[논문]생성형 인공지능 기술의 핵심 구성 요소 기반 주요 특허 발굴 방법에 관한 연구

김가윤; 김범석; 양진홍

doi:10.17661/jkiiect.2023.16.5.292

생성형 인공지능 기술의 핵심 구성 요소 기반 주요 특허 발굴 방법에 관한 연구
Research on Core patent mining methods based on key components of Generative AI 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.16 no.5, 2023년, pp.292 - 300

김가윤 (Department of Healthcare IT Engineering, INJE University) , 김범석 (Department of Medical IT, INJE University) , 양진홍 (Department of Medical IT, INJE University)

초록
AI-Helper

본 논문에서는 생성형 인공지능 관련 특허에서, 기술의 핵심 구성 요소에 기반하여 수립된 정성적 평가 지표를 활용해 특허 발굴 방법과 전략을 제시한다. 현재 특허 품질에 대한 평가는 정량적 지표에 의존하고 있으나, 기존의 정량적 지표는 생성형 인공지능 기술의 특성을 대표할 수 없어 정확한 평가가 어렵다. 이에 실제 특허의 강약을 알 수 있는 특허 청구범위를 기준으로 하여, 기술적 특성을 고려한 정성적 지표가 추가로 필요하다. 본 논문에서는 생성형 인공지능의 기술적 특성을 고려하여 새로운 평가 지표를 제안한다. 제안한 평가 지표를 활용하여 핵심 특허를 선정하였으며, 선정된 핵심 특허에 대하여 기존의 정량적 평가 방법을 통해 제안한 지표가 적합한지 확인하였다.

Abstract ▼ AI-Helper

This paper proposes a patent discovery method and strategy for Generative AI-related patents by utilizing qualitative evaluation indicators established based on the core components of the technology. Currently, the evaluation of patent quality relies on quantitative indicators, but existing quantitative indicators cannot represent the characteristics of Generative AI technology, making it difficult to accurately evaluate. Therefore, there is a need for additional qualitative indicators that consider technical characteristics based on patent claims, which can reveal the actual strength of the patent. In this paper, we propose a new evaluation index considering the technical characteristics of Generative AI. Core patents were selected using the proposed evaluation index, and the appropriateness of the proposed index was verified through the existing quantitative evaluation method for the selected core patents.

주제어

표/그림 (4)

표 표 1. 기술별·국가별 특허 데이터 수 Table 1. Number of Patents by Technical Categories, Nationality
표 표 2. 기술별·국가별 유효 특허 데이터 수 Table 2. Number of Valid patents by Technical Categories, Nationality
표 표 3. 제안한 정성적 지표에 대응하는 청구범위 구성 요소 Table 3. Components of Claims for proposed Qualitative Metrics
표 표 4. 핵심 특허의 정량적 지표 Table 4. Quantitative metrics of core patents

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 생성형 인공지능 기술 관련 핵심 특허를 평가하기 위해, 생성형 인공지능이 가진 기술적 특성을 기반으로 이를 효과적으로 평가하기 위한 정성적 평가 지표를 제안한다. 제안한 정성적 평가 지표는 생성형 인공지능 기술이 가진 공통, 필수 요소인 다음의 3가지 단계에 대한 청구항의 구성 요소를 그 대상으로 한다.
본 논문에서는 생성형 인공지능 기술의 핵심 특허 발굴을 위해, 생성형 인공지능의 기술적 특성을 기반으로 하여 성능 지표 기반 평가 방법, 사용 모델 및 목적 기반 평가 방법의 3가지 정성적 지표를 제안하였다. 제안한 정성적 지표는 특정 작업에 대한 규칙과 패턴을 따르는 전통적 인공지능과는 다르게, 사용자 입력을 기반으로 패턴을 학습해 새로운 콘텐츠를 생성하는 생성형 인공지능의 특성을 바탕으로 하였다.
이에 본 논문에서는 생성형 인공지능 기술의 핵심 구성 요소를 기반으로 한 핵심 특허 평가 지표를 제안하였다. 그리고 제안한 평가 지표를 활용하여 핵심 특허를 선정하였으며, 선정된 핵심 특허에 대하여 기존의 정량적 평가 방법을 통해 제안한 지표가 적합한지 확인하였다.

