최근 전 세계적으로 4차 산업혁명이 국가 경쟁력 향상을 위한 핵심으로 부상하면서, 4차 산업혁명의 주요 특징인 초연결과 초지능을 구현하기 위한 관련 기술을 효율적으로 발전시키기 위한 기술 로드맵 개발이 주요 과제로 부각되고 있다. 본 연구에서는 4차 산업혁명 시대의 핵심기술인 '인공지능(Artificial Intelligence)' 분야의 국내외 기술수준에 대한 객관적 비교분석을 통해 선진국 대비 부족하거나 향후 발전 가능성이 높은 세부기술을 도출하고, 이를 토대로 발전 방향성을 제시하였다. 국내외 특허데이터 중 '인공지능' 키워드 검색 결과 도출된 데이터를 대상으로 키워드 네트워크 분석 및 IPC 분류 기준 공백기술 분석을 수행하였다. 분석 결과, 국내 인공지능 관련 기술 개발 건수는 미국, 유럽 등 선진국 대비 1.2% 수준이었으며, 주요 개발 분야의 경우 데이터 인식기술, 디지털 정보 전송기술 등에서 상대적으로 부족한 것으로 나타났다. 본 연구는 선진국 대비 국내 인공지능 관련 기술의 비교분석 수행을 통해 공백기술을 도출하였으며, 향후 이를 활용한 국내 인공지능 기술의 발전 방향성을 제시하였다.
최근 전 세계적으로 4차 산업혁명이 국가 경쟁력 향상을 위한 핵심으로 부상하면서, 4차 산업혁명의 주요 특징인 초연결과 초지능을 구현하기 위한 관련 기술을 효율적으로 발전시키기 위한 기술 로드맵 개발이 주요 과제로 부각되고 있다. 본 연구에서는 4차 산업혁명 시대의 핵심기술인 '인공지능(Artificial Intelligence)' 분야의 국내외 기술수준에 대한 객관적 비교분석을 통해 선진국 대비 부족하거나 향후 발전 가능성이 높은 세부기술을 도출하고, 이를 토대로 발전 방향성을 제시하였다. 국내외 특허데이터 중 '인공지능' 키워드 검색 결과 도출된 데이터를 대상으로 키워드 네트워크 분석 및 IPC 분류 기준 공백기술 분석을 수행하였다. 분석 결과, 국내 인공지능 관련 기술 개발 건수는 미국, 유럽 등 선진국 대비 1.2% 수준이었으며, 주요 개발 분야의 경우 데이터 인식기술, 디지털 정보 전송기술 등에서 상대적으로 부족한 것으로 나타났다. 본 연구는 선진국 대비 국내 인공지능 관련 기술의 비교분석 수행을 통해 공백기술을 도출하였으며, 향후 이를 활용한 국내 인공지능 기술의 발전 방향성을 제시하였다.
Recently, the 4th industrial revolution has emerged as the core for enhancing national competitiveness, the development of a technology roadmap to efficiently develop related technologies to realize super intelligence as a main feature of the 4th Industrial Revolution is a major task has been highli...
Recently, the 4th industrial revolution has emerged as the core for enhancing national competitiveness, the development of a technology roadmap to efficiently develop related technologies to realize super intelligence as a main feature of the 4th Industrial Revolution is a major task has been highlighted. The objective of this study is to analyze the domestic and foreign technology level in the artificial intelligence field which is the core technology of the 4th Industrial Revolution era and to present the direction of development based on this. The keyword network analysis and the blank technical analysis based on the IPC classification were performed on the data derived from the keyword search of 'AI (Artificial Intelligence)' among domestic and foreign patent data. As a result, the number of domestic artificial intelligence related technology development was 1.2% compared with developed countries such as USA and Europe. In the major development fields, data recognition technology and digital information transmission technology were relatively insufficient. Through this study, we obtained the blank technology as a result of comparative analysis of domestic artificial intelligence related technologies compared to advanced countries and suggested the direction of domestic artificial intelligence technology development in future.
