[논문]인공지능의 기술 혁신 및 확산 패턴 분석: USPTO 특허 데이터를 중심으로

백서인; 이현진; 김희태

doi:10.5392/jkca.2020.20.04.086

[국내논문] 인공지능의 기술 혁신 및 확산 패턴 분석: USPTO 특허 데이터를 중심으로
Analysis of Artificial Intelligence's Technology Innovation and Diffusion Pattern: Focusing on USPTO Patent Data 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.4, 2020년, pp.86 - 98

백서인 (과학기술정책연구원 다자협력연구단) , 이현진 (한국과학기술원 산업 및 시스템공학과) , 김희태 (한국기계연구원 연구전략실)

초록
AI-Helper

인공지능(Artificial Intelligence, AI) 분야는 거의 모든 산업과 결합하여 미래 초연결 및 초지능 시대를 이끌어갈 기술로 주목받고 있다. 우리나라는 미국, 일본, 독일과 함께 인공지능 강국에 손꼽히지만, 인공지능 G2인 미국, 중국에 비해서는 특허 경쟁력이 낮은 것이 사실이다. 본 연구에서는 인공지능 산업의 기술 추이를 유추하고 인공지능 기술의 분야 별 수명주기와 발전 속도를 가늠해보고자 IPC 기술분류코드를 USPTO의 2008년부터 2018년까지 등록된 인공지능 관련특허를 수집하여 1차원 통계분석, 2차원 통계분석, 네트워크 분석을 통해 기술 혁신과 확산 패턴을 분석하였다. 연구결과 현재 인공지능 관련 기술은 디지털 컴퓨팅, 데이터 처리, 음성인식 등 분야에 집중된 것으로 나타났으며, 응용분야의 특허가 증가하고, 전기 통신, 의료, 운수/물류 등에 활발한 융·복합이 일어나고 있는 것을 알 수 있었다. 본 연구를 통하여 분석된 인공지능 산업의 발전추이와 기술동향은 인공지능 기술과 관련한 기업의 전략과 국가의 정책 입안에 활용될 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper

The artificial intelligence (AI) is a technology that will lead the future connective and intelligent era by combining with almost all industries in manufacturing and service industry. Although Korea is one of the world's leading artificial intelligence group with the United States, Japan, and Germany, but its competitiveness in terms of artificial intelligence patent is relatively low compared to others. Therefore, it is necessary to carry out quantitative analysis of artificial intelligence patents in various aspects in order to examine national competitiveness, major industries and future development directions in artificial intelligence technology. In this study, we use the IPC technology classification code to estimate the overall life cycle and the speed of development of the artificial intelligence technology. We collected patents related to artificial intelligence from 2008 to 2018, and analyze patent trends through one-dimensional statistical analysis, two-dimensional statistical analysis and network analysis. We expect that the technological trends of the artificial intelligence industry discovered from this study will be exploited to the strategies of the artificial intelligence technology and the policy making of the government.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

