에 특정한 기능을 탑재하는 것을 목적으로 하여 학습을 하는 ‘학습완료 모델’을 생성 - ‘학습완료 모델’을 특정한 용도로 이용하는 때에는 새로운 데이터나 지시를 입력함으로서 ‘AI 생성물’이 출력됨 10) 송준이, K-ICT 딥러닝 개요, ㈜아이덴티파이, p.14. 11) 유럽 특허심사 가이드라인 Part G-Patentability 3.3.1. 12) 유럽 특허심사 가이드라인 Part G-Patentability 3.3.1.그림 2 인공신경망을 이용한 AI의 모습13) AI 관련 구성요소 (AI 프로그램) AI를 학습시키기 위한 훈련용 프로그램과 학습 후에 생성물의 출력에 이용되는 프로그램 등이 있음 ※ 딥러닝의 경우에는 인간의 뇌안에 있는 신경세포를 모방한 ‘뉴럴 네트워크’라는 구조의 학습방법이 있음 (학습용 데이터) ‘선택이나 선별 등이 되지 않은 순수한 데이터 집합물’, ‘선택이나 선별된 데이터 집합물 중 데이터별 분류가 미리 규정되어 있는 데이터 집합물’, ‘선택이나 선별 등이 된 데이터 집합물이나 데이터의 분류는 되어 있지 않은 데이터 집합물’ 로 구분 (학습완료 모델) AI 학습단계에서 학습용 데이터를 사용하여 학습시킴으로써 특정한 기능을 실현하기 위하여 필요한 파라미터(계수)가 규정된 학습완료 모델이 생성14) - 일반적으로 학습완료 모델은 AI 프로그램과 파라미터(계수)의 조합이라고 해석 ※ 딥러닝에서는 AI 프로그램의 일종인 뉴럴 네트워크 구조와 각 뉴런 간의 결합의 정도인 파라미터(중요도 계수)의 조합이 학습완료 모델이라고 정의 (AI 생성물) AI 스스로 생성되는 창작물, 인간의 관여에 의한 결과물* * 음악, 소설 등의 저작물을 포함하여, 발명이나 디자인 등도 포함된다고 볼 수 있음 13) 일본 산업구조심의회 지적재산분과회 영업비밀 보호 활용에 관한 소위원회, 제27회 자료 4. 14) 知的財産戰略本部新たな情報財檢討委員會（(第2 回) 配布資料5、2頁、6頁.
1. 개요
AI 관련 발명에 대한 특허권을 취득함으로써 특허법상 보호 가능
AI 전체를 특허권으로 보호하는 것도 생각할 수 있지만, AI는 프로그램 부분과 데이터 부분으로 구성된 것이므로, 이들을 나누어 특허를 취하는 것을 고려할 수 있음 - AI에서는 신경회로망(neural network)의 구조가 프로그램의 골격을 형성하는 핵심부분 - 신경회로망의 구조는 그 구조가 컴퓨터에 의한 정보처리를 규정한다는 점에서 프로그램과 유사한 성질을 가지는 프로그램에 준하는 것으로서 특허의 대상이 될 수 있음 * 일본의 경우 신경회로망의 구조에 관하여 특허가 등록되는 예로서, 신경회로망, 신경회로망 시스템, 신경회로망 처리 프로그램 등의 사례가 있음15) 신경회로망에 대한 특허와 함께 학습을 마친 모델(프로그램 + 학습완료 모델)에 관하여 어떻게 특허로 보호할 수 있는지 여부가 문제됨
2. 컴퓨터 프로그램으로서 특허보호 가능성
(1) 우리나라 (개요) 프로그램 자체는 계산식과 유사한 것으로 사람의 정신적 과정의 표현에 지나지 않으므로 프로그램 자체를 특허출원 하더라도 자연법칙을 이용하고 있지 않다는 이유로 특허거절결정을 받을 가능성이 큼 그러나 프로그램이 하드웨어와 일체로서 그 하드웨어의 성능을 높이거나 제어하는 방법 내지 장치로서 혹은 프로그램을 기록한 컴퓨터 해독 매체와 결합된 경우에는 특허를 부여받을 수 있음 AI 구성요소 중 프로그램의 부분은 컴퓨터 프로그램이므로, 그 아이디어가 자연법칙을 이용한 기술적 사상의 창작이면 특허의 대상이 됨(특허법 제2조 제1호) 프로그램 특허는 프로그램의 처리 프로세스를 청구항에 기재함으로써 취득가능하고, 소스 코드를 그대로 기재하는 것은 아님 특허청 심사실무의 경향은 소프트웨어와 하드웨어 자원이 협동한 구체적 수단에 따라서 15) 일본 특허 제3816762호.AI 관련 발명의 특허법상 보호
Ⅲ
실현한다고 판단할 수 있는 경우에는 프로그램 관련 발명도 자연법칙을 이용한 기술적 사상의 창작이고 발명에 해당한다고 보고 있다고 할 수 있음 현행 특허청 심사 실무는 특정의 알고리즘에 따라 동일한 결과가 반복적으로 도출되는 것(엔지니어의 의도(예측)에 맞춰 결과가 도출)을 컴퓨터 관련 발명으로 봄 이에 반해, 학습기간, 학습량, 학습 데이터 등에 따라 성능과 결과가 달라지는 것, 즉 엔지니어의 의도(예측) 이상의 결과가 도출되는 것은 AI 관련 발명으로 봄 * 우리나라 심사 실무는 AI 관련 발명의 범주를 AI 알고리즘 발명과 AI를 이용한 발명 두 가지로 보고 심사 컴퓨터 관련 발명과 AI 관련 발명의 차이는 데이터 및 학습모델(학습량, 