2 www.iitp.kr 윤태승 한국특허전략개발원 전문위원 DNN(Deep Neural Network)/CNN(Convolutional Neural Network)과 같은 딥러링 인공지 능은 학습으로 얻어지는 인공지능의 판정 결과에서 괄목할만한 성과를 거두고 있으나, 연구자들 은 DNN/CNN에서 드러나는 여러 가지 문제점을 인지하고 이를 해결하기 위한 방안을 모색하기 시작했다. 특히, 블랙박스처럼 취급되는 네트워크 내부의 정보는 AI가 어떤 근거로 그 결과를 제시하는 지에 대한 확인이 어렵고 Adversarial Attack에 취약하다는 단점들이 있었다. DARPA 에서 진행하는 X-AI(Explainable AI) 과제와 같이 네트워크 구조 자체를 transparent하게 만들 어서 설명 가능한 AI를 구현하거나 혹은 AI 구조를 그대로 두고, interpreting하기 위한 부가적인 모델을 생성하거나 Interpretable Interface를 접목하는 등의 인공지능 내부 네트워크 해석에 대한 연구가 활발히 진행되고 있다. 이에 본 고에서는 설명 가능한 AI에 대한 특허 동향을 살펴보 고, 앞으로의 IP-R&D 전략에 대한 의견을 제시하고자 한다. I. 서론 “인공지능(AI)은 구글의 최종 도착지입니다. 구글은 사용자가 원하는 것을 정확히 이해하고 가장 적합한 답을 줄 것입니다.” 구글의 래리 페이지가 2018년 개발자 데이에서 한 발언이다. 장기간 침체에 있던 인공지능(Artificial Intelligence: AI)은 최근 구글을 중심으로 한 딥러닝 기술의 발달 로 산업 전반에 적용 가능한 수준으로 발전하고 있다. 2016년 구글 딥마인드의 AI 알파고(AlphaGo)와 이세돌 9단의 바둑 대국을 계기로 인공지능에 대한 관심이 폭발적으로 증가하기 시작했다. 알파고 이전의 인공지능은 머신러닝으로 지금도 범용적 인 응용 분야에서 많이 사용되고 있다. 사실 인공지능의 역사는 매우 깊다. * 본 내용은 윤태승 전문위원(☎ 02-3475-1321 [email protected])에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다. 설명 가능한 AI 기술을 포함한 인공지능의 IP-R&D 전략
Transcript
2 www.iitp.kr
주간기술동향 2018. 9. 26.
윤태승
한국특허전략개발원 전문위원
DNN(Deep Neural Network)/CNN(Convolutional Neural Network)과 같은 딥러링 인공지
능은 학습으로 얻어지는 인공지능의 판정 결과에서 괄목할만한 성과를 거두고 있으나, 연구자들
은 DNN/CNN에서 드러나는 여러 가지 문제점을 인지하고 이를 해결하기 위한 방안을 모색하기
시작했다. 특히, 블랙박스처럼 취급되는 네트워크 내부의 정보는 AI가 어떤 근거로 그 결과를
제시하는 지에 대한 확인이 어렵고 Adversarial Attack에 취약하다는 단점들이 있었다. DARPA
에서 진행하는 X-AI(Explainable AI) 과제와 같이 네트워크 구조 자체를 transparent하게 만들
어서 설명 가능한 AI를 구현하거나 혹은 AI 구조를 그대로 두고, interpreting하기 위한 부가적인
모델을 생성하거나 Interpretable Interface를 접목하는 등의 인공지능 내부 네트워크 해석에
대한 연구가 활발히 진행되고 있다. 이에 본 고에서는 설명 가능한 AI에 대한 특허 동향을 살펴보
고, 앞으로의 IP-R&D 전략에 대한 의견을 제시하고자 한다.
I. 서론
“인공지능(AI)은 구글의 최종 도착지입니다. 구글은 사용자가 원하는 것을 정확히 이해하고 가장
적합한 답을 줄 것입니다.” 구글의 래리 페이지가 2018년 개발자 데이에서 한 발언이다. 장기간
침체에 있던 인공지능(Artificial Intelligence: AI)은 최근 구글을 중심으로 한 딥러닝 기술의 발달
로 산업 전반에 적용 가능한 수준으로 발전하고 있다.
