알파고로 촉발된 인공지능에 대한 국민의 관심이 고조되고 있다. 아직 국내에는 인공지능 분야에 대한 기술융합 맵 및 국가 프로파일에 대한 연구가 미진한 실정이다. 본 연구는 특허와 논문을 통해 인공지능 분야의 기술융합 현상을 밝히고, 인공지능 분야의 국가 프로파일을 분석하고자 하였다. 특허와 논문에서 인공지능 분야 데이터를 추출한 후 기술융합 맵을 작성하였다. KISTI가 보유한 SCOPUS 데이터를 이용해 국가 프로파일 분석에 필요한 지표를 구했다. 기술적 측면에서 인공지능 분야의 기술은 금융가격결정, 이미지분석, 수술 등 분야와 기술융합이 활발하게 나타났다. 학문적 측면에서 보면 인공지능 분야는 컴퓨터 과학 하위 분야에서 주로 연구되고 있지만 전기전자공학, 바이오 공학, 의학 등 분야와 융합이 활발하게 나타났다. 우리나라는 인공지능 분야에 대한 연구 성장도가 세계 평균인 것으로 나타났으며, 국가집중도, 영향력 등 측면에서는 주요국과 격차가 큰 것으로 나타났다.
알파고로 촉발된 인공지능에 대한 국민의 관심이 고조되고 있다. 아직 국내에는 인공지능 분야에 대한 기술융합 맵 및 국가 프로파일에 대한 연구가 미진한 실정이다. 본 연구는 특허와 논문을 통해 인공지능 분야의 기술융합 현상을 밝히고, 인공지능 분야의 국가 프로파일을 분석하고자 하였다. 특허와 논문에서 인공지능 분야 데이터를 추출한 후 기술융합 맵을 작성하였다. KISTI가 보유한 SCOPUS 데이터를 이용해 국가 프로파일 분석에 필요한 지표를 구했다. 기술적 측면에서 인공지능 분야의 기술은 금융가격결정, 이미지분석, 수술 등 분야와 기술융합이 활발하게 나타났다. 학문적 측면에서 보면 인공지능 분야는 컴퓨터 과학 하위 분야에서 주로 연구되고 있지만 전기전자공학, 바이오 공학, 의학 등 분야와 융합이 활발하게 나타났다. 우리나라는 인공지능 분야에 대한 연구 성장도가 세계 평균인 것으로 나타났으며, 국가집중도, 영향력 등 측면에서는 주요국과 격차가 큰 것으로 나타났다.
The interest about Artificial Intelligence through the AlphaGo Match in Korea has been increasing rapidly. So far, very little has been done in Artificial Intelligence. The aim of this paper is to reveal technology convergence and to assess the country profile in the field of artificial intelligence...
The interest about Artificial Intelligence through the AlphaGo Match in Korea has been increasing rapidly. So far, very little has been done in Artificial Intelligence. The aim of this paper is to reveal technology convergence and to assess the country profile in the field of artificial intelligence(AI). Technology convergence map was created after extracting USPTO patent grants and Web of Science data and generating matrics in the field of AI. Several Indicators were obtained by extracting and calculating SCOPUS Data that KISTI has. According to USPTO patent grants, it shows that AI technology has a strong relationship with several sectors such as cost/price determination, image analysis, and surgery, etc. Also, AI has a active convergence with some fields of Electrical and Electronic Engineering, BioTechnologies, and Medicine etc. According to country profile analysis, Korea reaches a global average growth index. However, in terms of specialization index (SI) and average of relative citations (ARC), there is a large gap between Korea and research leading countries.
The interest about Artificial Intelligence through the AlphaGo Match in Korea has been increasing rapidly. So far, very little has been done in Artificial Intelligence. The aim of this paper is to reveal technology convergence and to assess the country profile in the field of artificial intelligence(AI). Technology convergence map was created after extracting USPTO patent grants and Web of Science data and generating matrics in the field of AI. Several Indicators were obtained by extracting and calculating SCOPUS Data that KISTI has. According to USPTO patent grants, it shows that AI technology has a strong relationship with several sectors such as cost/price determination, image analysis, and surgery, etc. Also, AI has a active convergence with some fields of Electrical and Electronic Engineering, BioTechnologies, and Medicine etc. According to country profile analysis, Korea reaches a global average growth index. However, in terms of specialization index (SI) and average of relative citations (ARC), there is a large gap between Korea and research leading countries.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 미래사회 요구 및 쟁점중 하나인 인공지능 기술의 융합현상을 특허와 논문측면에서 분석하였다. 그리고 인공지능 분야에 대한 국가 프로파일 분석을 수행했다.
본 연구에서는 인공지능 기술의 융합현상을 논문과 특허를 이용해 학문분야와 기술측면에서 분석하고, 인공지능 분야에 대해 집중도, 영향력과 같은 주요 지표를 이용해 경쟁력 맵을 작성하고, 국가 프로파일 분석을 수행하고자 한다.
