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.

SW, AI 등으로 인한 사회적 변화는 교육에도 영향을 미치고 있다. 변화하는 기술이나 산업에 대응하기 위한 교육과정의 변화는 교사들의 역량 강화에 대한 요구로 이어지고 있다. 이에 본 연구는 개정될 교육과 정에 적응할 수 있도록 교사의 AI 관련 융합 역량 강화를 위한 교육과정을 개발하기 위한 목적으로 진행되 었다. 목적 달성을 위해 18개의 국내외 대학의 AI 관련 교육과정을 분석하였다. 분석 결과를 토대로 초중등 교사를 위한 AI융합 교육과정을 개발하였다. 초중등 교사들을 위한 교육대학원의 AI융합 교육 교육과정은 6개 영역에서 총 28개의 과목으로 개발하였다. 필수 영역을 비롯하여 AI교육 방법론, 소프트웨어 입문, 인공지능을 위한 프로그래밍, 데이터과학과 기계학습, AI와 교육의 6개의 영역이다. 각 영역은 3개에서 8개의 과목으로 구성되었다.

인공지능이란 기계가 인간과 동일하게 사고하기 위한 기술을 말하며, 과거부터 인공지능 기술에 대한 개념은 존재하였지만 2010년 이후 빅데이터 관련 기술, 클라우드 컴퓨팅 관련기술, 네트 워크 관련기술의 급진적이고 비약적인 발전 때문에 최근에 4차 산업혁명의 핵심이 되었고 앞으로는 엄청난 영향력을 가지게 될 기술이다. 인공지능 관련 발명의 특허법적 문제를 살펴보기 위해 우선 IP5 각국에서의 소프트웨어 발명에 대한 특허 적격성 판단을 각국 규정과 사례를 통해 간단하게 검토한다. 이후에, 인공지능 관련 발명의 특수성을 추가로 살펴본 후, 이를 고려한 특허법상 유의사항으로서 특허 적격성 판단 등 특 허권 인정을 위한 제반 이슈, 인공지능 관련 발명의 하위 요소들의 특허로의 보호가능성, 인공지능 관련 발명의 특허권의 권리행사의 실효성 문제들을 간단하게 고찰해 본다. 뒤이어, 비중을 가장 높게 두고 살펴보고 싶었 던 IP5 각국의 인공지능관련 심사기준 개정 동향을 구체적으로 살펴본다. 미국의 동향으로는 2019년 초에 수정된 특허적격성 가이드라인을, 유럽의 동향으로는 2018년 11월 개정된 심사 가 이드라인에 추가된 인공지능 기술 관련 정의 내용을, 중국의 동향으로는 2017년 개정 심사지침의 컴퓨터 프로그램에 대한 특허적격성 확대 내용을, 일본의 동향으로는 2018년 개정된 SW발명 심사기준과 2018/2019년 추가된 심사핸드북 개정내용을, 우리나라의 동향으로는 4차 산업혁명 관련 신특허분류체계 수립과 2018년 개정된 심사기준의 내용을 살펴보았다.

4차 산업혁명과 관련된 새로운 기술들은 다양한 법적 이슈를 낳으면서 입법자들과 법률가들을 곤란하게 만들고 있다. 특히 인공지능의 출현은 기존 지식재산권 보호 체계에 큰 혼란을 야기하고 있다. 인공지능을 발명자 또는 저자로 인정할 수 있는지 문제에서부터 인공지능이 지식재산권을 침해했을 때 발생하는 책임 소재와 구제 방법 문제까지의 다양한 법적 이슈들은 지금까지 없었던 지식재산권법의 근본적인 영역에 대하여 물음을 던지고 있는 것이다. 이에 본고에서는 인공지능 창작물의 보호 방안에 관한 다양한 선행연구를 분석하였고, 분석 결과 인공지능 창작물의 지식재산권법상 보호 방안에 대하여 뚜렷한 해결책이 없이 다양한 의견이 제시되고 있음을 확인하였다. 뚜렷한 해결책이 제시되지 못한 이유는 현행법의 해석론상 불명확성을 제거하기에 한계가 있기 때문인 것으로 판단 되었다. 이런 불명확성을 해소하기 위해 인공지능 창작물의 지식재산권법상 보호 정당성 문제를 깊이 들여다보았다. 현재 지식재산권 정당화의 이론적 근거로 받아들여지는 인센티브 이론은 인간 발명자 또는 저자를 전제로 하여 발전한 이론으로, 인센티브가 필요 없는 인공지능에게 인센티브 이론을 근거로 한 지식재산권 보호 체계는 적합하지 않다는 결론에 도달하였다. 따라서 인공지능 창작물을 지식재산권법에서 보호하기 위해서는 기존의 정당화 이론에 새로운 변화나 수정이 필요하며, 이런 변화나 수정에는 지식재산권의 보호로부터 파생되는 결과의 공유와 확산을 중시하는 실용주의 이론(Investment Theory)의 시각을 강조하는 것이 타당한 것으로 분석되었다. 선행연구에 대한 분석과 보호 정당화 이론에 대한 고찰을 기초로 지식재산권법상 인공지능 창작물의 보호 프레임워크에 대한 새로운 방향 또는 시각을 검토하였다. 그 결과 인공지능 창작물의 ‘생산’과 ‘이용’ 중에서 실용주의 이론을 기초로 ‘이용’이라는 공익적 측면을 강조해 누구나 인공지능 창작물을 사용할 수 있도록 하되 그 사용에 대한 로열티를 지불하는 약한 보호의 인센티브로 인공지능 관련자들을 유인하여 인공지능 산업의 발전과 혁신을 이룰 수 있는 새로운 보호 프레임워크를 제안한다. 일예로, 인공지능이 인간의 개입이 없이 창작한 결과물은 소유자를 정할 수 없으므로 국유재산으로 처리하되, 로열티 지불시 누구나 사용할 수 있도록 하고, 로열티의 일부를 인공지능 산업 발전에 지원되도록 제도화하는 것을 고려해볼 수 있다. 이와 같은 새로운 보호 프레임워크 설계에는 표준기술의 ‘이용’을 장려하는 표준특허제도가 참고가 될 수 있을 것으로 생각 된다.