2016년 구글 딥마인드의 AI 알파고(AlphaGo)와 이세돌 9단의 바둑 대국을 계기로 인공지능에
대한 관심이 폭발적으로 증가하기 시작했다. 알파고 이전의 인공지능은 머신러닝으로 지금도 범용적
우리가 인공지능과 함께 인식하는 것은 로봇으로, 로봇의 개념은 이미 1920년대 연극에서 시작
되었다. 로봇(robot)이란 용어는 체코슬로바키아의 소설가 차페크(Karel Capek)가 1921년 발간한
『R.U.R(Rossum’s Universal Robots)』이라는 희곡에서 처음으로 사용되었다. 로봇의 어원이 체
코어의 노동을 의미하는 단어 ‘로보타(robota)’인 만큼, 로봇의 역할은 인간의 노동을 대신 수행하
는 데서 찾을 수 있다. 시스템 또는 소프트웨어로서의 인공지능보다도 더 오랜 역사를 지닌 하드웨어
로서의 로봇 개념이 인간에게는 일상의 끝단에서 접하기 때문일 것이다. 또한, 초기 인공지능의
개념은 1956년 미국 다트머스 학술회의에서 존 매카시가 “기계를 인간 행동의 지식에서와 같이
행동하게 만드는 것”이라고 제안하면서 유래되었다. 1950년 앨런 튜링은 기계가 인간과 얼마나
비슷하게 대화할 수 있는지를 기준으로 기계에 지능이 있는지를 판별하고자 하는 테스트로 튜링
테스트(Turing test)를 제안했다. 2018년 구글이 개발자 데이에서 발표한 듀플렉스 인공지능은
음성으로 사람을 완벽하게 속였다는 점에서 튜링 테스트를 완벽하게 통과했다고 볼 수 있다.
최근 인공지능은 빅테이터의 발달과 정보처리(CPU, 메모리, 저장매체 등) 능력의 향상, 딥러닝
알고리즘 향상 및 클라우드 기반 환경 등의 영향으로 학습, 추론, 인지 기술을 발달시킬 수 있는
기반이 조성됨에 따라 더욱 발전하고 있다.
II. AI 트렌드
1. AI 기술개발 동향
딥러닝 기반 인공지능의 핵심은 학습과 추론 등을 수행하는 인간의 뇌 특성을 뉴럴 네트워크로
모델화 했으며, 기존의 신경망과 달리 초고용량 학습 알고리즘의 특징으로 인해 고성능을 발휘한다.
딥러닝의 한계점이나 약점도 분명 많은 것이 사실이다. 학습 수행과정의 높은 복잡도와 학습 데이
터의 오버피팅 문제, 일부 응용에만 강점을 보이는 문제 등이 있어 이를 해결하기 위한 다양한 연구
와 시도가 이루어지고 있다. 특히, 도출한 최종 결과의 근거, 도출과정의 타당성 등을 제공하지
못하는 블랙박스 이슈가 최근의 가장 큰 해결과제로 떠오르고 있다. 이는 인공지능 시스템에 대한
사용자와 사회의 수용과 신뢰에 대한 문제로 강한 인공지능 이슈와 함께 우려와 관심의 대상이 되고
있다. 특히, 미 국방성 산하 국방고등연구계획국(DARPA)에서는 2017년부터 X-AI(Explainable AI)
관련 프로젝트(X-AI 학습 모델 개발 및 테스트)를 추진하고 있다.
X-AI는 사용자가 인공지능 시스템의 동작과 최종 결과를 이해하고 올바르게 해석하여 결과물이
4 www.iitp.kr
주간기술동향 2018. 9. 26.
생성되는 과정을 설명 가능하도록 해주는 기술을 의미한다. 예를 들어, 인공지능 시스템이 고양이
이미지를 분류할 경우, 기존 시스템은 입력된 이미지의 고양이 여부만을 도출하지만, X-AI는 고양
이 여부를 도출하고, 인공지능 판단의 근거(털, 수염 등)까지 제공하는 진보된 개념의 인공지능이라
할 수 있다.
최근의 인공지능은 인간의 지능을 목표로 하고 있는 것처럼 보이지만, 사실 인간에게 필요한 것은
인간과 같은 지능이 아닌 인간에게 필요한, 인간을 편리하게 해줄 수 있는 지능일 것이다. 즉, 인공지
능이 의도하던 의도하지 않던 인간의 지능을 목표로 하고 있으나, 실제 응용 분야에서는 꼭 인간의
지능을 필요로 하지 않으며, 그 지능 또한 우리가 우려하는 강한 인공지능만은 아닐지도 모른다.