학습기간)로서 이해하고 있음16) 그러나 실무에서는 기본적으로는 AI 관련 발명에 적용되는 특허요건과 소프트웨어 관련 발명(컴퓨터프로그램 관련 발명)에 적용되는 특허요건을 동일하게 적용17) (2) 일본 (개요) 일본에서는 발명의 정의에 대하여 특허법에 규정되어 있으며(특허법 제2조 1항 주서), 보호 적격성에 관해서는 ‘자연법칙을 이용한 기술적 사상의 창작’에 해당하는지 여부가 문제되고 있음 일본 특허청 실무에서는 심사기준 제3부 제1장 ‘발명 해당성 및 산업상 이용가능성’에 의해 청구항 관련 발명이 ‘자연법칙을 이용한 기술적 사상의 창작’인지 여부를 판단 - 일반 기준은 “자연법칙을 이용한 기술적 사상의 창작”이 아닌 예로서 ‘청구항에 관계한 발명이 자연법칙 이외의 법칙(예: 경제법칙), 인위적인 법칙(예: 게임 규칙 그 자체), 수학적 공식, 인간의 정신활동에 해당할 경우 또는 이것만을 이용하고 있는 경우(예: 비즈니스를 하는 방법 그 자체)를 들고 있음 - 발명을 특정하기 위한 사항에 자연법칙을 이용하고 있는(이용하고 있지 않는) 부분이 있어도 청구항에 관계한 발명이 전체로서 자연법칙을 이용하고 있지 않다고 판단되는 경우에는 그 발명은 자연법칙을 이용하고 있지 않는 것이 됨 일본 특허청은 프로그램이 발명으로서 보호되기 위해서는 “소프트웨어에 의한 정보처리가 하드웨어 자원을 이용하여 구체적으로 실현되고 있는” 경우, 즉 소프트웨어와 하드웨어가 협동한 구체적 수단 또는 구체적 수순에 따라서 사용목적에 따른 특유의 정보의 정산 또는 가공이 실현되는 경우, 자연법칙을 이용한 기술적 사상의 창작(동법 2조 1항)에 해당한다는 심사기준18)을 채용하고 있음
16) 국제지식재산연수원·일본 공업소유권연수관, 인공지능 관련 기술의 심사 가이드라인(Joint Seminar IIPTI and INPIT), 2018. 8. 31일 자료, 22면.
(3) 미국
(개요) 미국의 경우 연방대법원이 2014년 Alice 판결에서 소프트웨어 특허에 대해 높은 기준을 부과한 이후 실무상 소프트웨어 특허 취득의 어려움이 가중되었고, 미국의 현행 지적재산권 체계가 기계 학습과 관련된 발명을 적절히 보호 할 수 있을지에 대한 의문을 제기하기에 이르렀음
후속판결인 연방순회항소법원(CAFC)의 Enfish 판결, Bascom판결 및 McRO판결에 따르 면, 특정 종류의 소프트웨어 발명은 여전히 특허대상적격이 있다고 판시
* 그러나 소프트웨어 발명에 대한 특허대상적격성에 대해서는 미국 법원의 태도는 원칙상 부정적임
다만, 최근 미국특허청(USPTO)의 2019년 개정 특허대상적격성 심사지침(MPEP)에 따르 면, AI를 비롯한 소프트웨어 발명에 대한 특허대상적격성의 인정에 있어서 긍정적인 변화 움직임도 읽을 수 있다고 평가됨
(Alice 판결) Alice v. CLS 사건에서 금융거래를 용이하도록 한 전자적 에스크로(escrow) 서비스를 구현한 컴퓨터프로그램의 아이디어를 특허로 보호할 수 있는지가 문제됨
* Alice Corp. Pty. Ltd. v. CLS Bank Int’l, 134 S. Ct. 2347 (2014)
2007년 CLS는 Alice가 보유하고 있는 특허에 대한 무효소송과 함께 CLS가 Alice의 특허를 침해하지 않았다는 것에 대한 확인판결을 요청하며 DC 지방법원에 소를 제기하였고, 이에 Alice 또한 CLS가 Alice가 가진 특허를 침해하였으며, 자신들의 특허의 유효를 주장하는 반소를 제기함 (지방법원 및 CAFC 판결) DC 법원은 CLS와 Alice 각각의 소송 건에 대한 약식판결로서 Alice의 특허 청구항은 추상적 아이디어에 관한 것이기 때문에 법 제101조에 의하여 무효라고 선언19) - DC법원은 에스크로의 사용에 있어, 리스크를 최소화하기 위하여 동시발생의 교환이 가능하게 하도록 중개인을 고용하는 방식은 업계에 있어 기본적인 비즈니스 또는 금융 개념이며 이는 추상적 아이디어를 단순히 전기적으로 구현한 것에 불과한 것뿐이라 하여, 미국특허법 제101조의 특허대상에 포함되지 않는다고 판시 - 2012년 CAFC는 Alice의 발명처럼 컴퓨터로 구현되는 발명은 명백하게 특허의 청구항이 추상적 아이디어에 관한 것이 아니면 특허대상이 아니라고 할 수 없다고 판시하면서 제1심법원의 판결을 번복20)
- CLS는 이러한 CAFC의 판결에 불복하여 동법원에 전원합의체(en Banc) 재심사(rehearing)를
18) 일본 특허청, 「 特許・実用新案審査ハンドブック. 附属書B 第１章 コンピュータ ソフトウエア関連発明」 (平成30年 3 月14日改訂) 참조.