제안 방법
본 논문은 미래사회 요구 및 쟁점중 하나인 인공지능 기술의 융합현상을 특허와 논문측면에서 분석하였다. 그리고 인공지능 분야에 대한 국가 프로파일 분석을 수행했다. 주요 국가의 인공지능 연구역량을 여러 지표를 사용하여 측정하고 국가 집중도와 영향력을 중심으로 경쟁력 맵을 작성했다.
참고문헌의 학문분야를 파악하기 위해 참고문헌의 저널명을 추출하여 WoS 카테고리를 부여한 후 매핑테이블을 생성했다. 문헌의 주제분야 정보를 이용 하여 Co-Classification Network를 Pajek으로 작성했다. 이 네트워크 데이터를 Gephi를 이용해 시각적으로 표현하여 네트워크 맵을 생성했다.
연구중심국가인 미국, 영국, 독일과 함께 한국, 중국, 일본에서 인공지능 분야의 연구개발현황을 성장도(GI), 집중도(SI), 영향력(ARC), Q-Factor, Crown Indicator, IO-FNCS라는 6개 지표를 이용해 살펴보았다. 주요 지표값들은 1을 기준으로 1 이상이면 세계평균보다 높은 수준이며, 1보다 낮은 값은 세계평균보다 낮다는 것을 의미한다.
문헌의 주제분야 정보를 이용 하여 Co-Classification Network를 Pajek으로 작성했다. 이 네트워크 데이터를 Gephi를 이용해 시각적으로 표현하여 네트워크 맵을 생성했다.
인공지능 분야에서 국가별 연구 집중도(SI, Specialization Index)와 영향력(ARC, Average of Relative Citations)을 살펴보았다. 연구 집중도는 어떤 연구분야에 대해 다른 국가와 비교시 해당 국가의 연구 강도를 보녀주는 지표이다.
국가별 경쟁력 맵을 작성할 때는 일반적으로 한국을 중심으로 선진국과 비교하여 맵을 작성한다[8-9]. 인공지능과 관련된 5개 분야(Artificial intelligence (1702), Computer Science (1700), Theoretical Computer Science (2614), Software (1712), Computer Science Applications (1706))를 중심으로 미국, 일본, 중국, 영국, 독일, 한국의 집중도(Average of Relative Citations, ARC), 영향력(Specialization Index, SI)을 비교했다.
그리고 인공지능 분야에 대한 국가 프로파일 분석을 수행했다. 주요 국가의 인공지능 연구역량을 여러 지표를 사용하여 측정하고 국가 집중도와 영향력을 중심으로 경쟁력 맵을 작성했다.
참고문헌의 학문분야를 파악하기 위해 참고문헌의 저널명을 추출하여 WoS 카테고리를 부여한 후 매핑테이블을 생성했다. 문헌의 주제분야 정보를 이용 하여 Co-Classification Network를 Pajek으로 작성했다.
대상 데이터
본 논문에서 기술융합맵 작성하기 위해 WoS데이터 1986년부터 2015년까지를, 국가 프로파일 분석을 위해 SCOPUS 데이터 1996년부터 2015년까지를 이용했다. 국가프로파일 분석에 사용한 지표는 다음과 같다.
미국특허분류체계에는 Class 706: Data Processing – Artificial Intelligence라는 항목이 있다. 본 연구에서는 미국 등록특허중에서 706 클래스에 속하는 1991년부터 2015년까지 등록된 특허를 추출하여 분석했다.
인공지능 분야의 국가 프로파일을 분석하기 위해 KISTI가 보유한 SCOPUS 데이터를 이용하였다. 인공지능과 관련된 논문이 가장 많이 발표된 주제분야를 SCOPUS의 ASJC 세부주제분야를 이용해 살펴보면, Artificial intelligence (1702), Computer Science (1700), Theoretical Computer Science (2614), Software (1712), Computer Science Applications(1706)로 컴퓨터공학 관련 분야였다.
검색식을 “artificial OR machine learning”으로 작성하여 1986년부터 2015년까지 WoS를 검색하여, 32,608건이라는 결과를 얻었다. 인공지능분야에서 학문분야간 기술융합을 파악하기 위해 검색결과 문헌에 수록된 참고문헌 데이터를 이용하였다.
이 맵을 작성하는데 여러 자료를 사용할 수 있으며, 가장 기본적인 데이터는 특허이다[5]. 인공지능의 기술융합을 분석하기 위해 KISTI가 구축한 특허 데이터베이스중 미국특허 데이터를 이용하였다. 미국특허청에서 공개하는 특허에는 미국특허분류정보가 수록되어 있다.
학문분야간 인공지능 기술의 융합현상을 파악하기 위해 WoS 데이터베이스를 이용했다. 검색식을 “artificial OR machine learning”으로 작성하여 1986년부터 2015년까지 WoS를 검색하여, 32,608건이라는 결과를 얻었다.
데이터처리
데이터 분석결과를 시각적으로 표현하기 위해 네트워크 분석툴인 Gephi와 Pajek, VOSviewer를 사용했다.