보다 전략적인 분석을 위해 특허 등록 수와 성숙도 측정을 통해 어떤 영역에서 어떤 형태의 기술 혁신이 집중되는지 살펴보고, 융·복합 패턴 분석을 통해 인공지능 기술이 어떤 영역으로 확산되는지 살펴보고자 한다.
본 연구는 인공지능이라는 미래 유망 기술을 기술 혁신과 기술 확산의 관점에서 가장 신뢰도 있는 특허 데이터를 활용하여 그 특성을 분석해 보고자 한다. 보다 전략적인 분석을 위해 특허 등록 수와 성숙도 측정을 통해 어떤 영역에서 어떤 형태의 기술 혁신이 집중되는지 살펴보고, 융·복합 패턴 분석을 통해 인공지능 기술이 어떤 영역으로 확산되는지 살펴보고자 한다.
본 연구에서는 대표적인 기술 혁신의 특성을 분석하기 인공지능 특허의 기술의 성숙도와 중요도를 중점적으로 살펴보았다[3][27]. 기술군의 인용과 피인용 정도는 해당 기술의 성숙도를 측정하는 가장 효과적인 수단이며 이 변수들은 기술 혁신의 특성이 제품 혁신의 단계인지, 공정혁신의 단계인지 측정할 수 있는 근거를 제공한다.
특허를 활용한 지식 네트워크는 지식 경영 및 혁신 연구 분야에서 폭 넓게 활용되는 방법으로, 특정 지식이 형성되는 데에 있어 지식 간 상호작용을 분석할 수 있다는 강점이 있다[28]. 본 연구에서는 개별 IPC 클래스를 하나의 노드로 규정한 후, 특정 특허의 공동특허 분류를 서로 다른 IPC 클래스를 연결해 주는 타이로 정의하였다[16]. 공통특허분류는, 특정 특허가 복수의 IPC의 지식 요소를 모두 포함하고 있음을 뜻하므로 만약 특정 특허의 공동특허분류가 복수의 IPC 클래스로 이루어져있다면 해당 특허의 IPC 클래스가 다른 기술 영역을 연결하는 위치에 있다고 볼 수 있다[29].
본 연구에서는 인공지능 관련 특허 IPC 클래스를 활용한 특허 네트워크 분석을 수행하였다. 우선 앞서 제시된 인공지능 검색식을 통해 특허 데이터를 추출한 후, 연도별로 해당 특허의 공동특허분류를 활용한 네트워크를 도출하였다.
본 연구에서는 2008년부터 2018년까지 등록된 인공 지능 관련 특허 데이터를 분석함으로써 인공지능 기술의 혁신과 확산 패턴을 중점적으로 살펴보았다.