악성 게시글 및 댓글의 위험성에 대한 사회적 경각심이 높아지고 있는 상황 속에서, 인터넷 포 털 사이트와 SNS 등은 악성 게시글 및 댓글 등 을 AI를 통하여 필터링하는 기능을 도입하고 있 다. 그 과정 속에서 AI가 어떠한 기준에 따라 필 터링을 하는지 구체적인 내용이 공개되지 않아 이용자들의 반발이 계속되고 있다. AI 필터링의 확산은 불가피하게 이용자의 표 현의 자유, 알 권리를 제약하는 결과로 이어진다. 특히 AI 필터링은 인간에 의한 필터링과 달리 필 터링 결과에 이른 근거가 무엇인지 인간이 이해 할 수 있는 방법으로 인간에게 전달하는 것이 어 렵다는 점에 특징이 있다. 설명가능 인공지능(XAI)은 이용자에게 시스 템의 개별 의사결정에 대한 설명을 제공하고, 이 용자가 AI 시스템의 전반적인 강점 및 약점을 이 해하도록 도와주는 기술이며, 미국 방위고등연구 계획국(DARPA)의 주도하에 연구가 진행되고 있다. XAI는 다양한 분야에서 이용자로부터 신뢰 를 얻고 사회적 수용을 위한 공감대를 형성하는 수단이 될 것으로 예상된다. EU의 일반개인정보보호규정(GDPR)은 정보 주체들이 인공지능 알고리듬이 어떻게 결과를 도 출하는지에 대한 설명을 요구하는 근거규범을 포 함하고 있다. 설명요구권과 자동화된 의사결정을 제한할 권리를 규정함으로써 정보주체의 기본 권 리를 보장하기 위한 규제 메카니즘을 구축하였다. 이로써 XAI 개발과 설계를 위한 노력이 긴요한 과제가 되었다. GDPR의 AI 규제 메카니즘 구축이 기술 발전 을 저해하는 효과를 낳을 수 있다는 부정론도 제 기되고 있다. 하지만 AI 알고리듬의 오류 발생 가 능성이 상존하므로, AI 필터링의 신뢰도를 확보 하기 위한 근거 설명의 필요성이 크다는 점에서 AI의 알고리듬 도출 결과의 근거를 요구할 수 있 는 입법이 긴요하다고 볼 수 있다.

Artificial intelligence (AI) has been applied to most industries by enhancing automation and contributing greatly to efficient processes and high-quality production. This research analyzes the applications of AI-based automobile accident prevention systems. It deals with AI-based collision prevention systems that learn information from various sensors attached to cars and AI-based accident detection systems that automatically report accidents to the control center in the event of a collision. Based on the literature review, technological and institutional changes are taking place at the national levels, which recognize the effectiveness of the systems. In addition, start-ups at home and abroad as well as major car manufacturers are in the process of commercializing auto parts equipped with AI-based collision prevention technology.

선박은 충돌방지를 위해 해상충돌예방규칙에 의해 운항한다. 하지만 다수의 선박이 동시에 운항하는 특수상황 시에는 해상충 돌예방규칙을 적용하기 곤란하며 이때는 운항자의 개인능력에 의한다. 이러한 경우 해상교통관제를 통한 교통상황 관리가 필요하다. 이에 전 세계적으로 VTS(Vessel Traffic Services)를 통해 해상교통이 관리되고 있으며 운용 방법은 관제요원이 VTS 시스템을 이용하여 위험상황을 판단하고 통신시설을 이용하여 선박들에게 안전운항을 권고한다. 이 연구에서는 기존 방법에 AI(Artificial Intelligence) 기법을 추가하여 운항자의 관점에서 위험상황을 판단하는 방법에 대해 고찰한다. 또한, 관제 효율성 증대를 위해 AR(Augmented Reality)기법을 추가한 해상교통안전모니터링 시스템에 대해 설명한다. 이 시스템은 위험상황 및 위험 우선순위 예측이 정량적으로 가능하여 복잡한 교통상황시 실제 운항자가 충돌회피하는 방법과 동일한 순차적 위험상황 해소가 가능하다. 특히, 위험상황을 관제요원의 관점뿐만 아니라 각 선박의 운항자의 관점에서 분석할 수 있어 기존의 방법보다 실제적이다. 또한, 분석결과를 통해 정량적인 위험수역 파악이 가능하여 충돌회피를 위한 권고항로 지원이 가능하다. 결과적으로 이 시스템은 해상교통상황이 복잡한 해역에서의 선박간 충돌방지에 도움이 될 것이다. 특히, 해양분야 제4차 산업혁명에 주요한 분야를 차지하는 자율운항선박에 충돌방지 기능으로 사용될 수 있을 것이다.