제안 방법

이에 본 논문에서는 생성형 인공지능 기술의 핵심 구성 요소를 기반으로 한 핵심 특허 평가 지표를 제안하였다. 그리고 제안한 평가 지표를 활용하여 핵심 특허를 선정하였으며, 선정된 핵심 특허에 대하여 기존의 정량적 평가 방법을 통해 제안한 지표가 적합한지 확인하였다. 이를 통해 효과적인 특허 발굴 방법과 전략을 수립할 수 있으며, 기업이 기술의 핵심부분을 지속해서 보호하고 발전시킬 수 있도록 도움을 줄 것이라 기대한다.
유효 특허 데이터에 대하여 청구범위를 검토한 후, 제안한 정성적 지표에 가장 부합하는 특허를 기술 분류별로 3건씩 선정하여 총 9건을 도출했으며, 각 특허를 P1~P9로 구분하였다.
본 논문에서는 생성형 인공지능 기술의 핵심 특허 발굴을 위해, 생성형 인공지능의 기술적 특성을 기반으로 하여 성능 지표 기반 평가 방법, 사용 모델 및 목적 기반 평가 방법의 3가지 정성적 지표를 제안하였다. 제안한 정성적 지표는 특정 작업에 대한 규칙과 패턴을 따르는 전통적 인공지능과는 다르게, 사용자 입력을 기반으로 패턴을 학습해 새로운 콘텐츠를 생성하는 생성형 인공지능의 특성을 바탕으로 하였다. 제안한 정성적 지표를 활용하여, 생성형 인공지능 기술을 이미지/비디오 생성, 텍스트 생성, 기타 콘텐츠 생성(음성 생성, 코드 생성, 의료 피드백 생성)으로 분류해 기술별 핵심 특허를 선정하였다.
제안한 정성적 지표는 특정 작업에 대한 규칙과 패턴을 따르는 전통적 인공지능과는 다르게, 사용자 입력을 기반으로 패턴을 학습해 새로운 콘텐츠를 생성하는 생성형 인공지능의 특성을 바탕으로 하였다. 제안한 정성적 지표를 활용하여, 생성형 인공지능 기술을 이미지/비디오 생성, 텍스트 생성, 기타 콘텐츠 생성(음성 생성, 코드 생성, 의료 피드백 생성)으로 분류해 기술별 핵심 특허를 선정하였다. 그 결과 다수의 특허가 청구범위의 독립항 수, 패밀리 수와 같은 정량적 지표에서도 우수한 수치를 보임을 확인할 수 있었다.
본 논문에서 제안한 평가 지표를 기반으로 생성형 인공지능 기술에 대한 주요 특허를 발굴하기 위해, 한국(KIPO), 미국(USPTO), 유럽(EPO) 특허청의 공개·등록 특허를 대상으로 분석하였다. 주요 특허를 선정하기 위해 기술 분류 체계를 수립하였으며, 생성형 인공지능 기술을 이용해 생성할 수 있는 데이터의 유형에 따라 이미지/비디오 생성, 텍스트 생성, 기타 콘텐츠 생성(음성 생성, 코드 생성, 의료 피드백 생성)으로 분류하였다.

대상 데이터

본 논문에서 제안한 평가 지표를 기반으로 생성형 인공지능 기술에 대한 주요 특허를 발굴하기 위해, 한국(KIPO), 미국(USPTO), 유럽(EPO) 특허청의 공개·등록 특허를 대상으로 분석하였다
본 논문에서는 생성형 인공지능 기술 관련 핵심 특허를 평가하기 위해, 생성형 인공지능이 가진 기술적 특성을 기반으로 이를 효과적으로 평가하기 위한 정성적 평가 지표를 제안한다. 제안한 정성적 평가 지표는 생성형 인공지능 기술이 가진 공통, 필수 요소인 다음의 3가지 단계에 대한 청구항의 구성 요소를 그 대상으로 한다. 각각은 프롬프트 성능 기반 평가, 성능 지표 기반 평가, 사용 모델 및 목적 기반 평가로 구성된다.

이론/모형

이미지 생성 모델의 평가에는 이미지의 질과 다양성이 주요 평가 대상이며, 이를 평가하기 위해 딥러닝의 분류 모델과 PCA와 같은 방법을 사용하여 특징 벡터를 추출하고 차이를 계산한다. 평가 방법으로 크게 FID(Frechet Inception Distance), IS(Inception Score), Perceptual Metrics가 사용된다. FID는 이미지의 특징을 추출하고 두 이미지 세트 간의 차이를 측정하여 모델이 실제 데이터 분포에 얼마나 가까운 이미지를 생성하는지를 평가하는 지표이다.