제안 방법

이러한 목적을 달성하기 위해 본 연구는 2008 년부터 2018년까지 미국특허청(USPTO)에 등록된 인공지능 특허를 선별한 후 분석을 진행하였다. 시계열적 관점에서 1차원 통계 분석, 2차원 통계 분석, 네트워크 분석을 진행하여 인공지능 분야의 기술 혁신과 확산의 특성에 대해 분석하였다. 본 연구에서 진행한 인공지능 관련 특허와 상호인용정보에 대한 정량적 분석과 네트워크 분석이 인공지능 산업의 전반적인 발전 형태를 보다 구체적으로 관찰 할 수 있게 하고 나아가 핵심 기술 분야와 발전 방향에 대한 시사점을 제공할 수 있을 것으로 기대한다.
또한 인공지능 분야의 산·학·연 전문가 10인의 자문과 검토를 거쳐 최종적으로 아래와 같은 특허 검색식을 도출했다.
인공지능 기술은 추상적이고 관련 기술이 광범위하기 때문에 분석결과가 분류체계에 의존적인 경향이 있는 것이 사실이다. 또한 새로운 분류체계에 맞춰 과거의 특허가 아직 정리되지 않았고, 국제표준화가 진행중이기 때문에 본 연구에서는 최신 연구[3]에서 인공지능 분야 주요 IPC 기술 분류 코드로 선정한 코드를 참고하였다. 또한 인공지능 분야의 산·학·연 전문가 10인의 자문과 검토를 거쳐 최종적으로 아래와 같은 특허 검색식을 도출했다.
반대로, 해당 기술이 다양한 특허로부터 인용된다면(피인용) 그 특허가 상당히 중요하기 때문에 다른 특허가 해당 특허를 인용한다고 판단할 수 있다. 이에 근거하여 본 연구에서는 인용 수(Backward Citation)를 기준으로 특허의 성숙도(Maturity)를, 피인용 수(Forward Citation)를 기준으로 중요도와 파급력(Impact)을 분석하였다[3][27].
이 때 두 개의 기준을 동시에 고려하여 인용 특허가 많고 피인용 특허가 적은 경우 성숙기의 개량 기술(폭 넓게 성숙된 분야에서 일부를 개량한 기술)로 간주하였고, 반대로 피인용 특허가 많고 인용 특허가 적은 경우 원천 기술(기존에 인용할 수 있는 특허가 별로 없기에 이 특허를 반드시 인용해야 하는 경우)로 보았다. 인용· 피인용 지수가 모두 높으면 경쟁기에 있는 기술이거나 성숙기의 빠르게 성장하고 있는 기술로 보았고, 인용/ 피인용 지수가 모두 낮은 경우엔 초기성숙도의 기술이거나 변방 기술로 판단하였다[3][27].
인용· 피인용 지수가 모두 높으면 경쟁기에 있는 기술이거나 성숙기의 빠르게 성장하고 있는 기술로 보았고, 인용/ 피인용 지수가 모두 낮은 경우엔 초기성숙도의 기술이거나 변방 기술로 판단하였다[3][27]. 본 연구에서는 전체 모집단의 인용수와 피인용수를 각각 전체 평균으로 나눠 표준화 하였으며, 표준화 값이 1보다 큰 경우엔 high로 낮은 경우엔 low로 분류하였다. 이 기준에 따르면, 해당 특허 27,700건 중 경쟁기의 성숙단계에 있는 특허가 6.
본 연구에서는 인공지능 관련 특허 IPC 클래스를 활용한 특허 네트워크 분석을 수행하였다. 우선 앞서 제시된 인공지능 검색식을 통해 특허 데이터를 추출한 후, 연도별로 해당 특허의 공동특허분류를 활용한 네트워크를 도출하였다. 일차적으로 UCINET 네트워크 분석 프로그램을 활용하여 행렬 1-모드 네트워크 행렬 매트릭스를 구성한 후 Gephi 프로그램을 활용해 네트워크를 시각화 하였다.
우선 앞서 제시된 인공지능 검색식을 통해 특허 데이터를 추출한 후, 연도별로 해당 특허의 공동특허분류를 활용한 네트워크를 도출하였다. 일차적으로 UCINET 네트워크 분석 프로그램을 활용하여 행렬 1-모드 네트워크 행렬 매트릭스를 구성한 후 Gephi 프로그램을 활용해 네트워크를 시각화 하였다.
이를 통해 연도별 특허 네트워크를 도출하였으며, 각네트워크에서 주요 기술 요소의 네트워크 특성 지표를 함께 살펴보면서 기술의 확산의 특성을 분석했다. 먼저, 에고 네트워크를 분석하여 네트워크 내부의 특정 노드별 특성을 살펴보았으며, 개별 노드의 연결 중심성 (Closeness Centrality) 및 매개 중심성(Betweenness Centrality)을 연도별로 관찰해 봄으로써 각 기술요소의 성숙도와 중요도의 추이를 관찰했다.
이를 통해 연도별 특허 네트워크를 도출하였으며, 각네트워크에서 주요 기술 요소의 네트워크 특성 지표를 함께 살펴보면서 기술의 확산의 특성을 분석했다. 먼저, 에고 네트워크를 분석하여 네트워크 내부의 특정 노드별 특성을 살펴보았으며, 개별 노드의 연결 중심성 (Closeness Centrality) 및 매개 중심성(Betweenness Centrality)을 연도별로 관찰해 봄으로써 각 기술요소의 성숙도와 중요도의 추이를 관찰했다.
본 분석에서는 데이터베이스의 왜곡을 최소화하기 위해 2015년 이후에는 노드의 임계치(Threshold)를 조정하여 이전 연도의 그래프와의 복잡성의 정도를 표준화하였다. 각 노드는 특정 IPC 클래스를 의미하며, 타이 특정 특허가 공동특허분류로 두 IPC 클래스를 동시에 분류하였을 경우에 해당한다.