Recently, the 4th industrial revolution has emerged as the core for enhancing national competitiveness, the development of a technology roadmap to efficiently develop related technologies to realize super intelligence as a main feature of the 4th Industrial Revolution is a major task has been highlighted. The objective of this study is to analyze the domestic and foreign technology level in the artificial intelligence field which is the core technology of the 4th Industrial Revolution era and to present the direction of development based on this. The keyword network analysis and the blank technical analysis based on the IPC classification were performed on the data derived from the keyword search of 'AI (Artificial Intelligence)' among domestic and foreign patent data. As a result, the number of domestic artificial intelligence related technology development was 1.2% compared with developed countries such as USA and Europe. In the major development fields, data recognition technology and digital information transmission technology were relatively insufficient. Through this study, we obtained the blank technology as a result of comparative analysis of domestic artificial intelligence related technologies compared to advanced countries and suggested the direction of domestic artificial intelligence technology development in future.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 문헌연구에서는 특허데이터를 기반으로 한 연구들과 본 논문에서 적용한 네트워크 분석 등에 대한 전반적인 연구 동향을 살펴보고, 본 논문에서 다루는 데이터를 분석하기 위한 내용을 방법론에서 다룬다. 분석결과에서는 국내외 인공지능 관련 주요 기술 개발 동향을 분석하고, 결론에서 국내 인공지능 분야의 주요 발전 방향성을 제시하고자 한다.
이처럼 과거에 비해 국내 인공지능 기술 관련 특허등록 건수는 많아졌으나, 선진국과의 격차는 더 커지는 것을 알 수 있다. 본 논문에서는 상대적 열위기술로서 공백기술을 판단하였으며, 그 기준을 200배율 이상일 때 공백기술이라고 정했다.
본 논문에서는 키워드 네트워크 분석을 통해 핵심 키워드 및 이와 연관된 키워드 도출을 통해 인공지능 분야의 기술동향을 분석하였다.
본 연구에서는 국내외의 인공지능 기술 관련 특허를 대상으로 네트워크 분석을 통하여 인공지능 관련 기술 동향을 파악하였다. KIPRIS 키워드 검색을 통해 추출한 특허데이터의 요약부분을 R 프로그램의 tm 패키지를 이용하여 텍스트 마이닝 작업 후 네트워크 구축에 이용하였다.
따라서, 문헌연구에서는 특허데이터를 기반으로 한 연구들과 본 논문에서 적용한 네트워크 분석 등에 대한 전반적인 연구 동향을 살펴보고, 본 논문에서 다루는 데이터를 분석하기 위한 내용을 방법론에서 다룬다. 분석결과에서는 국내외 인공지능 관련 주요 기술 개발 동향을 분석하고, 결론에서 국내 인공지능 분야의 주요 발전 방향성을 제시하고자 한다.
중국의 경우 세계적인 IT기업으로 발돋움하고 있는 바이 두, 알리바바, 텐센트 등을 대상으로 인공지능 기술 관련 비즈니스 활성화를 위한 기반을 마련하는 동시에 이로 인해 발생 가능한 법적, 윤리적 문제에 대한 해결책도 마련하기 위한 ‘차세대 인공지능 개발 계획’을 발표하였다. 이를 통해 인공지능 분야 투자펀드 조성을 장려하고, 관련 스타트업에 대한 세금감면, 금융지원과 함께 해외 연구 센터를 개설하는 등 2030년까지 인공지능 연관 산업으로 1조 5,800달러 규모의 시장을 만들어 미국을 넘어서는 글로벌 인공지능 리더가 되겠다는 목표를 수집하였다.
제안 방법
본 연구에서는 국내외의 인공지능 기술 관련 특허를 대상으로 네트워크 분석을 통하여 인공지능 관련 기술 동향을 파악하였다. KIPRIS 키워드 검색을 통해 추출한 특허데이터의 요약부분을 R 프로그램의 tm 패키지를 이용하여 텍스트 마이닝 작업 후 네트워크 구축에 이용하였다.