19) CLS Bank Int’l v. Alice Corp. Pty. Ltd., 768 F. Supp. 2d 221 (D.D.C. 2011). 20) CLS Bank Int’l v. Alice Corp. Pty. Ltd., 685 F.3d 1341, 1352 (Fed. Cir. 2012).
신청하였고, CAFC는 재심사를 승인하였으며, 2013년 CAFC는 컴퓨터 실행 발명에서 추상적 아이디어 부분에 대하여는 특허의 자격이 없다는 지방법원의 판결을 지지하면서 이전 CAFC 패널의 결정을 무효화21) (연방대법원 판결) 2014년 6월 19일 미국연방대법원에서는 법관들의 만장일치로 Alice의 특허에 대하여 무효 판단22) - 대법원은 자연법칙, 자연현상, 추상적 아이디어는 미국특허법 제101조에 포함될 수 없어 특허대상이 되지 않으며, Alice의 특허는 위의 요건 중 추상적 아이디어에 해당하기 때문에 무효라고 판시하면서 CAFC 전원합의체 판결 유지23) (평가) Alice 판결은 영업방법이 단순히 컴퓨터프로그램으로 구현되었다는 점만으로는 추상적 아이디어(Abstract Idea)라는 사법적 예외(judicial exception)로부터 특허대상적 격성을 갖는 대상으로 변경될 수 없다는 판단기준을 제시한 점에 의의가 있음
- 동 판결은 컴퓨터 프로그램 자체에 대한 특허대상적격성을 쟁점으로 삼은 것이 아니었지만, 판시 이후 컴퓨터 프로그램을 비롯한 소프트웨어 발명에 적용되는 판단기준이 되었다고 할 수 있음
- 특히, Mayo v. Prometheus(2012) 판결24)의 2단계 테스트( two-step test)를 수용하여,25) 미국 특허법 제101조에서 규정하고 있는 모든 예외사유로 그 적용범위를 확대한 것으로 평가할 수 있음
(Alice 판결 영향) Alice 판결 이래, 많은 소프트웨어 및 비즈니스 방법 특허의 유효성이 미국특허법
21) CLS Bank Int’l v. Alice Corp. Pty. Ltd., 717 F.3d 1269, 106 U.S.P.Q.2d 1696, 2013 ILRC 1851 (Fed. Cir. 2013).
22) Alice Corp. v. CLS Bank International 573 U. S. _ (2014).
23) ⅰ) 우선 방법청구항 및 컴퓨터 기록 매체에 관한 청구항은 특허성이 없다고 판시하였는데, 그 근거로서는 첫째 중개에 의한 결제는 ‘기본적인 경제활동’이고 중개자를 사용하는 것은 근대 경제의 구성요소인 점, 둘째 범용컴퓨터에 의한 실 행은 발명적 개념이라 할 수 없는 점, 즉 전자적 기록관리는 컴퓨터의 가장 기본적인 기능의 하나이고, 나아가 데이터의 취득, 계좌잔고의 조정 및 자동화된 지시의 발행에 컴퓨터를 사용하는 것은 보다 잘 이해하고 일상적이며 전통적인 활동 이라는 점을 들었음. ⅱ) 다음으로 시스템에 관한 청구항도 역시 특허성이 없다고 판시하였는데, 그 근거로서는 통신제 어장치 및 데이터 기록장치에 의한 테이터 처리 시스템은 순수하게 기능적이고 일반적인 것이라는 점, 실질상 방법 청구 항과 차이가 없다는 점을 들었음.
24) Mayo Collaborative Services v. Prometheus Labs., Inc., 566 U.S. 66, 132 S. Ct. 1289 (2012).
25) Mayo v. Prometheus(2012) 판결에 대해서는, 차상육, “의약의 투여용법과 투여용량의 특허대상적격성”, 『법학논고』 제51집, 경북대학교 법학연구원, 2015.8, 173~176면 참조.
1. 미연방대법원의 2단계테스트(two-step test)는 금융거래에 관한 소프트웨어 특허가 특허대상부 적격성을 가진 개념, 즉 중개 합의에 대한 추상적 아이디어로 이끌렸고, 따라서 1단계 테스트에 서 실패했다고 판결
2. 해당 청구항이 실행자로 하여금 범용 컴퓨터(a generic computer)에 관한 중간적 해결(매개적 화해)이라는 추상적 아이디어를 실행하도록 지시하였고 이러한 과정은 2단계 테스트를 통과하 기에 충분한 발명적 개념(inventive concept)을 제공하지 않는다고 판시
제101조(35 U.S.C. §101)아래 도전받고 있음 2016년 6월 8일 연방지방법원은 특허대상적격성이 있는 것으로 간주된 247개의 특허 중 163개를 무효화함으로써 등록특허 중 66%를 무효화, 미국연방항소법원(CAFC)은 40건 중 38건을 무효화함26) Alice 판결의 프레임 워크는 특허대상적격성의 법리를 소프트웨어에 적용할 때 큰 걸림돌이 되었는데, 추상적인 아이디어, 자연현상 또는 자연법칙으로 "지시된"(directed to)것으로 간주된 특정한 발명품을 광범위하고 범주적으로 배제하였음
(Alice 판결 이후의 특허적격성 인정) 연방순회항소법원(CAFC)의 Post-Alice 판결에서는 소프트웨어 발명의 특허성에 대한 가능성을 발견할 수 있음
(Enfish 판결) Enfish v. Microsoft 사건에서는 컴퓨터 데이터베이스에 대한 다양한 정보의 구성요소가 서로 어떻게 관련되어 있는지를 설명하는 컴퓨터 데이터베이스에 대한 데이터 모델을 포함하였음
* Enfish, LLC v. Microsoft Corp., 822 F.3d 1327, 1330 (Fed. Cir. 2016)