대상 데이터

향후 한국이 IT 강국을 넘어 인공지능 강국으로 거듭 나기 위한 효과적인 정책 수립을 위해서는, 인공지능의 핵심 영역과 응용 분야에 대한 근거 기반의 분석이 필요하다. 이러한 목적을 달성하기 위해 본 연구는 2008 년부터 2018년까지 미국특허청(USPTO)에 등록된 인공지능 특허를 선별한 후 분석을 진행하였다. 시계열적 관점에서 1차원 통계 분석, 2차원 통계 분석, 네트워크 분석을 진행하여 인공지능 분야의 기술 혁신과 확산의 특성에 대해 분석하였다.
특허 데이터는 특허 사무소 별 유의미한 차이가 존재할 수 있으므로, 가장 대표적인 특허 사무소인 미 특허청(USPTO)에 등록된 특허를 기준으로 수집하였다. 실제 미 특허청 등록 특허는 국제 특허로서의 타당성을 인정받으며 지식재산 및 특허에 관련한 연구에서 그 대표성을 인정받고 있다.
실제 미 특허청 등록 특허는 국제 특허로서의 타당성을 인정받으며 지식재산 및 특허에 관련한 연구에서 그 대표성을 인정받고 있다. 해당 분류코드들을 사용하여 2018년 5월까지의 특허 데이터(총 27,700건)를 수집하였다. 본 연구에서 포함하고 있는 IPC 기술 분류별 출원 현황은 아래 [표 1]과 같다.
인공지능 기술의 확산 특성을 분석하기 위해 2008 년, 2012년, 2015년, 2018년까지 USPTO에 등록된 특허데이터를 사용하여 특허 네트워크를 도출하여 살펴보았다.
본 연구에서는 특허사무소가 표준화된 특허를 제공하지 못한다는 점과, 특허데이터의 출원인 데이터가 명확하게 제시되어 있지 않다는 점 등의 한계로 인해 표준화된 미 특허청(USPTO)의 등록 특허만을 가지고 분석을 진행하였다. 향후에 해당 문제점을 보완하여 출원 인(법인 포함)별 특허 역량과 전략의 비교 및 국가별 네트워크 비교분석, 또는 주요국 또는 주요 출원인 중심의 기업생태계와 제품 또는 서비스 동향을 분석할 수 있다면 인공지능기술과 융합된 새로운 응용 영역을 예측할 수 있을 것으로 예상한다[36].

데이터처리

기술의 성숙도를 통해 살펴 본 인공지능 기술의 발전은 미성숙한 영역(제품 혁신)과 응용/개량(점진적 혁신)의 영역에 집중되고 있음을 알 수 있다. 이후 특허 등록 수가 어떻게 변화하며 어느 영역에 집중되는지 분석하기 위하여 2 차원 교차통계 분석을 진행하였다. 가장 먼저, 연도별로 어느 분야의 특허가 많이 등록되고 있는지를 IPC코드를 일곱 자리까지 분류하여 분석한 결과는 아래 [표 4]와 같다.