네트워크 분석의 경우 노드 간의 연결정도, 방향성 등의 연관관계 파악이 중요하기 때문에[17] 이를 위해 노드가 중심에 어느 정도 근접한지를 표현할 수 있는 네트워크 이론의 중심성 분석을 실시했다. 본 논문에서는 네트워크 분석을 위해 마이크로소프트사의 엑셀프로그램의 애드온 프로그램인 NodeXL을 사용하였으며, 표준화 과정을 위하여 on, at 등의 전치사 등 특정 단어들에 대한 불용어 처리를 선행하였다.
네트워크 분석의 경우 노드 간의 연결정도, 방향성 등의 연관관계 파악이 중요하기 때문에[17] 이를 위해 노드가 중심에 어느 정도 근접한지를 표현할 수 있는 네트워크 이론의 중심성 분석을 실시했다. 본 논문에서는 네트워크 분석을 위해 마이크로소프트사의 엑셀프로그램의 애드온 프로그램인 NodeXL을 사용하였으며, 표준화 과정을 위하여 on, at 등의 전치사 등 특정 단어들에 대한 불용어 처리를 선행하였다. 주요 키워드 도출을 위해서는 빅데이터 분석 프로그램인 R의 tm 패키지를 이용하였다.
일반적으로 정확한 기술격차를 파악하기 위해서는 해당 특허들이 각 세부기술의 수준을 객관적으로 판단하고 이를 토대로 비교 분석을 수행해야 하지만, 본 논문에서는 빈도분석을 통한 1차원적인 방법으로 ‘상대적 열위기술’로서 공백기술을 도출하였다.
본 논문에서는 네트워크 분석을 위해 마이크로소프트사의 엑셀프로그램의 애드온 프로그램인 NodeXL을 사용하였으며, 표준화 과정을 위하여 on, at 등의 전치사 등 특정 단어들에 대한 불용어 처리를 선행하였다. 주요 키워드 도출을 위해서는 빅데이터 분석 프로그램인 R의 tm 패키지를 이용하였다.
추가적으로 국내외 특허데이터의 IPC 분류기준 빈도 분석을 통해 우리나라와 미국, 유럽, 일본, 중국 등과의 세부기술별 개발 수준 파악을 위한 공백기술 분석을 수행하였다.
추출한 데이터는 IPC 분류기준 세부기술 동향분석을 위해 중복제거 등의 전처리를 수행하였으며, 키워드 네트워크 분석을 위해 각 특허 요약문을 대상으로 텍스트 마이닝을 통해 중점 키워드를 도출하였다.
대상 데이터
본 논문에서 분석한 데이터는 KIPRIS 시스템에서 추출한 2000～2017년 국내외의 특허데이터로 직접적인 세부기술 간의 비교분석 수행을 위해 전 세계적으로 동일한 특허 분류 기준인 IPC 분류기준을 활용하였다.
본 연구에서는 2000～2017년간 국내외 특허데이터를 통해 인공지능 관련 기술동향 분석을 위하여 특허검색시 스템인 KIPRIS에 ‘Artificial*Intelligence’ 키워드를 입력하여 검색된 국내 데이터 954건과 미국, 유럽, 일본, 중국 등 국외 데이터 78,532건의 특허데이터를 추출하였다.
성능/효과
1976～2014년에 등록된 국가별 인공지능 분야의 특허에서 한국보다 높은 등록 건수를 보인 미국 9,171건, 일본 1,965건, 독일 446건으로 각각 약 47배, 10배, 2배씩 높은 특허 등록비율을 보였다.
IPC 분류 결과 G06F(전기에 의한 디지털 데이터처리)가 가장 높게 나왔으며 Fig. 4에서와 같이 전체 데이터의 약 23%를 차지하였다. 또한 연도별 특허 건수의 추세 Fig.
검색 결과, 국내 데이터는 총 954건이었고, 국외의 경우 78,532건으로 약 82배의 차이를 보였다. 특히 국내외에서 모두 가장 높은 비율을 보이는 G06F(전기에 의한 디지털 데이터처리) 기술은 각각 23.
