Professional Documents
Culture Documents
AI분야 심사실무가이드 (안)
AI분야 심사실무가이드 (안)
유의사항
[ ]
에 유의하여야 한다 .
- 1 -
※ 이 심사실무가이드에서 사용되고 있는 용어의 설명
• 인공 신경망 (Arificial Neural Network, ANN)
층 신경망 (DNN: 의 한 종류
Deep 은 차원 데이터의
Neural Network) . CNN 2
을 통해 훈련될 수 있다 영상 내 객체 분류 객체 탐지 등 다양한
algorithm) . ,
방식의 순환 신경망이 있다
Memory) .
- 2 -
1 발명의 설명
1.1 실시 가능 요건의 기본사항
인공지능 관련 발명에서 실시 가능 요건의 판단은 기본적으로 특허ㆍ실용
신안 심사기준 『제 부제 장 발명의 설명』 기재요건을 따른다
2 3 .
이터 전처리 방법 학습 모델 손실 함수
, , 등이 있다
(Loss Function) .
1.2 실시 가능 요건 위반의 예
발명의 설명에서 청구항에 기재된 발명에 대응하는 기술적 단계 또는 기
(1)
- 4 -
예 청구항은 기상 데이터 온도 정보 습도 정보 등 와 환경 데이터 미세먼
( 2) ( , ) (
1.3 유의 사항
출원발명이 기계학습의 응용에 특징이 있는 것으로 통상의 기계학습 방
(1) ,
- 5 -
습방법이 구체적으로 기재되어 있지 않고 단순히 통상의 기계학습 방법만이
기재되어 있더라도 실시가능 요건을 만족하는 것으로 볼 수 있다
, .
상태
(environment),행동 보상 들간의 상관관계를 포
(state), (action), (reward)
- 6 -
2 청구범위
2.1 발명의 설명에 의하여 뒷받침될 것
2.1.1 기본사항
인공지능 관련 발명에서 청구범위가 발명의 설명에 의하여 뒷받침되고 있
는지 판단은 기본적으로 특허ㆍ실용신안 심사기준 『제 부제 장 청구범위
2 4
- 7 -
내용을 청구된 발명의 범위까지 확장하거나 일반화할 수 없는 경우
방법의 발명
(1)
물건의 발명
(2)
- 8 -
체 청구항』 형식으로 기재할 수 있다 .
있다 .
예 컴퓨터에 단계
( 2) A, 단계 B, 단계 C, … 을 를 실행시키는 컴퓨터프로그
( )
- 9 -
③ 데이터 구조 기록매체 청구항
데이터 구조 기록매체 즉 기록된 데이터 구조로 말미암아 컴퓨터가 수행하
,
- 10 -
청구항 말미가 「프로그램 신호」 「프로그램 신호열」등으로 기재된 것은 ,
2.2.4 유의 사항
청구항 전체를 고려하더라도 발명의 수행주체 하드웨어 가 명확하게 파악
(1) ( )
- 11 -
3 특허요건
인공지능 관련 발명에서 특허요건 중 『발명의 성립요건』과 『신규성 및
진보성』에 대하여 인공지능 관련 발명 특유의 판단 및 심사에 필요한 사항
을 설명한다 .
- 12 -
3.1.2 판단의 구체적인 방법
인공지능 관련 발명에서 청구항에 기재된 발명이 특허법상 발명에 해당하
는지 여부를 판단하는 구체적인 방법은 다음과 같다 .
사상의 창작이 아니므로 발명에 해당하지 않는다 대법원 후 후 ( 2001 3149, 2002
후 특허법원 허
277, 2009 436, 허 허 판결 참조
2000 5438, 2001 3453, 2006 8910 ).
- 13 -
후
3149, 2007 후 특허법원 허
265, 2007 허 판결 참조
494, 2005 11094, 2006 1742 ).
- 14 -
인간의 정신활동에 해당하거나 이를 이용하고 있는 등 자연법칙을 이용한 것이 아
니거나 단순한 정보의 제시인 경우에는 자연법칙을 이용한 기술적 사상의 창
(iv)
① 자연법칙 이외의 법칙
예 경제법칙 수학의 공식 등
( ) ,
- 15 -
② 인위적인 결정
허 참조
2001 3453 ).