설명 가능한 AI는 최근 우려되고 있는 강한 인공지능 및 인공지능이 인간을 넘어서는 시기에 대한
우려와는 별개로 인공지능의 투명성과 설명 가능성을 높여 인간에게 설득력 있는 데이터를 제공하기
위한 근본적인 접근 방식이다. 특히, 암진단과 같은 인간의 생명을 다루는 응용 분야에서 인공지능의
블랙박스 형태 결과만으로 판단한다는 것은 많은 리스크와 문제를 수반하기 때문에, 설명 가능한
AI 기술은 사람에게 더욱 절실하고 중요한 이슈일 수 있다.
<자료> DARPA
[그림 1] 설명 가능한 AI의 개념
기획시리즈 – 인공지능
정보통신기술진흥센터 5
2. AI와 오픈소스
구글은 물론 대부분의 글로벌 IT기업들과 개발자들은 인공지능 연구 개발에 오픈소스를 활용하고
있는 추세이다. 특히, 기업의 경우 플랫폼 장악을 위해 오픈소스를 통해 시장 영향력을 확대하는
방향으로 가고 있다.
구글의 텐서플로우(Tensorflow)를 비롯하여 페이스북의 토치(Torch), 마이크로소프트의 프로젝
트 AIX, 삼성전자의 베레스(Veles), 테슬라가 지원하고 있는 Open AI 등이 오픈소스 프로젝트로
공개되어 다양한 분야에서 활용되며, AI 기술의 발전에 기여하고 있다.
구글을 비롯한 IT 대기업들이 오픈소스 정책을 통해 AI 기술을 공유하는 데는 이유가 있다. 오픈
소스 자체가 기술의 공유를 통해 기술 개발을 촉진하고자 함이고, AI 알고리즘의 다양한 분야 응용
에 있어 금융, 의료, 교육 등의 필드 노하우와 실제 데이터가 매우 중요하기 때문이다. 공유를 통한
플랫폼 확장의 의도는 너무도 당연하다. 이러한 개방형 혁신 생태계를 통해 다양한 분야에서 인공지
능 기술을 응용하는 주체들이 협력함으로써 인공지능 기술의 확산과 보급이 가능하기 때문일 것이
다. 이와 같은 인공지능 오픈소스들은 머신러닝이나 딥러닝, 강화학습 등의 AI 기본 알고리즘을
공유하여 인공지능 생태계가 이를 쉽게 구현 및 응용할 수 있도록 관련 기능을 모듈화하고 API
형태로 라이브러리화 함은 물론 직관적인 유저 인터페이스를 제공함으로써 인공지능의 확산과 발달
에 기여하고 있다.
오픈소스 SW를 활용할 경우 개발에 필요한 시간을 단축할 수 있으며, 그에 따른 진입 비용의
경감과 신뢰성 확보 등의 장점이 있는 반면, 차별화와 지식재산권 확보가 어려워지며, 제3자 특허권
으로 인한 특허침해 소송 가능성의 리스크가 발생할 수 있다.
2016년 정보통신산업진흥원(NIPA) 공개 SW 역량 프라자에서 수행한 상용 SW 라이선스 검증
결과, 90% 이상의 프로젝트가 오픈소스를 사용한 것으로 조사되었으나, 이 중에 약 42%의 SW에
서 라이선스 위반이 확인된 것으로 조사되었다.
GPL(Greneral Public License)에 따를 경우 GPL 코드를 사용하는 특허권자가 묵시적으로 후
속 사용자에게 특허 라이선스를 부여하는 것으로 해석될 수 있다는 우려가 있다. 이런 라이선스의
애매모호함 때문에 GPL 라이선스나 자유 소프트웨어를 사용하려고 하는 기관들은 GPL 사용조건을
면밀하게 검토해야만 하며, 개발자는 라이선스 프로그램을 선택하기 전에 해당 라이선스 조건이
가지는 비즈니스적 의미와 리스크에 대한 완벽한 이해가 필요하다.1)
1) 삼성이나 LG의 경우도 오픈소스 라이선스에 대한 이해 부족으로 인한 소송에 휘말려 경제적 비용과 이미지 타격으로 어려움을 경험한 사례가 있으며, 이러한 리스크는 오픈소스 라이선스 타입과 조건 및 기업의 비즈니스 전개 방식 등에 따라 라이선스 타입을 선택하고 이해한 후 제품에 적용해야만 함
6 www.iitp.kr
주간기술동향 2018. 9. 26.