성능/효과

주요 출원인으로는 IBM, 캐논, MS, 구글, 후지쯔, 소니, 퀄컴, 제록스, SAP, 아마존, 오라클, 애플, GE, 인텔 등과 같은 글로벌 IT 기업이 인공지능의 연구개발에 적극적인 것으로 나타났다.
기술 분류별 출원 현황을 살펴본 결과, 디지털 컴퓨팅 또는 데이터 프로세싱 장비, 방법으로서 특정 기능을 위해 특히 적합한 형태의 것(G06F-017), 특수한 어플리케이션에 특히 적합한 디지털 컴퓨팅 또는 데이터 처리 장치 또는 방법(G06F-019), 음성 인식(G06F-015), 경영 관리와 관련된 데이터 처리 시스템 또는 방법(G06Q-010) 분야(상위 네 개 분야)에서 대부분(87.7%)의 출원 활동이 일어난 것으로 나타났다.
주요 출원인으로는 IBM, 캐논, MS, 구글, 후지쯔, 소니, 퀄컴, 제록스, SAP, 아마존, 오라클, 애플, GE, 인텔 등과 같은 글로벌 IT 기업이 인공지능의 연구개발에 적극적인 것으로 나타났다. 본 연구의 특허 비중으로 볼 때는 IBM이 압도적으로 높은 비중의 특허를 보유하고 있는 것으로 나타났으며, 그 뒤를 캐논과 마이크로 소프트, 구글 등이 추격하고 있는 것으로 나타났다. 한국 기업으로는 삼성전자가 상위 10위권에 랭크되어 있으며, LG전자가 30위권에 진입한 것으로 나타났다.
가장 많은 특허는 디지털 컴퓨팅 또는 데이터 프로세싱 장비, 방법으로서 특정 기능을 위해 특히 적합한 형태의 것(G06F-017)에 관한 특허이고, 특수한 어플리케이션에 특히 적합한 디지털 컴퓨팅 또는 데이터 처리 장치 또는 방법(G06F-019)에 관한 특허가 그 뒤를 이었다. 두 개의 분류에서 약 61.3%의 특허가 등록되었고, 디지털 컴퓨터 일반(세부사항 1/00에서 13/00); 데이터 처리 장비 일반(G06F-015)과 경영, 관리(G06Q-010)에 대한 특허까지 합하면 87.7%로 거의 대다수의 특허가 네 개의 분류에 집중되고 있었다.
종합하면 인공지능 기술의 혁신은 데이터, 컴퓨팅 등 분야에 집중되어 있으며 새로운 응용 영역을 탐색하는 제품 혁신과 이론적으로 존재하던 개념을 현실화 시키는 점진적 혁신에 집중되고 있음을 알 수 있다.
해당 에고 네트워크 사이즈로 비교해 볼 경우 G06F-019, G06F-017, G06F-015 세 개의 클래스에 관계도가 매우 집중되어 있음을 볼 수 있다. 반면, 해당 클래스들의 밀도(Density)는 각각 8.6, 5.7, 3.6으로 상위 20개 평균(41.1)에 비하여 매우 낮게 나타나 해당 노드에 연결된 에고네트워크 노드 간의 연결성은 매우 낮고, 중앙집권형의 기술 융합이 이루어진 것을 볼 수 있었다.
2015년의 특허 네트워크는 이전 대비 지속적인 성장을 이루고 있는 것을 확인해볼 수 있다. 상위 20개 노드(G06F, G06K, G06Q, G06G, G10L, H04L, G05B, G06N 등) 모두 크게 증가한 모습을 볼 수 있었으며, 노드 간 타이의 숫자도 크게 증가하여 높은 연결성을 지니게 되었다. 시계열 분석 중 2015년의 네트워크 관련 지표가 가장 높은 것을 볼 수 있는데, 해당 시기가각 노드의 기술들이 성숙기의 가장 정점에 있으며 높은 정도의 기술 융합이 진행되고 있는 것을 알 수 있다.
[표 6]의 매개 중심성을 살펴보면, 데이터 처리 및 디지털 프로세싱과 관련된 G06F-019, 017 등이 가장 높은 매개 중심성을 기록하며 인공지능 분야 특허 네트워크에서의 교두보(Bridge) 역할을 하는 것을 알 수 있고, G06Q-010 및 G10L-015 등 경영/관리 및 음성인식 분야의 기술 영역의 중요도가 급격히 증가한 것을 관찰할 수 있었다. 반면, 데이터 처리 장비 및 디지털 컴퓨터 하드웨어와 관련한 기술 영역(G06F-015), 프로그램 제어를 위한 제어장치(G06F-009) 부분은 매개중 심성이 크게 감소한 것을 확인할 수 있었다. 이는 인공 지능 분야의 기술이 성숙기 이후 다양한 융합 기술 및 상업화가 진행되며 매개중심성이 몇몇 기술 영역으로 분산되었기 때문으로 해석할 수 있다.
그 결과 현재 대부분의 인공지능 기술의 혁신은 핵심 영역인 G06F-019(특수한 어플리케이션에 특히 적합한 디지털 컴퓨팅 또는 데이터 처리 장치 또는 방법), G06F-015(음성 인식), G06F-017(디지털 컴퓨팅 또는 데이터 프로세싱 장비, 방법으로서 특정 기능을 위해 특히 적합한 형태의 것) 분야에 집중되어 있으며, 다소 정적인 형태를 보여주고 있는 것으로 나타났다.
또한 전체적인 네트워크 사이즈의 증가 및 추이의 변화를 통해 인공지능 분야의 기술이 원천기술에 관련된 특허의 성장세는 줄어드는 반면에 응용분야의 특허 수는 지속적으로 성장되는 것을 알 수 있었는데, 이는 인공지능 기술의 혁신이 제품 혁신과 점진적 혁신의 형태를 띠고 있음을 시사하고 있다.
특허 간의 네트워크 분석결과 인공지능 기술이 다른 기술과의 융·복합을 통해 여러 분야(예: 전기, 의료, 군사 등)로 확산되고 있다는 것을 알 수 있었다.