- 16 -
을 축적한 통계로 생활쓰레기를 종합관리하도록 하는 생활쓰레기 재활용 종
합관리 방법 .
조 ).
법 .
- 17 -
으로 한정하고 있지 않고 컴퓨터나 인터넷시스템의 범용적인 기능이 단순히
,
④ 단순한 정보의 제시
예
( 1) 기계의 조작방법 또는 화학물질의 사용 방법에 대한 매뉴얼
예
( 2) 녹음된 음악에만 특징이 있는 CD
예
( 3) 디지털 카메라로 촬영된 화상 데이터
예
( 4) 문서 작성 장치로 작성된 운동회 프로그램
예
( 5) 컴퓨터프로그램 리스트
- 18 -
사상의 창작이다 .
을 제어하는 것
예 기술적으로 관련된 복수의 기기 등으로 구성되는 전체 시스템을 통합
( 3)
적으로 제어하는 것
로 수행하는 것
는 정보처리를 실시하는 것
- 19 -
인공지능 관련 발명에서 소프트웨어에 의한 정보처리가 하드웨어를 이용하
여 구체적으로 실현되고 있는 경우 해당 소프트웨어와 협동하여 동작하는 ,
되고 있는 경우』로 판단할 수 있는 예
- 20 -
선호도 예측 장치에서 유사 사용자 목록에 포함된 사용자들의 선호도 정보를
기계 학습 알고리즘의 입력정보로 하고 기계 학습 알고리즘을 이용하여 선호도 ,
되고 있는 경우』로 판단할 수 없는 예
예 【청구항】수식
( 1) y=F(x) 에서 ≤ ≤ 범위의 의 최소치를 구하는 컴퓨터
, a x b y .
- 21 -
☞ 컴퓨터에 의해 처리된 문서 데이터가 입력 수단 처리 수단 출력 수단의 순 , ,
3.1.4 유의 사항
청구항에 기재된 발명이 판단의 대상이므로 소프트웨어에 의한 정보처리
(1)
- 22 -
사관은 유의한다 .
- 23 -
3.2 신규성, 진보성
3.2.1 기본사항
인공지능 관련 발명에서 신규성 및 진보성 판단은 기본적으로 특허․실용
신안 심사기준 『제 부제 장 신규성 및 제 부제 장 진보성』요건에 따른다
3 2 3 3 .
사항을 설명한다 .
모델 손실 함수
, 등 을 고려하여 구성을 대비하여 양자의 구
(Loss Function) )
- 24 -
기재된 발명에 이르는 것이 통상의 기술자에게 용이한지 여부를 다른 인용
발명과 출원시의 기술상식 및 경험칙 등에 비추어 판단한다 .
의 인물이다 .
- 25 -
청구항에 단순히 인공지능 기술을 이용하는 정도로만 기재하고 있고 해
‘ ’ ,
인용발명
[ 상에서 특정 기간 동안 사용자가 입력한 검색 용어들에 근
] SNS
- 26 -
☞ 출원발명과 인용발명과의 차이가 인공지능을 이용하는 것 에 있으나 청
‘ ’ ,
로 단순히 시스템화 하는 것
- 27 -
☞ 출원발명이 대출 신청자들에 대한 신용도를 평가하는 방법을 실현하기
위하여 인공신경망을 이용하여 어떻게 시스템화하는지에 대해 구체적으로
개시하고 있지 않고 인용발명에도 대출 신청자의 과거 금융 거래내역을 기
,
- 28 -
고 문서를 자동 분류하는 방법
☞ 출원발명과 인용발명은 문서 이미지로부터 문서를 자동 분류하는 점에서
기술분야 및 학습데이터가 동일하고 다만 출원발명은 학습모델로 합성곱 신 ,
요를 예측하는 시스템
- 29 -
차이가 있다 그러나 출원발명이 인공신경망
. 에 관하여 구체적으로 특 (ANN)
3.2.3 유의 사항
(1) 인공지능 발명을 구현하기 위한 기술적 구성에 특징이 있는 경우
- 30 -
① 데이터의 전처리에 특징이 있는 경우
청구항에 기재된 발명이 데이터 전처리 에 관하여 구체적으로 특정하고 ‘ ’
예 청구항
( 1) 가 촬영한 영상을 입력받아 모션 추적 에 관한 특징벡
[ ] CCTV ‘ ’
전제 조건
[ 로 수집된 영상으로부터 모션추적 분석 기능을 수행하는
] CCTV ‘ ’
인용발명
[ 가 촬영한 영상을 학습데이터로 하고
] CCTV , ANN 학습모델을 이
용하여 영상 객체를 식별하는 인공지능 기반 영상 시스템
☞ 출원발명과 인용발명은 기술분야와 학습모델 은 의 상위개념 (ANN CNN
- 31 -
다 .