검색 결과, 국내 데이터는 총 954건이었고, 국외의 경우 78,532건으로 약 82배의 차이를 보였다. 특히 국내외에서 모두 가장 높은 비율을 보이는 G06F(전기에 의한 디지털 데이터처리) 기술은 각각 23.27%, 27%의 비율을 보였으나, 실제 데이터의 개수는 각각 298건과 29,208건으로 약 98배의 차이를 보였다. 이처럼 과거에 비해 국내 인공지능 기술 관련 특허등록 건수는 많아졌으나, 선진국과의 격차는 더 커지는 것을 알 수 있다.
후속연구
본 논문에서는 각 나라 대비 국내의 상대적 열위기술로서, 특허등록 건수의 배율로 보았기 때문에 더 정확한 결과를 얻기 위한 신뢰도 분석이 필요하다. 또한 공백기술을 정의하기 위한 기준에 대한 연구가 향후 계속 이루어질 예정이다. 이를 통해 국내 인공지능 분야의 발전 방향성에 대해 보다 신뢰성이 향상된 분석이 가능할 것으로 판단된다.
본 논문에서는 각 나라 대비 국내의 상대적 열위기술로서, 특허등록 건수의 배율로 보았기 때문에 더 정확한 결과를 얻기 위한 신뢰도 분석이 필요하다. 또한 공백기술을 정의하기 위한 기준에 대한 연구가 향후 계속 이루어질 예정이다.
또한 공백기술을 정의하기 위한 기준에 대한 연구가 향후 계속 이루어질 예정이다. 이를 통해 국내 인공지능 분야의 발전 방향성에 대해 보다 신뢰성이 향상된 분석이 가능할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
특허데이터의 특성은?
특허데이터는 출원 및 등록 날짜, 등록자, 특허제목, 기술요약, 인용정보, 상세기술, 도면, 절차도 등 다양한 정보를 포함하고 있으며, 특히 전 세계적으로 건수가 많아 그 활용가치가 매우 높다고 할 수 있다[6]. 또한 특허 데이터는 분석 방법에 따라 기술동향이나 관련 산업·시장 동향 등의 전반적인 흐름을 볼 수 있기 때문에 기업은 물론, 정부기관 등에서 중요한 데이터로 활용되고 있으며[7] 실제로 이를 효율적으로 활용하기 위한 다양한 연구가 다음과 같이 진행되었다.
인공지능 관련 기술 및 연구에 관한 우리나라의 현황은 어떠한가?
우리나라의 경우 2016년 3월, 인공지능 사업에 대한 국가정책을 제시하고 관련 산업을 육성하기 위한 정부기관 내 인공지능 총괄 팀을 신설하여 주요 민간 기업들과의 협력을 통한 인공지능 개발 컨트롤타워 설립 등 다양한 노력을 기울이고 있지만, 투자규모가 선진국의 1/10에 그치는 등 한계에 직면해 있다[5].
4차 산업혁명의 주요 과제로 부각되고 있는 것은 무엇인가?
최근 전 세계적으로 4차 산업혁명이 국가 경쟁력 향상을 위한 핵심으로 부상하면서, 4차 산업혁명의 주요 특징인 초연결과 초지능을 구현하기 위한 관련 기술을 효율적으로 발전시키기 위한 기술 로드맵 개발이 주요 과제로 부각되고 있다. 본 연구에서는 4차 산업혁명 시대의 핵심기술인 '인공지능(Artificial Intelligence)' 분야의 국내외 기술수준에 대한 객관적 비교분석을 통해 선진국 대비 부족하거나 향후 발전 가능성이 높은 세부기술을 도출하고, 이를 토대로 발전 방향성을 제시하였다.
참고문헌 (23)
M. B. Yoon, J. H. Lee & J. E. Baek. (2016). Topophilia Convergence Science Education for Enhancing Learning Capabilities in the Age of Artificial Intelligence Based on the Case of Challenge Match Lee Sedol and AlphaGo. Journal of the Korea Convergence Society, 7(4), 123-131.