성능/효과

제안한 정성적 지표를 활용하여, 생성형 인공지능 기술을 이미지/비디오 생성, 텍스트 생성, 기타 콘텐츠 생성(음성 생성, 코드 생성, 의료 피드백 생성)으로 분류해 기술별 핵심 특허를 선정하였다. 그 결과 다수의 특허가 청구범위의 독립항 수, 패밀리 수와 같은 정량적 지표에서도 우수한 수치를 보임을 확인할 수 있었다. 또한 해당 특허의 출원인들이 생성형 인공지능 분야에서 모두 기술적 영향력이 높은 기업임이 드러났다.
기술별 특허 데이터는 이미지/비디오 생성 4,126건, 텍스트 생성 2,693건, 기타 콘텐츠 생성 2,812건으로 총 10,530건이었으며, 그중 유효 특허 데이터는 이미지/비디오 생성 938건(23%), 텍스트 생성 705건(26%), 기타 콘텐츠 생성 820건(29%)으로 총 2,463건(23%)을 확인할 수 있었다.
따라서 정량적 지표뿐만 아니라 정성적 측면을 강조하는 방법론이 필요하며, 정량적이며 정성적 지표가 모두 고려된 평가 방법을 통해 선별된 핵심 특허는 특허 전략을 수립하는 데 도움이 될 것으로 판단하였다.
그 결과 다수의 특허가 청구범위의 독립항 수, 패밀리 수와 같은 정량적 지표에서도 우수한 수치를 보임을 확인할 수 있었다. 또한 해당 특허의 출원인들이 생성형 인공지능 분야에서 모두 기술적 영향력이 높은 기업임이 드러났다.
표 4는 선정된 핵심 특허(P1~P9)에 대한 정량적 정보를 나타낸 것이다. 선정된 특허 모두 생성형 인공지능 분야 또는 해당 기술 분류에서 기술적 영향력이 높은 기업이 출원하였으며, 청구범위의 독립항 수가 3개 이상인 특허는 9건 중 7건(P1, P2, P3, P4, P7, P8, P9), 나머지 2건(P5, P6) 역시 독립항 수가 2개 이상인 것으로 나타났다. 또한, 선정된 모든 특허가 다수의 패밀리 문헌을 보유하고 있으며, 특히 P1, P6, P8의 경우 한국, 미국, 유럽, 일본, 중국, 스페인, 포르투갈, 인도, 러시아와 같은 다양한 국가에서 패밀리 문헌을 확보했다.
또한, 선정된 모든 특허가 다수의 패밀리 문헌을 보유하고 있으며, 특히 P1, P6, P8의 경우 한국, 미국, 유럽, 일본, 중국, 스페인, 포르투갈, 인도, 러시아와 같은 다양한 국가에서 패밀리 문헌을 확보했다. 선정된 특허 중 다수가 기존의 정량적 방법을 이용한 핵심 특허 선정 지표에서도 높은 수치를 나타내는 것을 확인할 수 있다.
이에 본 논문에서 제안한 정성적 지표를 생성형 인공지능 기술의 핵심 특허 발굴 과정에 반영한다면 기존의 특허 발굴 및 분석 프로세스를 더욱 정확하고 효과적으로 수행할 수 있음을 확인하였다. 이를 통해 향후 생성형 인공지능 기술에 대한 특허 동향 파악 및 핵심 특허 대응 전략 수립 시 도움이 될 것으로 기대된다.

후속연구

기존의 정량적 지표와 함께 제안한 3가지의 정성적 지표를 활용한다면, 보다 정확한 생성형 인공지능에 대한 핵심 특허를 선별할 수 있을 것이다. 이는 향후 생성형 인공지능 특허 전략 수립 및 기술 개발방향 설정에 있어, 기존의 생성형 인공지능 관련 핵심 특허를 발굴하는 데 높은 정확성을 보일 것으로 기대된다.
기존의 정량적 지표와 함께 제안한 3가지의 정성적 지표를 활용한다면, 보다 정확한 생성형 인공지능에 대한 핵심 특허를 선별할 수 있을 것이다. 이는 향후 생성형 인공지능 특허 전략 수립 및 기술 개발방향 설정에 있어, 기존의 생성형 인공지능 관련 핵심 특허를 발굴하는 데 높은 정확성을 보일 것으로 기대된다.
이에 본 논문에서 제안한 정성적 지표를 생성형 인공지능 기술의 핵심 특허 발굴 과정에 반영한다면 기존의 특허 발굴 및 분석 프로세스를 더욱 정확하고 효과적으로 수행할 수 있음을 확인하였다. 이를 통해 향후 생성형 인공지능 기술에 대한 특허 동향 파악 및 핵심 특허 대응 전략 수립 시 도움이 될 것으로 기대된다.
그리고 제안한 평가 지표를 활용하여 핵심 특허를 선정하였으며, 선정된 핵심 특허에 대하여 기존의 정량적 평가 방법을 통해 제안한 지표가 적합한지 확인하였다. 이를 통해 효과적인 특허 발굴 방법과 전략을 수립할 수 있으며, 기업이 기술의 핵심부분을 지속해서 보호하고 발전시킬 수 있도록 도움을 줄 것이라 기대한다.