후속연구

인공지능 분야에서도 중국의 추격이 매우 빠르게 진행되고 있는데, 발표된 총 논문 수는 이미 미국을 추월하였고 인공지능 분야 인재의 수 또한 미국의 뒤를 이어 세계 2위를 기록했다[6][7]. 아직 질적 측면에서는 미국과의 격차가 존재 하지만[8], 인공지능 기술과 산업의 성장에 친화적인 생태계를 보유하고 있어, 향후 지속적인 성장이 기대된다. 실제로 중국의 인공지능 유니콘 센스타임은 세계 최고수준의 안면인식기술의 연구개발과 상용화에 성공했으며, 바이두는 2019년 MS와 구글을 제치고 세계 자연어 이해 평가대회에서 1위를 차지하였다[9].
향후 한국이 IT 강국을 넘어 인공지능 강국으로 거듭 나기 위한 효과적인 정책 수립을 위해서는, 인공지능의 핵심 영역과 응용 분야에 대한 근거 기반의 분석이 필요하다. 이러한 목적을 달성하기 위해 본 연구는 2008 년부터 2018년까지 미국특허청(USPTO)에 등록된 인공지능 특허를 선별한 후 분석을 진행하였다.
시계열적 관점에서 1차원 통계 분석, 2차원 통계 분석, 네트워크 분석을 진행하여 인공지능 분야의 기술 혁신과 확산의 특성에 대해 분석하였다. 본 연구에서 진행한 인공지능 관련 특허와 상호인용정보에 대한 정량적 분석과 네트워크 분석이 인공지능 산업의 전반적인 발전 형태를 보다 구체적으로 관찰 할 수 있게 하고 나아가 핵심 기술 분야와 발전 방향에 대한 시사점을 제공할 수 있을 것으로 기대한다.
이는 현재 인공지능을 도입하는 대다수의 연관분야에서 지배적 디자인(Dominant Design) 또는 킬러 애플리케이션(Killer Application)이 부재한 상태에서 다양한 혁신 주체들이 인공지능 활용한 새로운 제품/서비스 개발에 집중하고 있음을 의미한다. 향후 인공지능 기술의 발전이 계속되면서, 공정 혁신의 성질을 띠고 있는 경쟁기/성숙기의 특허가 크게 증가할 것으로 보인다. 또한 기술과 산업의 급진적 혁신을 견인하는 원천 기술은 줄어들고 있고, 점진적 혁신의 성질을 띠는 응용/개량 기술 분야의 특허 수는 크게 증가한 것을 알 수 있는데, 이는 인공지능 기술의 기본 개념은 이미 오래전에 제시되었고, 지금 현재는 이를 구현할 수 있는 컴퓨팅 파워와 데이터가 확보된 상태에서 응용/개량형 기술이 많이 개발되고 있기 때문이다.
본 연구에서 분석한 인공지능 기술의 혁신과 확산 패턴을 활용한다면 향후 국내 인공지능기술의 발전과 응용 분야를 미리 예측하고 대응하여 국가 인공지능 경쟁력을 강화할 수 있을 것으로 예상된다.
본 연구에서는 특허사무소가 표준화된 특허를 제공하지 못한다는 점과, 특허데이터의 출원인 데이터가 명확하게 제시되어 있지 않다는 점 등의 한계로 인해 표준화된 미 특허청(USPTO)의 등록 특허만을 가지고 분석을 진행하였다. 향후에 해당 문제점을 보완하여 출원 인(법인 포함)별 특허 역량과 전략의 비교 및 국가별 네트워크 비교분석, 또는 주요국 또는 주요 출원인 중심의 기업생태계와 제품 또는 서비스 동향을 분석할 수 있다면 인공지능기술과 융합된 새로운 응용 영역을 예측할 수 있을 것으로 예상한다[36]. 또한 후속연구에서는 인공지능의 주요 연구 영역인 자연어 처리, 음성인식, 이미지 인식 등으로 나누어 분석하거나, 강화 학습, 딥러닝, 액티브 러닝 등의 방법론 적 관점에서 분석을 통해 국가 인공지능 정책 수립에 기여할 수 있을 것으로 기대된다.
향후에 해당 문제점을 보완하여 출원 인(법인 포함)별 특허 역량과 전략의 비교 및 국가별 네트워크 비교분석, 또는 주요국 또는 주요 출원인 중심의 기업생태계와 제품 또는 서비스 동향을 분석할 수 있다면 인공지능기술과 융합된 새로운 응용 영역을 예측할 수 있을 것으로 예상한다[36]. 또한 후속연구에서는 인공지능의 주요 연구 영역인 자연어 처리, 음성인식, 이미지 인식 등으로 나누어 분석하거나, 강화 학습, 딥러닝, 액티브 러닝 등의 방법론 적 관점에서 분석을 통해 국가 인공지능 정책 수립에 기여할 수 있을 것으로 기대된다.