구글은 머신러닝 프레임워크인 TensorFlow를 2015년 11월에 오픈소스로 공개하였다. 원래
TensorFlow는 내부의 인공지능 연구조직용 AI SW 라이브러리였다. 뒤이어 알파고를 개발한 구글
딥마인드는 2016년 12월 5일 내부용 인공지능 연구 플랫폼 딥마인드 랩(DeepMind Lab)을 공개
하였다. 구글은 물론 Facebook, Microsoft, OpenAI, IBM 등도 이러한 인공지능 오픈소스에
동참하고 있으며, 각기 장점이 있는 분야를 중심으로 널리 쓰이고 있는 상황이다.
페이스북은 머신러닝 프레임워크 Torch 기반의 인공지능 모듈을 오픈소스로 공개하였다. 특히,
이미지 패턴 인식이나 얼굴인식 등에 좋은 결과를 보이고 있어 구글의 TensorFlow와 함께 많이
사용되고 있다. 마이크로소프트의 대표적 인공지능 오픈소스 프로젝트인 옥스퍼드는 얼굴인식용
Face API, 음성인식용 Speech API, 이미지용 Vision API, 자연어처리용 LUIS 등으로 이루어져
있다.
이외에도 IBM의 머신러닝 플랫폼이 오픈소스로 공개되어 넷플릭스의 영화DB 추천 기능 등에
사용되고 있으며, 삼성은 다수의 GPU 병렬컴퓨팅을 지원하는 인공지능 플랫폼 Veles를 2015년
11월에 공개하였다.
III. X-AI 특허 동향
1. 분석 범위 및 방법
특허 분석은 의료 영상 및 비의료 분야를 포함하는 X-AI 기반 기술을 대상으로 하였으며, X-AI
[표 1] X-AI 기반 기술 분류
중분류 Description
네트워크 구조
- 의료영상인식(분류/검출/분할)을 위한 설명 가능한 인공신경망 설계 기반기술 연구를 중점으로- Transparent Model, 설명 가능성과 연계되어 변경 가능한 구조, 새로운 neural network 개념- 병렬/평행형(parallel), 통합/집적형(integrated) 네트워크 구조- 인간의 신경망을 모방하는 새로운 네트워크 구조 관련 기술 등
Interpretable Interface
- 의료영상인식(분류/검출/분할)을 위한 설명 가능한 인공신경망의 interpretable interface 기술- 인공신경망의 neuron, layer, node의 성능과 활동도(activity)를 분석하거나 모니터링하는 기술 등
시각화(Visualization)
- 의료영상인식(분류/검출/분할)을 위한 설명 가능한 인공신경망의 시각화(visualization) 기술- heatmap, attention model 등을 이용한 시각화- pixel 기반 시각화, layer/neuron/node 기반 시각화 기술 등
<자료> 한국특허전략개발원, 2018.
기획시리즈 – 인공지능
정보통신기술진흥센터 7
기술은 아직 기술적으로 충분히 성숙된 단계가 아니므로, X-AI 기술을 구성할 것으로 예상되는기술
요소들을 포함하여 X-AI 기반 기술을 조사 대상으로 선정하였다. 검색 DB는 WISDOMAIN 특허
DB를 사용하였으며, 1998년 1월 1일 이후 출원된 한국(KIPO), 미국(USPTO), 일본(JPO), 유럽
(EPO), 중국(SIPO), 국제특허(WIPO)를 대상으로 조사하였다.
2. X-AI 기술의 특허 동향
설명 가능한 AI 기술의 기술 분류별 분포와 국가별 출원 현황을 살펴보면, X-AI를 위한 새로운
네트워크 구조에 관한 특허가 54%를 차지하고 있으며, 미국 특허가 38%, 중국 특허가 22% 및
국제출원이 21%를 차지하고 있어, 미국과 중국 시장을 중심으로 새로운 네트워크 구조에 대한
연구개발 결과가 특허출원으로 이어지고 있음을 확인할 수 있다.
설명 가능한 AI 기술의 연도별 출원 현황과 국적별 분포를 살펴보면, 미국, 중국, 국제출원, 한국,
일본 등 주요 국가에서 모두 2012년 이후 특허 출원이 급증하는 추세를 보이고 있으며, 2016년과
2017년의 특허출원은 일부 미공개 특허가 존재하는 점을 감안하면 더욱 급격한 증가세로 추정된다.