장애 예측장치
경우를 의미한다 .
- 32 -
다만 기계학습 관련 발명에서 단순히 학습모델을 이용하는 정도로만 기재 ‘ ’
을 입력 및 출력 채널 별 크기 파라미터의 평균 값에 채널 별 크기 분포를
반영한 레이어 별 상수를 곱한 값으로 설정한 점에서 인용발명의 임계값과
- 33 -
차이가 있다 또한 출원발명은 한정된 하드웨어 자원내에서 연산 속도가 향
.
출력부 ;
- 34 -
상기 출력된 파손레벨 및 상기 사용자 단말로부터 수신한 최종 예상비용을
정비 공장의 서버로 전송하는 수리비용 제공부 ;
서버
- 35 -
여기서 산업분야의 변경에 따른 더 나은 효과 의 발생 여부는 통상의 기술
‘ ’
을 인식하는 장치
전제 조건 음성 데이터 중에서 운율 데이터 피치 크기 억양 와 비언어 데
[ ] ( , , )
- 36 -
☞ 출원발명과 인용발명은 입력 정보로부터 사용자의 감성 정보를 검출하는
점에서 기술분야가 동일하고 학습모델로 모델을 사용함이 동일하다
, LSTM .
서 추출한 토마토의 색상 채도 형상
(Hue),정보를 딥러닝 (Chroma), (Shape)
류하는 장치
인용발명 컴퓨터가 토마토의 상품성을 분류하는 방법에 있어서 토마토
[ 2] ,
- 37 -
명 은 색상 및 채도 데이터를 학습 데이터로 하고 있는 바 양 발명 간 형
1 ,
- 38 -
인공지능 관련 분야 특허 심사 사례
본 장은 기계학습 기반의 인공지능 관련 발명에 관한 심사 사례를 설 (AI)
화 방법 학습 모델 생성 방법 등이 있다
, .
또는 를 활용한 발명 등이 있다
AI BM .
유의사항
[ ]
- 39 -
○ 사례 목록
발명의 명칭 특허 요건 판단
1. 기계학습을 이용한 주택의 온도 자동 § 42(3)(1) X
제어 시스템 § 42(4)(1) X
2. 도시 교통 속도 예측 시스템 § 29(2) ○
청구항 [ 1] X
로봇 청소기의 제어 방법 §
29(2)
청구항 ○
3.
[ 2]
4. 실시간 용접 품질 검사 장치 § 29(2) X
청구항 [ 1] X
5. 기계 학습에 기초한 골 연령 판독 장치 §
29(2)
청구항 [ 2] ○
- 40 -
사례 1 기계학습을 이용한 주택의 온도 자동 제어시스템
전제]
[
청구항 1]
[
- 41 -
상기 학습모델 생성부에 따라 생성된 기계학습모델을 이용하여 상기 수집부 ,
발명의 설명]
[
농도 정보 등에 관한 정보가 포함되어 있다 .
- 42 -
데이터와 비교하되 기계학습모델을 이용하여 현재 습도 데이터로부터 예측
,
도면]
[
----------------------------------------------------------------------------------------------------------
결론]
[
않은 것으로 판단될 수 있다 .
---------------------------------------------------------------------------------------------------------
판단 이유1(제42조제3항제1호)]
[
실시 예는 기재되어 있지 않다 .