- 동 사건에서 CAFC는 이 사건 특허청구된 데이터베이스 소프트웨어에 대해 미국특허법 제101조에서의 특허대상적격성을 가진다고 결론을 내렸는데, 그 이유로서는 이 사건 특허청구항은 추상적 아이디어를 직접적으로 나타내는 것이 아니라는 점을 들었음27) - 앞서 1심인 캘리포니아주 연방중앙지방법원은 이 사건 특허(604특허 및 775특허)의 모든 청구항은 미국특허법 제101조의 특허대상적격성을 갖추지 못했으므로 무효하고 판시하였다. 이에 불복하여 Enfish는 CAFC에 항소
(Bascom 판결) Bascom Global v. AT&T Mobility 사건에서는 원격 인터넷서비스제공자(I SP)의 서버에 있는 인터넷 컨텐츠 필터링 시스템(internet content filtering system)을 공개하는 특허가 쟁점이 되었음
* Bascom Glob. Internet Servs. v. AT&T Mobility LLC, 827 F.3d 1341, 1349 (Fed. Cir. 2016) - 대상특허의 청구항은 인터넷 콘텐츠 필터링 시스템(internet content filtering system)을
발명으로 하고 있는데, CAFC는 연방지방법원의 결정을 번복하면서 Mayo-Alice 테스트의
2단계 테스트 중 2B28)에 근거하여 이 사건 청구항이 특허대상적격성을 가진다고 판단하였음
(McRO 판결) McRO v. Bandai Namco Games 사건에서는 두 개의 표적 표정(facial expressions) 사이에 그래픽을 만드는 자동화 된 3D 애니메이션 알고리즘 특허가 쟁점이
26) Robert R. Sachs, Two Years After Alice: A Survey of the Impact of a "Minor Case" (Part 1), BILSKI BLOG, http://www.bilskiblog.com/blog/2016/06/two-years-after-alicea-survey-of-the-impact-of-a-minor-case.html. 27) 이에 앞서 1심인 캘리포니아주 연방중앙지방법원은 이 사건 특허(604특허 및 775특허)의 모든 청구항은 미국특허법 제
101조의 특허대상적격성을 갖추지 못했으므로 무효하고 판시하였다. 이에 불복하여 Enfish는 CAFC에 항소하였음. 28) 청구항은 법적 예외를 유의미하게 초월하는(significantly more) 것으로 되는 추가적 구성요소를 기재 내지 설명하고
되었음
* McRO, Inc. v. Bandai Namco Games Am. Inc., 837 F.3d 1299, 1308 (Fed. Cir. 2016)
- 동 사건에서 CAFC는 대상특허인 애니메이션의 립싱크 방법에 관한 미국특허에 관하여 대표 청구항은 추상적 아이디어를 대상으로 하는 것이 아니라고 판단을 내리면서 연방지방법원의 판결을 번복하며 파기환송
(최근 CAFC 판결의 평가) 위에서 언급한 3건의 연방순회항소법원(CAFC)의 판결은 특허대 상적격성에 대한 Alice 판결의 2단계 테스트에 대한 가이드라인을 제공하고 있음 - Enfish 사건과 McRO 사건에서 소프트웨어 특허는 Alice 판결의 1단계 테스트를 통과 할
수 있음을 공개적으로 알리면서, 특허대상적격성이 있는 것으로 가리킨다고 보았고, Bascom 사건은 Alice 판결의 1단계 테스트에서는 실패하였음 - 그러나 법원은 동 특허가 특허대상적격성을 가지는 애플리케이션(응용)으로 변환하기에 충분한 발명적 개념(inventive concept)을 가지고 있다고 판결 - 따라서 매우 제한적이지만 위에서 언급한 3건의 CAFC 판결에서 제시된 가이드라인은 머신러닝(machine learning) 알고리즘의 컴퓨터적인 측면에 대한 특허권 부여를 여전히 허용한다고 볼 수 있음
(USPTO의 2019년 개정 특허대상적격성 심사지침(MPEP)) 미국 특허상표청(USPTO)은 2019년 1월 7일 35 U.S.C. §101에 따른 새로운 SW특허대상적격성 판단을 위한 가이드라인(2019 Revised Patent Subject Matter Eligibility Guidance)을 발표29)
2014년 미국 대법원이 Alice 판결을 내린 뒤로 특히 소프트웨어와 관련된 청구항들의 경우 미국 연방순회항소법원의 특허 유무효 판단 기준과 특허청의 특허적격성 심사기준으로
많은 혼선을 빚어왔으며 이에 대해 미국 특허청은 수차례 수정된 가이드라인을 발표30)
동 가이드라인은 특허적격성을 판단함에 있어서 사법적 예외(judicial exception)에 해당(d irected to)하는지 여부를 결정하는 Alice/Mayo의 2A 테스트31) 적용에 관한 두 가지 사항을 변경하였으며 또한 컴퓨터 구현 관련 발명(computer-implemented invention)에 관한 가이드라인을 제시함
① 추상적 아이디어(abstract idea)의 적용
∙ 동 가이드라인은 추상적 아이디어에 포함되는 세 가지 그룹을 ‘수학적 개념(mathematical concepts)’, ‘인간의 활동을 조직화하는 방법(certain methods of organizing human 29) https://www.uspto.gov/patent/laws-and-regulations/examination-policy/subject-matter-eligibility.