특히, 54%를 차지하고 있는 새로운 네트워크 구조에 대한 출원 증가세에서 알 수 있듯이, 설명
가능한 AI를 포함한 차세대 인공지능 기술에서의 경쟁력 확보를 위한 key Player 들의 연구개발
투자가 동 분야를 중심으로 이루어지고 있다.2)
2) 각 나라 별로 자국 출원이 중심을 이루고 있는 것으로 나타남
<자료> 한국특허전략개발원, 2018.
[그림 2] 설명 가능한 AI 기술의 분야별 및 국가별 특허 동향
8 www.iitp.kr
주간기술동향 2018. 9. 26.
가장 큰 시장인 미국의 특허청에 대한 출원과 국제출원에서는 미국 국적의 출원인(Google, MS,
Facebook 등)이 다수의 특허를 출원하고 있으며, 한국, 중국, 일본 국적의 출원인은 자국 중심의
출원을 진행하고 있음을 알 수 있다. 중국의 경우 특허출원과 응용 분야 등에서 두각을 나타내고
있으며, 특허출원에 있어서는 자국중심의 양적인 특허가 대부분을 차지하고 있으나, 향후 기술력과
특허확보 및 시장장악 등의 전략적 미래를 고려했을 때 지속적인 분석과 대응이 필요할 것으로
사료된다.
설명 가능한 AI 기술의 출원인별 출원 현황을 살펴보면, Microsoft, Google, IBM, Facebook
등의 미국국적 기업들이 두드러진 특허출원 활동을 보이고 있으며, Microsoft의 경우 네트워크
구조와 인터페이스 및 시각화 기술 모든 분야에서 압도적인 출원 건수를 기록하고 있어, 관련 응용
및 원천 기술에서의 기업의 투자를 가늠해 볼 수 있다. 특히, 차세대 인공지능 네트워크 구조와
관련된 다양한 아이디어 및 기술을 특허로 출원하고 있어 관련 분야 연구에서의 세심한 분석과
참고가 필요할 것으로 판단된다. 구글 또한 알파고와 그들의 오픈소스 인공지능 기술을 뒷받침할
수 있는 다양한 네트워크 관련 원천 기술들을 출원 및 등록하고 있으며, IBM은 왓슨의 특성상
<자료> 한국특허전략개발원, 2018.
[그림 3] 설명 가능한 AI 기술의 연도별 및 국적별 특허 동향
기획시리즈 – 인공지능
정보통신기술진흥센터 9
의료관련 AI 기술이 주를 이루고 있다.
바이두나 베이징대학과 같은 중국 출원인들 또한 새로운 네트워크 구조 및 인터프리터블한 인터
페이스나 시각화 관련된 기술을 개발하고 특허로 출원하고 있으나, 그 건수나 기술의 수준은 미국보
다는 낮은 수준이라고 할 수 있다. 그러나 한국 및 일본의 특허 출원 현황과 기술력 평가(인용도
등) 등을 고려해 볼 때 미국과 대적할 수준의 인공지능 기술을 개발하고 있는 국가는 중국이 유일하
다고 말할 수 있을 것으로 판단된다.
우리나라의 경우 ETRI와 삼성을 제외하면 차세대 인공지능과 관련된 기술개발 투자가 많이 이루
<자료> 한국특허전략개발원, 2018.
[그림 4] 설명 가능한 AI 기술의 출원인별 출원 현황
10 www.iitp.kr
주간기술동향 2018. 9. 26.
어지지 않고 있는 것으로 판단되며, 이 외에 주요 출원인 중 특이할 만한 회사로는 트위터에 인수된
영국의 Magic Pony Technology로 CNN 및 딥러닝 영상처리와 관련한 핵심 특허를 다수 확보하
고 있어 관련 SW 및 HW 연구에 세심한 분석이 필요할 것으로 사료된다.