참고문헌 (36)

과학기술정보통신부, 2019년 업무계획, 2019.
이병기, 인공지능기술의 특허 경쟁력과 기술, 서울: 한국경제연구원, 2017.
양희태, 최병삼, 이제영, 장훈, 백서인, 김단비, 인공지능 기술 전망과 혁신정책 방향 - 국가 인공지능 R&D 정책 개선방안을 중심으로, 과학기술정책연구원, 정책연구 18-13, 2019.
China Institute for Science and Technology Policy at Tsinghua University, China AI development report, Tsinghua University, 2018.
한국정보화진흥원, 2019년 NIA AI Index - 우리나라 인공지능(AI) 수준 조사, IT & Future Strategy, 제6호, 2019.
http://www.irobotnews.com/news/articleView.html?idxno15809
https://www.yna.co.kr/view/AKR20190110033000003
D. Barton, J. Woetzel, J. Seong, and Q. Tian, Artificial Intelligence: Implications for China. McKinsey Global Institute, New York, pp.1-20, 2017.
https://biz.chosun.com/site/data/html_dir/2019/12/30/2019123002557.html
J. Schumpeter, The Theory of Economic Development, Harvard, Cambridge, 1934
이공래, 기술 확산정책의 전개 방안, 과학기술정책연구원, 정책자료, 98-02, 1988.
홍사균, 기술혁신의 패러다임 변화에 대응하는 국가과학기술혁신전략 탐색연구, 과학기술정책연구원 정책연구, 2016.
S. E. M. Roger, Diffusion of Innovations (2nd ed.), New York : The Free Press, 1971.
이공래, 황정태, 다분야 기술융합의 혁신시스템 특성 분석, 정책연구, 1-140, 2005.
Z. Griliches, Patent statistics as economic indicators: a survey. In R&D and productivity the econometric evidence, University of Chicago Press, 1998.
S. Breschi and F. Lissoni, Knowledge networks from patent data. In Handbook of quantitative science and technology research, Springer, Dordrecht, 2004
박준형, 곽기영, "특허 인용 관계가 기업 성과에 미치는 영향," 지능정보연구, 제19권, 제3호, pp.127-139, 2013.