- 43 -
입력 데이터와 학습된 모델의 출력 데이터 간의 상관관계가 구체적으로 기
재되어 있지 않을 경우 발명의 설명은 통상의 기술자가 기술적인 상관관계
,
없다 .
보정방안]
[
- 44 -
절감하는 효과」를 입증하지 못하면 해당 거절이유를 해소하지 못한다 .
---------------------------------------------------------------------------------------------------------
판단 이유2(제42조제4항제1호)]
[
수 없다 .
- 45 -
사례 2 도시 교통 속도 예측 시스템
청구항 1]
[
도시 교통 속도 예측 시스템에 있어서 ,
발명의 설명]
[
- 46 -
【해결하려는 과제】
정확한 도로의 교통 속도를 예측하기 위해 지능형 교통시스템 의 검지변 (ITS)
【과제의 해결 수단】
지능형 교통시스템 지리정보 시스템 및 기상정보 시스템을 통해 제공되
(ITS),
- 47 -
이다 물론 모수를 조정하여 데이터 군집의 패턴을 긴밀하게 반영할 수 있지
.
만 이는 오버 피팅 의 문제를 초래할 수 있다
(over fitting)2) .
ANN는 모델 구조 에 각각 저장된다 DB .
후술하기로 한다 .
도면]
[
- 48 -
도 일 실시예에 따른 클러스터링 개념을 설명하는 도면
1 :
도 도시 교통 속도 예측 시스템의 동작방법
2 :
---------------------------------------------------------------------------------------------------------
출원시의 기술상식]
[
인공신경망 과 다층 퍼셉트론
(ANN) (MLP) 은 용어의 표현의 차이만 있을 뿐
양 기술은 실질적으로 동일하다 .
인용발명]
[
- 49 -
교통량이 많은 도심구간에 있어서 요일정보 시간정보 강수유무 점유율 교 , , , , ,
다 .
--------------------------------------------------------------------------------------------------------
결론]
[
있다 .
---------------------------------------------------------------------------------------------------------
판단 이유]
[
공통점
( )
- 50 -
기상정보 및 공사정보를 포함한 학습데이터가 실질적으로 동일하다
, .
차이점
( )
가 있다 .
차이점에 대한 판단
( )
- 51 -
사례 3 로봇 청소기의 제어 방법
【청구항 】 1
로봇 청소기의 제어 방법으로서 ,
을 학습시키는 단계
networks) ;
---------------------------------------------------------------------------------------------------------
- 52 -
【청구항 】 2
청구항 에 있어서
1 ,
더 포함하고 ,
재설정하는 단계 ;
로봇 청소기의 제어 방법 .
【발명의 설명】
【해결하려는 과제】
본 발명의 목적은 로봇 청소기가 컴퓨터 비전 기술을 통해 현재 위치한 지
점을 명확하게 파악하고 현재 위치에 기반을 둔 주행 경로 재설정을 통해
,
【과제의 해결 수단】
로봇 청소기 학습 단계에서 로봇 청소기가 전체 청소영역에 대하여 주행을
진행하며 각 영역별로 구분하여 주변 영상들을 수집하되 각각의 영역에서
, ,
- 53 -
습 데이터를 이용하여 로봇 청소기 내 합성곱 신경망을 학습시킨다 합성곱 .
도면]
[
- 54 -
---------------------------------------------------------------------------------------------------------
출원시의 기술 상식]
[
순환 신경망
Networks), 중 하나를 선
(RNNs, Recurrent Neural Networks)
인용발명]
[
이미지 수집 단계 ,
습 단계와 ,
- 55 -
통해 학습된 인공신경망에 입력하는 단계 ,
---------------------------------------------------------------------------------------------------------
결론]
[
될 수 있다 .
있다 .
---------------------------------------------------------------------------------------------------------
- 56 -
차이점)
(
가 있다 .
차이점에 대한 판단)
(
효과가 있는 것으로 볼 수 없다 .
---------------------------------------------------------------------------------------------------------
차이점)
(
- 57 -
차이점에 대한 판단)
(
- 58 -
사례 4 실시간 용접 품질 검사 장치
청구항
[ 1]
실시간 용접 품질 검사 장치로서 ,
실시간 용접 품질 검사 장치 .