설명 가능한 AI 기술에 대한 미국특허를 통해 기술 경쟁력을 살펴보면, 다출원인 중 Microsoft는
평균 피인용 횟수가 높아 상대적으로 기술수준이 우수하고 시장 확보력도 평균 수준에 있으며, 질적
수준과 양적 측면에서 모두 강세를 보이고 있는 기업으로 파악되며 독자적인 원천기술을 확보하고
있는 수준에 있음을 알 수 있다. Oracle은 X-AI 기반 기술과 의료용 AI 분야에 걸쳐 출원을 하고
있으며 피인용 횟수가 높아 독자적인 기술 경쟁력을 갖춘 것으로 파악되나, 출원 수가 많지 않은
점을 고려해야 할 것이다. Google, Facebook 및 IBM은 평균 피인용 횟수가 매우 낮은데, 이는
Microsoft 등 경쟁기업들과 비교할 때 극히 최근에 출원이 집중되고 있는 점을 고려해야 하며,
또한 X-AI 기반 기술 자체가 매우 초기 단계임을 고려하면, 보다 세심한 분석을 필요로 할 것이다.
SIEMENS는 X-AI 기반 기술 분야에서 특허출원이 많지 않으며, 피인용 횟수도 높지 않게 분석되었
으나, 의료 분야에 있어서는 다양한 아이디어와 응용기술을 확보하고 있어 의료 관련 인공지능 응용
기술의 사업화 단계에서 반드시 살펴보아야 할 기업으로 사료된다.
[표 2] 미국특허로 본 기술 경쟁력
분석항목
출원인
국적
미국특허로 본 기술경쟁력주력기술
분야출원건수
특허건수
인용도피인용 (CPP)
영향력(PII)
기술력(TS)
시장확보력 (PFS)
MICROSOFT 미국 36 22 8.78 7.14 1.46 257 1.89네트워크 구조
GOOGLE 미국 9 6 16.78 0.67 0.14 6 2.33네트워크
구조
IBM 미국 15 10 4.93 0.93 0.19 14 1.13네트워크
구조
FACEBOOK 미국 8 2 1.88 0.25 0.05 2 1.25네트워크
구조
ORACLE 미국 2 1 9.50 36.50 7.47 73 1.00네트워크
구조
SIEMENS 독일 4 2 6.00 0.75 0.15 3 1.75네트워크
구조
PHILIPS 네덜란드 1 0 0.00 0.00 0.00 0 5.00Interpretable
Interface
<자료> 한국특허전략개발원, 2018.
기획시리즈 – 인공지능
정보통신기술진흥센터 11
IV. 인공지능 기술의 IP-R&D 전략
구글과 IBM, MS, Facebook 등 미국 IT 공룡들의 오픈소스 중심의 인공지능 플랫폼 전략은
오픈소스 생태계의 장점을 적극 활용하여 다양한 분야에서 인공지능을 적용하는데 기여하며 인공지
능의 기술 개발에도 기여하고 있다.
그런가 하면 중국의 인공지능 투자는 미국의 기술과 투자를 넘어서려고 하는 시기에 있으며, 로봇
기업 화낙과 토요타 등 일본기업의 인공지능 개발과 투자는 경제 부흥을 준비하고 있는 일본의
새로운 성장 동력이 될 것으로 예상되고 있다.
IT 공룡들이 원천과 응용을 모두 고려한 기술 개발에 나서고, 관련 제품 및 서비스를 출시하고
있는 가운데, 병렬컴퓨팅과 비트코인 등의 영향으로 뉴로모픽 HW의 필요성이 더욱 대두되고 있으
며, IoT와 빅데이터 기반의 서비스와 인프라가 가속화되고 있어, 인공지능은 일부의 시스템과 기기
를 벗어나 모바일은 물론 Anytime, Anything을 Intelligent하게 만들어주는 필수 기술(AI는 이제
Anything Intelligence로 표현해야 하지 않을까?)로 자리 잡을 것이다.
최근 들어, 우리나라의 IT 경쟁력은 대부분의 지표에서 바닥권으로 떨어졌다. 그러는 동안 중국은
인공지능을 비롯한 차세대 원천 IT 기술에서 미국과 선두를 다툴 정도의 기술력과 시장 경쟁력을
바탕으로 세계의 공장에서 세계의 이노베이션센터로 거듭나고 있는 상황에서 과연 우리는 어떤 전략
으로 지난 공백을 극복하고 나아갈 것인가?
다행히, 정부는 지난 5월 14일 인공지능 R&D 전략을 수립해 발표했다. 세계적인 수준의 AI
기술력을 확보하기 위해 향후 5년간 2조 2,000억 원을 투자하고 인재 5,000명을 양성한다는 청사
진을 공표한 것이다. 이와 함께 스타트업이나 중소기업 등이 인공지능 개발에 활용할 수 있도록
학습용 데이터 1억 6,000만 건을 2022년까지 구축하여 기업에 제공할 계획이라고 한다. 늦었지만
천만 다행으로 인공지능 생태계 전반과 원천 및 응용, 기반 데이터를 구축하는 이정표가 될 수 있기
를 기대한다.
