인공지능 및 머신러닝도 소프트웨어의 일종이므로 미국의 소프트웨어 발명의 특허적격 관련 판결들을 참고할만하다. Alice 판결 이후 미국 CAFC는 컴퓨터 관련 발명에 대한 특허 적격성을 부정하는 다수의 판결들을 내렸으나, 반대로 특허 적격성을 긍정한 판결들도 있다. 머신러닝의 특수성을 감안하여 특허적격을 검토하기 위해서, 학습 데이터, 학습 알고리즘 및 학습완료 모델로 나누어 살펴본다. 먼저 학습데이터 관련하여, 데이터 그 자체만으로는 특허적격을 인정받기 어렵지만 데이터 간의 구조적 상호관계가 정의되어 이로 인해 컴퓨터가 특정한 기능을 수행할 수 있다면 이는 컴퓨터 프로그램에 준하여 볼 수 있다. 학습 알고리즘에 관하여서는, 최근 미국의 하급심에서 그 발명이 특정 분야나 응용과 관계가 없고 단지 기계를 통한 데이터의 실행일 뿐이어서 일반적인 추상적 개념이라는 이유로 특허적격을 부정한 사례가 있다. 또한 학습완료 모델은 학습 알고리즘에 기반하여 구체적인 학습 데이터를 이용해 학습이 완료되어 파라미터가 조정된 결과이므로, 학습 알고리즘과 유사하게 특허적격성 문제를 판단 할 수 있다고 보인다. 다만, 학습이 완료된 경우는 특정한 기술분야에 인공지능을 구체적으로 접목시킨 경우가 많을 것으로 예상된다. 우리나라의 경우 아직 인공지능 발명의 특허적격이 문제된 사례가 없는 것으로 보이고, 특허청의 심사기준에도 인공지능 발명의 성립성에 구체적인 기준이 없다. 특허청의 심사기준을 구체적인 사례와 함께 명확히 하는 것이 필요해 보인다.

이 논문은 2010년 6월 28일 미국의 연방대법원에서 내려진 Bilski v. Kappos, 177 L. Ed. 2d 792 (2010) 사건에 대한 판결의 의미와 한국 게임법제도 및 게임 제작상의 시사점을 살펴본 것이다. 이 사건에서 연방대법원은 석유 등 에너지 재화시장에서 급격한 가격의 인상 또는 인하로 인하여 상품 판매자 또는 소비자가 겪게 되는 위험을 회피하는 방법에 대하여 특허청구를 하였으나, 이러한 청구대상은 추상적 아이디어에 해당하는 것으로서 특허거부 결정은 적절하다는 판결을 내렸다. 본 연구에서는 상기의 판결에서 채택된 법리를 바탕으로, 특히 컴퓨터 게임 제작 후 방법발명으로 특허출원을 하고자 하는 경우에 특허적격성을 갖출 수 있도록 게임 제작시에 고려해야 하는 요소들에 대하여 검토하였다. 그리고 상기 판례에서 다룬 쟁점사항을 분석하고, 이를 바탕으로 하여 게임제작자가 효과적으로 특허출원을 할 수 있는 바람직한 방안에 대하여 연구하였다.