- 59 -
【발명의 설명】
【해결하려는 과제】
본 발명의 목적은 실시간으로 용접 비드 품질 검사를 균질하게 수행하고 불
량 감지 시 즉시 용접을 중단함으로써 용접의 품질공정을 관리할 수 있는
실시간 용접 품질 검사 장치를 제공하는 것이다 .
【과제의 해결 수단】
용접기 가 용접을 수행하면 영상신호 수집부 가 용접된 부위인 용접
(10) , (110)
드의 골과 언덕 간 너비 용접 비드의 골 각도 용접 비드의 골 곡률 중 적
, ,
도면]
[
- 60 -
---------------------------------------------------------------------------------------------------------
인용발명 1]
[
- 61 -
인용발명 2]
[
---------------------------------------------------------------------------------------------------------
결론]
[
는 것으로 판단될 수 있다 .
---------------------------------------------------------------------------------------------------------
[판단 이유]
(공통점 )
- 62 -
차이점)
(
골과 언덕 간 너비 용접 비드의 골 각도 용접 비드의 골 곡률 중 하나 이
, ,
차이점에 대한 판단)
(
있다 .
- 63 -
사례 5 기계 학습에 기초한 골 연령 판독 장치
청구항 1]
[
골 연령 판독 장치에 있어서 ,
---------------------------------------------------------------------------------------------------------
청구항 2]
[
- 64 -
단계 ;
추출하는 단계 ;
발명의 설명]
[
나 더 성장할 수 있는지 등을 알 수 있다 .
【해결하려는 과제】
수골 手骨 영상에 대하여 기계 학습에 기초한 영상 처리를 이용하여 정확하
( )
【과제의 해결 수단】
골 연령 판독 장치는 사람의 수골 手骨 이 포함된 영상을 입력받아 기계 학
( )
- 65 -
습을 통하여 골 연령을 판독하여 출력할 수 있다 골 연령 판독 장치는 수골 .
을 추출한다 .
포함한다 .
- 66 -
일 실시예로서 골 연령 판독 장치는 제 관심영역을 추출하는 단계에서 입 1
로 추출한다 .
수의 제 관심영역들은 손목 부위 주요 관심영역에서 요골
2 및 척골 (Radius)
골 (1st 엄지 근위부 지골
Distal 및 엄지 중
Phalanx), (1st Proximal Phalanx)
Distal 소지 중간부 지골
Phalanx), 소지 근위부 지골 (5th Middle Phalanx),
(5th 및 소지 중수골
Proximal 관심영역을 추출할
Phalanx) (5th Metacarpal)
수 있다 .
출단계를 더 포함한다 .
면 , 을 사용할 수 있다
ZFNET .
- 67 -
추출된 상기 특징맵에 슬라이딩 윈도우 기법을 적용하여 각 위치에 대한 연
산을 수행하여 특징 벡터를 생성하고 생성한 특징 벡터를 이용하여 제 관 , 2
심영역을 추출한다 .
의 합집합 넓이 를 미리 설정된 기준 예를 들면
(IoU; Intersection of Union) , ,
를 추출한다 .
등급을 분류한다 .
들면 알렉스 네트
, 브이지지 네트 일 수 있다
(Alex net), (VGG net) .
하고 이를 골 연령으로 환산할 수 있다
, .
- 68 -
도면
[ ]
- 69 -
출원시의 기술상식]
[
인용발명 1]
[
각각 추출한다 .
- 70 -
인용발명 2]
[
--------------------------------------------------------------------------------------------------------
결론]
[
는 것으로 판단될 수 있다 .
으로 판단될 수 있다 .
---------------------------------------------------------------------------------------------------------
- 71 -
령을 판독하는 점에서 실질적으로 동일하다 .
차이점)
(
차이점에 대한 판단)
(
- 72 -
---------------------------------------------------------------------------------------------------------
공통점)
(
차이점)
(
차이점에 대한 판단)
(
- 73 -
을 적용하여 골 등급을 분류하는 구성을 도출할 수는 있지만 청구항 발명 , 2
고 볼 수 없다 .
- 74 -