아울러, 이러한 정부의 로드맵과 시장의 전망을 고려한 원천기술의 확보와 이와 함께 다양한 분야에
적용 가능한 응용기술의 개발과 강력한 IP가 뒷받침된 특허포트폴리오의 구축이 필요한 시점이다.
특히, 정부와 출연연(대학) 및 기업이 각자 역할을 충실히 할 필요가 있다. 정부와 관련 기관은
현재 우수특허창출지원사업 등의 다양한 지원 프로그램을 통해 인공지능을 포함한 미래유망기술에
대한 특허청사진을 구축하고, 원천기술에 대한 탐색과 가능한 영역을 발굴하고 핵심 IP에 대한 다양
한 아이디어와 가능성을 제시하고 있다. 출연연과 대학은 지원 프로그램 또는 IP-R&D 프로세스를
바탕으로 확보 가능한 원천기술 영역에서의 확고한 기술 개발에 전념하고, 이를 뒷받침하는 강력한
12 www.iitp.kr
주간기술동향 2018. 9. 26.
IP를 확보할 필요가 있다. 이를 통해, 독보적인 기술영역을 구축함과 동시에 응용 분야의 사업화
및 확장을 고려한 핵심 응용 IP포트폴리오를 구축하여 기술의 가치를 제고하고 기업의 IP 리스크를
해소함으로써 기술의 사업화 가능성을 높이고 이를 통한 인공지능의 확산과 인공지능 관련 산업의
발전과 기업 및 국가의 생산성 제고에도 기여할 수 있을 것이다.
V. 결론 및 시사점
대한민국은 인구나 면적, 경제규모, 기술기반 등에서 결코 작은 나라가 아니다. 특히, ICT, 반도
체, 디스플레이, 스마트폰, 가전, 제품생산 능력 등에서 세계 상위권에 자리하고 있는 기술강국이다.
물론, 대기업 중심의 다소 척박한 생태계가 문제일 수도 있으나, 앞으로 전개될 AI(Anything
Intelligent) 시대가 도래하면, 소규모의 창의적인 집단으로 그 중심은 이동하게 될 것이며, 이에
따라 우리의 창의적인 혁신 아이디어와 결과물은 더욱 빛을 발하게 될 것으로 기대된다.
2015년을 기준으로 우리나라의 공학박사 배출 규모는 3,332명으로, 결코 적은 인력이 아니다.
정부지원을 비롯한 연구소의 관련 R&D와 기업의 일자리, 관련 생태계가 받쳐준다면 대부분의 기술
분야를 개발하고 원천기술을 확보하는 데에 문제가 없는 규모다.
따라서 AI를 기반으로 한 4차 산업혁명을 준비하기 위해서는 원천기술 개발지원은 물론 응용기술
개발 및 사업화, 기업의 Open Source 리스크 분석, IP-R&D 전략지원, 스타트업 IP컨설팅 등의
다양한 지원과 생태계 활성화 및 자원, 인력의 투입과 전문인력의 양성이 제대로 이루어질 수 있는
토대를 마련해 나간다면 ICT와 대한민국이 다시 한 번 날아오르는 시기가 보다 빨리 다가올 것이라
고 확신한다.
인공지능이 가져올 4차 산업혁명의 세상은 우리의 생활패턴과 직업은 물론 미래의 경제 및 사회
구조를 바꿀 만큼 파급효과가 클 것이다. 공장과 생산시설이 선진국으로 유턴하고 기술과 공급의
중심이 다시 선진국 중심의 폐쇄적 방식으로 돌아갈 수도 있으며, 4차 산업혁명의 기반 기술인
AI 또한 오픈소스 중심이 아닌 블랙박스의 방식으로 바뀔 수도 있다. 결국 AI 기술의 경쟁력이
기업과 국가의 경쟁력이 될 수 있을 만큼 중요하다고 할 수 있다.
오픈소스와 저작권, 제3자 특허권(Hidden patent) 문제를 해결하기 위해 IP관련 기관과 저작권
및 학계의 다양한 지원과 연구가 필요할 것이며, 기업들의 오픈소스 리스크를 해소해줄 수 있는