30) 특히 최근 연방순회항소법원(CAFC)은 데이터 처리와 관련된 유사한 기술에 관한 특허청구항들의 특허적격성 여부에 대해 상이한 결론을 내리는 등 불분명한 가이드라인을 제시하여 특허청 심사관과 출원인은 각각에게 유리한 판결을 근 거로 제시하며 종종 타협이 없는 싸움을 계속해야 하는 상황이었음.
31) 해당 청구항이 자연법칙, 자연현상 또는 추상적 아이디어(사법적으로 인정된 예외)에 해당하는 지 여부(Is the claim directed to a Law of Nature, a Natural Phenomenon, or an Abstract Idea(Judicially recognized exceptions?)].
activity)’, ‘사고과정(mental processes)’이라고 설명함 ② 사법적 예외(judicial exception) 판단 기준 ∙ 동 가이드라인은 사법적 예외에 해당하는지를 판단하기 위하여 두 단계를 제시함 ∙ 먼저 청구항이 사법적 예외를 명시적으로 기술하는지 여부를 확인하고, 만약 명시할 경우에 두 번째 단계로, 사법적 예외가 유용한 적용(practical application)으로 통합되는지를 판단함 ∙ 만약 청구항이 사법적 예외를 명시하고 유용한 적용으로 통합되지 않을 경우, 해당 청구항은 사법적 예외에 해당하는 것으로 보고 추가로 Alice/Mayo Step 2B 테스트32)에 따른 판단을 해야 함 ③ 컴퓨터 관련 기능식 청구항(Means-Plus-Function Claim) 검토 ∙ 동 가이드라인은 특허법 제112조와 관련된 다양한 사안 중 컴퓨터 및 데이터를 이용한 발명품에 대한 적절한 기능식 청구항 가이드라인을 제공함
3. 영업방법(BM)으로서의 특허보호 가능성
(우리나라) 영업방법(Business Method, BM)의 특허성은 비즈니스의 방법 그 자체에 있는 것이 아니라 그 실현방법 즉 컴퓨터의 소프트웨어에 있다고 할 수 있으므로, 결국 소프트웨어에 의한 정보처리가 하드웨어를 이용하여 구체적으로 실현되고 있는지 여부가 기준이 되고 있음33) * BM의 다수는 자연법칙의 이용을 하지 않았거나, 기술적 사상이 아니기 때문에 발명에 해당하지 않음 AI 그 자체가 아니라, AI를 사용하여 실현하고자 하는 비즈니스 방법에 관하여 특허를 취득하는 것도 고려될 수 있음34) - 비즈니스 방법이 정보통신기술(ICT)을 이용하여 실현된 발명(비즈니스 관련 발명)에 관해서는 소프트웨어에 의한 정보처리가 하드웨어 자원을 이용하여 구체적으로 실현되고 있는 등 자연법칙을 이용한 기술적 사상의 창작이라면 특허의 대상이 됨 (BM특허 출원) 비즈니스 관련 발명의 특허출원건수는 2000년경 급증한 이후 점차 감소하는 경향을 보였지만, 최근 4차 산업혁명의 진전에 따라 IoT(사물인터넷), 빅데이터와 더불어 AI 붐에 기인하여 점점 증가하는 경향32) 해당 청구항이 사법적 예외를 월등히 능가하는 것에 이르는 추가적인 요소들을 포함하는 지 여부[Does the claim recite additional elements that amount to significantyly more than the judicial exception?]]
33) 대법원 2003. 5. 16. 선고 2001후3149 판결.
34) BM 특허(비즈니스 모델 특허)란 정보 시스템을 사용하여 실현된 새로운 비즈니스 방법이나 제도에 대하여 인정되는 특 허를 말한다. 즉, 비즈니스 모델 특허란 인터넷 비즈니스에서의 새로운 서비스, 마케팅 방법, 재고관리 수법 등과 같이 언뜻 보기에는 당연시되는 것이라도 종래 없었던 아이디어가 포함되어 있고, 이 아이디어를 포함하는 비즈니스 방법이 정보 시스템을 통해 구현되는 경우 인정되는 특허를 말함.
- 비즈니스 관련 발명은 이전에는 특허결정율이 낮았지만, 최근에는 그 결정율이 상승하고 있는 추세 * 따라서 AI의 비즈니스 관련 특허 가능성과 관련하여, 반드시 특허취득이 어려운 분야라고는 말할 수 없게 되었음 - 데이터의 양과 질이 중요하게 되는 AI 기술에 있어서는 AI 기술 자체뿐만 아니라, 데이터의 취득방법에 관해서도 비즈니스 관련 특허로서 특허를 취득할 수 있는 것도 생각할 수 있음 (일본) 2000년 이후 BM 발명의 특허출원수와 특허결정율이 감소하는 추세에 있었으나, 현재는 4차 산업혁명 시대를 맞이하여 점점 특허출원수와 특허결정율이 증가하는 추세에 있다고 평가할 수 있음35) (미국) USPTO는 BM 관련 특허의 내용에 대해서는 미국특허분류(UPC) 705 전자상거래 관련 분류(DATA PROCESSING: FINANCIAL, BUSINESS PRACTICE, MANAGEMENT, OR COST/PRICE DETERMINATION)에서 이를 규정
미국에서는 '98년 연방순회항소법원(CAFC)에서 SSB(State Street Bank) 사건을 계기로 금융 영업방법에 대한 특허를 인정하였으며 그 후로 영업방법 특허가 점차 증가 - Amazon의 원클릭(one click) 특허36)나, 프라이스라인(priceline)의 역경매(Reverse
Auction) 특허37) 등이 있음
35) 일본 특허청(https://www.jpo.go.jp/seido/bijinesu/biz_pat.htm#anchor2-4> 참조.