D. W. Kim & B. J. Kim. (2016). How AlphaGo does Change People's Perception of Introduction of Artificial Intelligence into Intellectual Work. Journal of Cybercommunication Academic Society, 33(4), 107-158.
Bentar Priyopradono, Danny Manongga & Wiranto Herry Utomo. (2013). Spatial Social Network Analysis: Program Pengembangan Usaha Agribisnis Perdesaan(PUAP) or an Exertion Development Program in Supporting the Region Revitalization Development. Social Networking, 2(2), 63-76.
S. G. Han. (2016). Main contents of American Artificial Intelligence Report, Seoul : KISA.
Y. D. Yun, Y. W. Yang & H. S. Lim. (2016), A SNS Data-driven Comparative Analysis on Changes of Attitudes toward Artificial Intelligence, Journal of Digital Convergence, 14(12), 173-182.
S. H. Jun. (2013). A Big Data Learning for Patent Analysis, Journal of Korean Institute of Intelligent Systems, 23(5), 406-182.
P. R. Kim & S. H. Hwang. (2009). A study on the Projection of the IT-based Promising Technologies Utilizing Patent Database. Korea Institute Of Communication Sciences, 34(10), 1021-1030.
H. M. Baek & M. S. Kim. (2013). Technological Convergence Trend through Patent Network Analysis: Focusing on Patent Data in Korea, U.S., Europe, and Japan. Asia-Pacific Journal of Business Venturing and Entrepreneurship, 8(2), 11-19.
S. H. Jun. (2011). Technology Forecasting of Intelligent Systems using Patent Analysis. Journal of Korean Institute of Intelligent Systems, 21(1), 100-105.
J. W. Gu, J. H. Lee, M. S. Chung & J. Y. Lee (2017), Electric Vehicle Technology Trends Forecast Research Using the Paper and Patent Data. Journal of Digital Convergence, 15(2), 165-172.
S. S. Lee. (2013). Network analysis methods, Seoul : Nonhyeong.
J. H. Choi, H. S. Kim & N. G. Im. (2011). Keyword Network Analysis for Technology Forecasting. Korea Intelligent Information Systems Society, 17(4), 227-240.
B. C. Choi, H. M. Baek & M. S. Kim. (2015). Patent Citation Network Analysis as a Measure of Technical Knowledge Diffusion in Korea: Focusing on ICT. Korean Society of Business Venturing, 10(1), 143-151.
J. H. Park & M. Song. (2013). A Study on the Research Trends in Library & Information Science in Korea using Topic Modeling. Journal of Korea Society for Information Management, 30(1), 7-36.
B. K. Lee. (2017). Patent Competitiveness and Technology-Industry Linkage Analysis of Artificial Intelligence Technology: Comparative Analysis of Major Advanced Countries. Seoul : KERI
G. H. Jung. (2010). Future Prediction Method Using Text Mining and Network Analysis. Seoul : KISTEP.
J. G. Heo & C. H. Yang. (2013). Applying Network Analysis in Convergent Research Relationships: The case of High-Tech Convergence Technology Development Program. Journal of Korea Technology Innovation Society, 16(4), 883-912.
J. M. Choe. (2016). Investigating Journal Citation Network with Centrality Measures in the Public Administration and Policy Field, Journal of Digital Convergence, 14(9), 301-308.
K. H. Choi, H. H. Oh & H. J. Kwang. (2014). Network analysis using frequency of cross-citation and comparing citation index of accounting journals, Journal of Digital Convergence, 12(2), 143-149.
S. H. Ju. (2016). Analysis on structure of National Innovation System in IT, Journal of Digital Convergence, 14(4), 129-138.
Marc Smith. (2009). Analyzing Social Media Networks: Learning by Doing with NodeXL. Network Analysis with NodeX.
M. S. Chung, S. H. Park, B. H. Chae & J. Y. Lee. (2017). Analysis of major research trends in artificial intelligence through analysis of thesis data. Journal of Digital Convergence, 15(5), 225-233.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.