이론/모형
인공지능의 기술융합 현상을 파악하기 위해 미국특허분류(USPC) 706 클래스를 이용했다. 미국특허분류는 기술정보를 450개 이상의 클래스, 150,000개 이상의 하위클래스로 구분된다.
성능/효과
검색식을 “artificial OR machine learning”으로 작성하여 1986년부터 2015년까지 WoS를 검색하여, 32,608건이라는 결과를 얻었다.
미국특허에 부여된 USPC를 기준으로 인공지능 기술분야와 동시 출현하는 분야를 분석한 결과, [그림1]과 [표 1]에서 보듯이 인공지능 기술은 데이터 처리, 이미지분석, 금융가격결정, 구조설계와 같은 분야에서 기술융합이 강하게 나타났으며, 자동차 내비게이션, 교육, 수술, 정보보안 등의 영역과도 기술융합이 나타났다. 이것은 인공지능 기술이 IT 분야를 비롯해 의료, 농업, 에너지, 자동차, 로봇, 그리고 기타 서비스 분야 등 전 산업에 걸쳐서 응용될 수 있음을 보여주는 것이다.
연구집중도가 높은 국가는 미국, 영국, 캐나다 순으로, 논문수에 비해 상대적 영향력이 큰 국가는 네덜란드, 이탈리아, 영국 순인 것으로 나타났다.
질의응답
핵심어
질문
논문에서 추출한 답변
인공지능은 어떤 산업에 영향을 미치는가?
과거 인공지능은 초기 관심에서부터 기술의 한계성으로 인해 침체기와 발전기를 거듭했으나, 최근에는 딥러닝(Deep learning)의 등장과 ICT 기술의 비약적 발전으로 인해 인공지능에 대한 기대치가 점점 증가하고 있으며[2], 다양한 분야로의 융합이 빠른 속도로 증가하고 있다. 컴퓨팅, 데이터, 알고리즘의 한계가 차례로 극복되면서 인공지능은 그 영향력이 제조, 금융, 의료, 자동차 등 거의 모든 산업에 미칠 수 있다는 점에서 엄청난 잠재력을 가지고 있다[3].
인공지능을 이용한 기술융합은 무엇을 보여주는가?
미국특허에 부여된 USPC를 기준으로 인공지능 기술분야와 동시 출현하는 분야를 분석한 결과, [그림1]과 [표 1]에서 보듯이 인공지능 기술은 데이터 처리, 이미지분석, 금융가격결정, 구조설계와 같은 분야에서 기술융합이 강하게 나타났으며, 자동차 내비게이션, 교육, 수술, 정보보안 등의 영역과도 기술융합이 나타났다. 이것은 인공지능 기술이 IT 분야를 비롯해 의료, 농업, 에너지, 자동차, 로봇, 그리고 기타 서비스 분야 등 전 산업에 걸쳐서 응용될 수 있음을 보여주는 것이다.
우리나라의 인공지능 기술은 미국대비 어떤 수준인가?
우리나라의 인공지능 기술은 미국대비 기술격차 2년, 기술수준 73.1%(KEIT, 2013)∙75% (IITP, 2015)로 낮은 수준이며, 전문가 언어∙시각 지능은 연구개발(R&D)은 초기단계 수준이고 예산규모도 주요국과 비교하여 높지 않은 것으로 알려져 있다[4].
참고문헌 (9)
Y. Kim, "Future forecasting for education and job in the era of AI," Korea Research Institute for Vocational Education & Training, vol. 100, issue Brief, 2016, pp. 9-14.
Y. Cho, "Artificial intelligence technology trend and development direction," Institue for Information & communications Technology Promotion, Weekly Tech Trend, vol. 1733, no. 4, 2016, pp. 13-26.
S. Lee, "A.I. Platform competition is beginning," LG Business Insight, May 2016.
Y. Koo, Y. Kwon, and D. Jeong. 2013. "LED Knowledge Map through Competition Analysis based on Intellectual Property," J. of the Korea Institute of Electronic Communication Sciences, vol. 8, no. 1, 2014, pp. 7-12.
B. Kim, "Trend Analysis and National Policy for Artificial Intelligence," Informatization policy, vol. 23, no. 1, 2016, pp. 74-93.
M. Picard-Aitken, D. Campbell, and G. Cote, "The use of multiple bibliometric indicators in science policy to support the development of collaboration strategies," 11th Int. Conf. on Science and Technology Indicators, Leiden, Netherland, Sept. 2010.
H. Lee, P. Ryu, S. Lim, M. Jang, and H. Kim, "Technology Trends of AI for Big Data Knowledge Processing," Electronics and Telecommunications Trends, vol. 29, no. 4, 2016, pp. 30-38.
Y. Koo, D. Jeong, and Y. Kwon. "The Methodology for constitute Knowledge Map of Green IT," J. of the Korea Institute of Electronic Communication Sciences, vol. 8, no. 1, 2013, pp. 1-6.
Y. Koo, D. Jeong, and Y. Kwon. 2013. "Analysis of Technology of Green IT fields using patent information," J. of the Korea Institute of Electronic Communication Sciences, vol. 8, no. 2, 2013, pp. 249-253.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.