36) 아마존(Amazon)사의 원클릭 시스템(US 5,960,411호) (www.amazon.com, 1999년 9월 28일 특허). 37) 프라이스라인(priceline)사의 역경매시스템(US 5,794,207호) (www.priceline.com, 1998일 8월 11일 특허).
4. 기타 AI 구성요소별 특허보호 가능성
(1) 학습용 데이터 AI의 학습용 데이터는 ‘선택이나 선별 등이 되지 않은 순수한 데이터 집합물’, ‘선택이나 선별된 데이터 집합물 중 데이터별 분류가 미리 규정되어 있는 데이터 집합물’, 그리고 ‘선택이나 선별 등이 된 데이터 집합물이나 데이터의 분류는 되어 있지 않은 데이터 집합물’ 등의 데이터 집합물을 말함 특허법에 따르면, 정보의 단순한 제시인 데이터는 기술적 사상이 아니므로 발명에 해당하지 않는다고 해석되므로, AI의 학습용 데이터 그 자체는 특허의 대상으로 되지 않는다고 보여 짐 (2) 학습을 마친 파라미터 학습을 마친 파라미터(parameter)는 수치 데이터이지만 그 수치 데이터 그 자체에 관하여는 단순한 데이터의 제시로 볼 수 있음 단순 데이터는 원칙적으로 특허의 대상으로는 되지 않으나 신경회로망의 구조에 따라서 규정된 회로망의 노드(network node, 통신망의 분기점 또는 단말기의 접속점) 사이의 링크(link)의 가중치(加重値)의 수치이고, 구조를 가지는 데이터라고 말할 수 있음 - 이 경우 학습을 마친 파라미터가 구조를 가진 데이터 또는 데이터 구조로서 특허의 대상으로 될 여지는 있음 * 다만, 그 데이터 구조는 신경회로망의 구조라고 말할 수 있는 경우가 많음 (3) 학습을 마친 인공지능(AI) 모델 학습을 마친 AI 모델은 프로그램과 학습을 마친 파라미터(paremeter)의 총체라 할 수 있으며, 그 아이디어가 자연법칙을 이용한 기술적 사상의 창작이면 특허의 대상으로 될 수 있음 학습을 마친 인공지능(AI) 모델의 사례로서, 일본 특허청이 제시하고 있는 “숙박시설의 평판을 분석하기 위한 학습을 마친 모델” 등이 있음 - 일본 특허청은 동 모델이 학습을 마친 모델로서 숙박시설이 평판을 정확하게 분석한다는 사용목적에 따른 특유한 정보처리장치의 동작방법을 구축하는 것이므로, 소프트웨어에 의한 정보처리가 하드웨어 자원을 이용하여 구체적으로 실현되고, 자연법칙을 이용한 기술적 사상의 창작으로서, 발명에 해당한다고 한다고 하였음1. 개요
부정경쟁방지법은 기술개발, 상품개발 성과 등의 타인에 의한 무단이용을 부정경쟁 행위로 규정하여 금지하고 있음 부정한 수단에 의해 ‘영업비밀’을 취득하는 행위나 부정하게 취득한 영업비밀을 사용하거나 또는 관계하는 행위에 대해서는 영업비밀보유자가 금지청구나 손해배상청구를 할 수 있음 인공지능(AI)이나 데이터에 관한 특허를 얻기 위해 오랜 시간이 걸리는 것에 비해 빠르게 전개되는 머신러닝(machine learning) 분야의 혁신은 기업이 관련 특허를 확보하지 못하게 될 수도 있음 따라서 기업은 머신러닝(machine learning) 모델을 보호하기 위해 특허 대신 영업비밀에 의존할 수 있는 강력한 동기를 가지고 있음 - 다만 부정경쟁방지법으로 보호하고자 하는 경우에는 기본적으로는 기밀로 유지되는 동안에는 보호되지만 공개되는 경우에는 누구라도 자유롭게 무상으로 사용가능한 기술로 전환되는 문제점이 있음2. 영업비밀로서 보호대상
(보호대상) 부정경쟁방지법은 영업비밀이라는 상태에 있는 정보를 보호하는 것이므로, 생산방법, 판매방법 기타 사업활동에 유용한 기술상 또는 경영상의 정보라면 널리 영업비밀로서 보호대상이 됨 AI와 관련하여 부정경쟁방지법상 보호대상으로 다음을 고려할 수 있음 - ① 미가공 데이터(Raw Data), ② 데이터의 취득방법, 작성방법, 가공방법, 해석방법에 관한 노하우, ③ 학습용 데이터셋, ④ AI 프로그램, ⑤ 신경회로망(neural network)의 구조, ⑥ 학습을 마친 파라미터, ⑦ 학습을 마친 모델(파생모델 포함), ⑧ 학습방법의 노하우 등 * 이들 정보나 데이터에 관하여는 저작권이나 특허권의 보호를 받기 어렵기 때문에 부정경쟁방지법에 의한 보호를 충분히 검토할 가치가 있음AI 관련 발명의 부정경쟁방지법상 보호
Ⅳ
3. 영업비밀보호 가능성
(보호요건) AI 관련 발명이 부정경쟁방지법으로서 보호를 받기 위해서는 비공지성·비밀관리성 등의 요건을 구비할 수 있도록 관리를 하는 것이 요구됨 (비공지성) 비밀관리성을 충족하기 위해서는 정보를 비공개로서 사내에서 비밀정보로서 관리할 것, 또는 종업원이나 거래처와 사이에 비밀유지계약을 체결할 것 등이 필요 - 그 성질 혹은 비즈니스상의 이유에서 비밀로서 관리할 수 없거나, 특허출원하는 등 공지될 수밖에 없는 정보에 관해서는 부정경쟁방지법에 의한 보호를 할 수 없음 (비밀관리성) AI가 편입된 제품을 시장에서 판매하고자 하는 경우에 비공지성 요건이 충족되는지 여부가 문제되는데, 시판된 제품으로부터 영업비밀이 일반적으로 알려지게 되는 상태에 있는 경우에는 비공지성은 없다고 할 수 있으므로 비밀유지가 중요 - 정보의 내용이 특별한 수단을 취함이 없이 알 수 있는 경우는 물론, 무엇인가의 