원문보기 상세보기
최병철, 백현미, 김명숙, "특허 인용 네트워크 분석을 통한 기술지식의 확산 경로 분석," 벤처창업연구, 제10권, 제1호, pp.143-151, 2015.
E. Kim, Y. Cho, and W. Kim, "Dynamic patterns of technological convergence in printed electronics technologies patent citation network," Scientometrics, Vol.98, No.2, pp.975-998, 2014.

상세보기
윤병운, 백재호, 박용태, [Session C8. 기술경영] 데이터 마이닝을 이용한 특허 인용 분석, 한국경영과학회 학술대회논문집, pp.583-586, 2001.
P. Erdi, K. Makovi, Z. Somogyvari, K. Strandburg, J. Tobochnik, P. Volf, and L. Zalanyi, Prediction of emerging technologies based on analysis of the US patent citation network, Scientomet, 2013.
C. C. Phelps, "A longitudinal study of the influence of alliance network structure and composition on firm exploratory innovation," Academy of management journal, Vol.53, No.4, pp.890-913, 2010.

상세보기
남영준, 정의섭, "인용정보를 이용한 신 특허지수 개발에 관한 연구," 정보관리학회지, 제23권, 제1호, pp.221-241, 2006.

원문보기 상세보기
N. Kim, H. Lee, W. Kim, H. Lee, and J. H. Suh, "Dynamic patterns of industry convergence: Evidence from a large amount of unstructured data," Research Policy, Vol.44, No.9, pp.1734-1748, 2015.

상세보기
H. Ernst, "Patent information for strategic technology management," World patent information, Vol.25, No.3, pp.233-242, 2003.

상세보기
T. S. Cho and H. Y. Shih, "Patent citation network analysis of core and emerging technologies in Taiwan: 1997-2008," Scientometrics, Vol.89, No.3, pp.795-811, 2011.

상세보기
백서인, 박환일, 송치웅, 최해옥, 홍성범, 손은정, 2018년 중국(중화권) 첨단기술 모니터링 및 DB 구축사업: 로봇.3D 프린팅.드론, 과학기술정책연구원, 조사연구 18-09, 2018.
A. B. Jaffe, M. Trajtenberg, and M. S. Fogarty, "Knowledge spillovers and patent citations: Evidence from a survey of inventors," American Economic Review, Vol.90, No.2, pp.215-218, 2000.

상세보기
J. Lerner, "The importance of patent scope: an empirical analysis," The RAND Journal of Economics, Vol.25, No.2, pp.319-333, 1994.

상세보기
문진희, 금영정, 특허 네트워크 분석을 활용한 사물인터넷 기술융합 분석, 한국경영과학회 학술대회논문집, 2460-2466, 2016.
백현미, 김명숙, "특허 네트워크 분석을 통한 융합 기술 트렌드 분석," 벤처창업연구, 제8권, 제2호, pp.11-19, 2013.
조용래, 김의석, "특허 네트워크와 전략지표 분석을 통한 기업 기술융합 전략 연구," 지식재산연구, 제9권, 제4호, pp.191-221, 2014.
M. A. Schilling and C. C. Phelps, "Interfirm collaboration networks: The impact of large-scale network structure on firm innovation," Management science, Vol.53, No.7, pp.1113-1126, 2007.

상세보기
곽기영, 소셜네트워크분석, 서울: 청람, 2014.
M. Everett and S. P. Borgatti, "Ego network betweenness," Social networks, Vol.27, No.1, pp.31-38, 2005.

상세보기
T. U. Daim, G. Rueda, H. Martin, and P. Gerdsri, "Forecasting emerging technologies Use of bibliometrics and patent analysis," Technological Forecasting and Social Change, Vol.73, No.8, pp.981-1012, 2006.

상세보기

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증