참고문헌 (23)

T. K. Kim, "Artificial Intelligence to drive？business performance", Policy & Research？Institute, Monthly Software Software Oriented？Society, vol. 95, May 2022.
CHO Alliance, "Global Artificial Intelligence？(AI) Technology Development Trends and？Commercialization Strategies -AI Revolution,？Super Big AI, and Generative AI based on ChatGPT-", February 2023.
Korean Intellectual Property Office, "Core of？ChatGPT, 'super-giant AI' technology race in？full swing", February 2023.
Korea Institute of Patent Information, "Metrics and？techniques for analyzing patent information", Patent？21, (72), pp.2-19, March 2007.
Korea Invention Promotion Association, "SMART 5",？https://smart.kipa.org/main.do.
Korea Institute of Intellectual Property？Promotion, "K-PEG",？https://kpeg.kipro.or.kr/index.action.
Korea Technology Finance Corporation,？"KPAS",？https://tb.kibo.or.kr/ktms/techEvaluation/index.do?rbsIdx400.
H. J. Lee and H. Y. Yang, "Core Patent？Navigation Method with Temporal PageRank？Function", Korea Technology Innovation？Society Conference, pp.275-281. November？2015.
B. Marr, Forbes, "The Difference Between？Generative AI And Traditional AI: An Easy？Explanation For Anyone", July 2023.
J. Bang and B. C. Cho, "Policy Proposals in？Response to Changes in the Authoring and？Distribution Environment of Contents by？Generative Artificial Intelligence," JOURNAL OF？BROADCAST ENGINEERING, vol. 28, no. 4, pp.？400-409, July 2023.
S. J. Lee, "Generative AI Ecosystem Corporate？strategy and the Role of Semiconductors",？Telecommunications Technology Association,？TTA Journal, vol. 207, pp.16-21, May 2023.
L. Reynolds and K. McDonell, "Prompt？Programming for Large Language Models:？Beyond the Few-Shot Paradigm," Extended？Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems,？February, 2021.
J. White, Q. Fu, S. Hays, M. Sandborn, C.？Olea, H. Gilbert, A. Elnashar, J.？Spencer-Smith, D. C. Schmidt, "A Prompt？Pattern Catalog to Enhance Prompt？Engineering with ChatGPT", February, 2023.
HuggingFaceH4, "Open LLM Leaderboard",？https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard.
Samsung Electornics Co. Ltd.,？"Bilderfassungsvorrichtung und verfahren zur steuerung davon", EP 3,682,415, November,？2023,？https://patents.google.com/patent/EP3682415B1.
Samsung Electronics Co., Ltd., "Method for？generating a head model animation from a speech signal and electronic device？implementing the same", KR 2021-0070169,？July 2020,？https://patents.google.com/patent/KR20210070169A.
Apple Inc., "Excluding objects during 3D？model generation", US 11,640,692, January？2021,？https://patents.google.com/patent/US11640692B1.
LG Uplus Corp., "System and method for？providing voice assistant service", KR2332268, November 2019,？https://doi.org/10.8080/1020190142748.
Samsung Electronics Co., Ltd., "System and？method for providing assistance in a live？conversation", US 11,430,439, July 2020,？https://patents.google.com/patent/US11430439B2.
Samsung Electronics Co., Ltd., "Apparatus？and method for providing sentence based on user input", US 11,475,218, August 2020,？https://patents.google.com/patent/US11475218B2.
Samsung Electronics Co., Ltd., "System and？method for providing voice assistant service",？US 2020/0090652, September 2019,？https://patents.google.com/patent/US20200090652A1.
Oracle International Corp., "System and？method for metadata-driven external interface？generation of application programming？interfaces", US 11,437,371, September 2020,？https://patents.google.com/patent/US11537371B2.
VUNO Inc., "Method for detecting abnormal？findings and generating interpretation text of？medical image", KR 2375786, September 2020,？https://doi.org/10.8080/1020200117511.

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