분석이나 해석, 역분석(reverse engineering)이 수반되는 경우라도 그것으로써 용이하게 영업비밀을 취득할 수 있는 경우에는 비공지성이 없다고 해석됨 - 한편 정보의 내용이 암호화되어 있는 등 역분석(reverse engineering)이 용이하지 않고, 그것에 의한 영업비밀의 취득은 상당정도로 곤란하며 비용이 들 수밖에 없는 경우에는 비공지성은 유지된다고 해석됨 AI를 서버로부터 인터넷을 경유하여 제공하는 경우에는 인공지능 프로그램 · 데이터의 내용을 이용자에게 비밀로 하는 등 비밀관리성 요건을 충족하기가 용이 그러나 청소로보트나 자율운행자동차와 같이 마이크로칩 등에 AI 탑재한 제품을 시장에서 판매하려는 경우에는 그 제품을 수입한 자는 마이크로칩을 해독하는 것에서 프로그램 · 데이터의 내용을 알 수 있으므로 그 경우에는 비밀관리는 잃게 될 수 있음 따라서 AI 편입제품을 부정경쟁방지법에 의하여 보호하기 위해서는 마이크로칩이나 마이크 로칩의 수납용기의 대외비표시 혹은 프로그램· 데이터의 암호화 등에 의하여 일반적인 기술수단으로는 다시 만들 수 없도록 하여 비공지성·비밀관리성을 확보하는 것이 필요 다만 확립된 판례가 있는 것이 아니므로, 이러한 수단으로 확실하게 비공지성이 유지되는 것이 아닌 점에 유의하여야 함우리나라와 일본에서는 컴퓨터 프로그램 관련 발명의 특허의 보호적격성 판단에 있어서 정신적 행위나 수학적 방법 등 비기술적 특징과의 관계에서 판단되는 경우가 많음 AI 관련 발명의 특허 적격성 판단에서 기술적 특징과 비기술적 특징이 분리되지 않고 모든 요소를 검토 영업방법(BM) 관련 발명의 특허율은 일반 기술 분야의 특허율과 거의 유사한 결과가 나타나고 있음 미국에서는 컴퓨터 프로그램 관련 발명의 특허적격성에 대하여 비기술적 특징을 현저히 넘는 부분이 있는지, 즉 비기술적 특징과의 관계에서 단순 컴퓨터 사용인지의 주관적 판단이 요구됨 SW에 의한 정보처리를 HW 자원을 이용하여 아무리 구체적으로 기재했다고 하더라고 비기술적인 특징이 영업방법으로 인정된 경우, 단순히 컴퓨터의 사용이라고 판단됨 따라서, AI 관련 발명의 판단에서 비기술 특징과 컴퓨터의 계산, 기억, 전송기능만으로 보호 적격성을 긍정하는 요소가 되지 않은 것으로 나타났는데, 영업방법(BM) 관련 발명은 말할 것도 없고 기술에 관한 발명까지도 보호적격성을 갖지 않는다고 여겨지는 경우도 있음 그러나 최근의 미국에서의 판결 변화를 살피어 볼 때 향후 AI 관련 발명의 개념에 대한 해석이 조정될 여지가 있으므로 동향을 주시할 필요 있음 AI 관련 발명은 기본적으로 AI 프로그램, AI 학습용 데이터, AI 학습완료 모델(AI 프로그램과 파라미터의 조합)을 구성요소로 하는 발명으로 기존의 컴퓨터 프로그램 관련 발명에 없는 학습데이터와 학습완료모델이 포함됨 컴퓨터 프로그램과 함께 머신러닝의 비지도 학습(자율학습)이나 신경회로망을 이용한 딥러닝을 통해 도출되는 인간의 관여가 없이 AI 스스로 만들어 내는 학습을 마친 AI 모델 또는 학습 결과물이 발명의 구성에 포함되어야 AI 관련 발명이라고 볼 수 있음 AI 관련 발명과 컴퓨터 관련 발명을 구별하는 것이 가능함에도 불구하고, AI 관련 발명은 컴퓨터 관련 발명의 하위 개념 또는 일부로 취급 - AI 관련 발명은 컴퓨터 관련 발명 심사기준을 따르고 있는데, 컴퓨터 관련 발명의 심사기준에는 AI 관련 발명의 특성을 충분히 반영하고 있지 않고 있음 * 미국, 유럽 등 주요국애서는 인공신경망(머신러닝 및 딥러닝)을 기초로 한 AI 관련 발명에 대한 발명의 성립성을 엄격히 해석하고 있음
결론 및 시사점
Ⅳ
AI 관련 발명에 대한 주요국의 심사기준 개정 움직임을 고려, 제도개선의 필요성 검토 필요 USPTO는 2019년 새로운 SW특허대상적격성 판단을 위한 가이드라인(2019 Revised Paten t Subject Matter Eligibility Guidance)을 마련38)
- 새로운 가이드라인은 인공지능과 빅데이터 산업 등을 위해 심사기준을 명확히 함으로써 SW 특허대상적격성의 범위를 넓힌 것으로 평가됨 미국의 움직임은 4차 산업혁명의 주요 기술인 AI와 빅데이터의 발전 뿐만 아니라 제도적으로 도 영향이 클 것으로 전망됨 머신러닝, 딥러닝 등 AI 기법에 활발히 활용하고 있는 빅데이터39)에 대해 부정경쟁방지법상 영업비밀로서의 보호방안을 적극적으로 모색할 시점 AI 관련 데이터 자체는 특허로서 보호를 받기 어렵기 때문에 부정경쟁방지법에 의한 보호를 검토할 필요 있음 AI 관련 기술은 미래사회에서 기본적인 기반시설(infrastructure)로 기능할 수 있기 때문에, 특허에 의한 보호 외에도 부정경쟁방지법상 영업비밀로서의 보호와 부정경쟁행 위로서의 규제 모두에 대한 가능성을 염두에 두고 관련 제도개선을 위한 논의를 전개할 필요가 있음
38) 정진근, “인공지능시대의 SW특허적격성에 대한 미국의 대응과 시사점–2019 Revised Patent Subject Matter Eligibility Guidance를 중심으로–, 『강원법학』 제57호, 강원대학교 비교법학연구소, 2019.6, 71~97면 참조.
39) 빅데이터의 지재법상 보호방안에 대해서는, 차상육 “빅데이터의 지적재산법상 보호”, 『법조』 통권 제728호, 법조협회, 2018.4, 71~140면 참조.
이슈페이퍼
2019년 제2019-1호 종자 지재권과 식량권의 관계 : 충돌인가, 공존인가?, 2019.05.31. 제2019-2호 퍼블리시티권에 대한 국내외 주요 판례 및 정책적 시사점, 2019.06.24. 제2019-3호 지식재산이 스타트업의 생존과 성장에 미치는 영향, 2019.07.04. 제2019-4호 상표법상 손해배상액 증액제도 도입 논의, 2019.07.23. 제2019-5호 데이터의 창출 및 활용 관련 지식재산 이슈, 2019.10.02. 제2019-6호 상표의 사용에 의한 식별력 취득 인정기준, 2019.10.31. 제2019-7호 중국 스마트폰 제조기업의 경쟁력 확보 요인 고찰, 2019.11.07. 제2019-8호 우리나라의 지식재산 공적개발원조 추진현황 및 제언, 2019.12.04. 제2019-9호 특허 빅데이터 분석의 타당성 제고를 위한 제안, 2019.12.13. 제2019-10호 2019년 지식재산 10대 이슈 및 2020년 전망, 2019.12.23. 2018년 제2018-1호 지식재산권 행사에 대한 경쟁법 적용기준에 관한 주요국 가이드라인 분석 및 시사점, 2018.07.26. 제2018-2호 지식재산의 새로운 패러다임 : 지식재산 금융의 현황과 활성화 방안, 2018.09.27. 제2018-3호 4차 산업혁명과 지식재산, 2018.10.25. 제2018-4호 상표·브랜드 가치평가의 현실화 방안, 2018.12.06. 제2018-5호 지식재산 서비스를 위한 블록체인의 활용과 정책제언, 2018.12.20. 제2018-6호 지식재산권 보호와 사회복지, 2018.12.28. 제2018-7호 4차 산업혁명 시대의 지식재산권 보호와 특허출원동향 분석 및 시사점, 2018.12.28. 제2018-8호 미중 무역분쟁과 우리나라에 있어 시사점-지식재산권을 중심으로, 2018.12.28. 제2018-9호 인공지능(AI)관련 발명의 권리행사상의 문제점 고찰, 2018.12.28. 제2018-10호 지식재산권의 원천으로서 연구개발투자와 기술혁신 정책의 기능과 개선방안, 2018.12.28.Profile
곽충목 전문위원
학력
· 한양대학교 법학박사
· 美 University of MarylandCollege Park, M.B.A. · 濠 Australian National University, LL.M.
· 濠 University of Sydney, LL.B.
주요 경력
· 법무법인 정세 외국변호사 · 대한상사중재원 중재인
· 美 UCLA School of Law, Visiting Jurist
저서 / 기고 / 논문 · “도산에서의 특허 라이센시 보호법제에 관한 소고 - 미국법제를 중심으로”, ｢비 교사법｣ 제21권 제2호(통권 제65호), 한국비교사법학회, 2014 · “라이센스계약상 특허권자의 채무불이행에 대한 법적대응 방안-특허권자의 도 산을 중심으로”, ｢기업법연구｣ 제29권 제2호(통권 제61호), 한국기업법학회, 2015
· “Unresolved Issues in Patent Dispute Evidence in Australia: Considering Arbitration as an Alternative to Litigation”, ｢중재연구｣ 제 26권 제3호, 한국중재학회, 2016 차상육 교수 학력 · 한양대학교 대학원 법학박사(지적재산권법 전공) · 한양대학교 대학원 법학석사(민사법 전공) · 한양대학교 법과대학 법학사 주요 경력 · 경북대 법학전문대학원 교수 · 법무법인 남강 변호사 역임 · 특허청 산업재산정책제도 분과위원회 위원 역임 저서 / 기고 / 논문 · “영업비밀 침해소송에서 ‘특정’과 ‘증명’의 소송상 의미와 구별”, 산업재산권, 2018.10, · “빅데이터의 지적재산법상 보호”, 법조, 2018.4, · “인공지능(AI)과 지적재산권의 새로운 쟁점 -저작권법을 중심으로-”, 법조, 2017.6 · “EU 개인정보보호법제의 최근 입법과 시사점”, 정보법학, 2017.4,
