일본 내 AI관련 발명(분홍색 막대 그래프)은 2014년 이후 급격하게 증가해 2019년에는 약 5,000건에 달했다. 또한 특정 계산모델 방식의 컴퓨터 시스템에 부여하는 특허 코드인 'G06N'이 부여된 출원(노란색 막대 그래프)도 꾸준히 증가해 2019년은 약 2,100건을 기록했다.

<그림1 AI관련 발명 일본 출원 건수 추이>

(단위 : 건)

자료: JPO, 일본 AI관련발명 출원상황 조사 보고서 일부발췌

AI 관련 발명은 이른바 제2차 AI 붐의 영향으로 1990년대 전반에 '특허 출원 붐'이라고 할 수 있는 상황이 발생했으나, 이후 20년 가까이 출원 건수는 저조한 상태였다. 제2차 AI 붐에서 유행한 것은 지식 기반 모델, 전문적 분석을 지원하는 엑스퍼트(expert) 시스템 등의 기술이지만, 사전에 모든 사상의 규칙을 컴퓨터에 학습시키는데 많은 어려움이 따라 붐은 오래 지속되지 않았다. 또한 예전부터 뉴럴넷(neural net, 인공 신경망)에 대한 연구도 활발히 진행돼 왔지만 성능의 한계로 인해 이 또한 일시적인 것으로 보고 있다.

G06N이 부여된 출원 중 G06N3/02-3/10 또는 G06N20/이 부여된 출원 비율을 기계학습률로 하여 그 추이를 나타낸 것이 그림2이다. 다년간 50~60% 정도로 추이하던 기계학습률은 2013년경부터 상승해 2019년에는 90%에 이르고 있다. 최근의 AI 관련 발명은 통상, 기계 학습에 의해서 실현되고 있는 것을 알 수 있다.

<그림2 기계 학습률 추이>

(단위: %)

자료 : JPO, 일본 AI관련발명 출원상황 조사 보고서 일부발췌

제3차 AI 붐이 생긴 요인은 기계학습에서 과학습을 억제하는 방법의 개발과 계산기의 성능향상과 데이터 유통량의 증가로 AI 관련 이론의 실용화가 가능해진 것으로 알려져 있다. 예를 들면, 심층 학습의 간인, 뉴럴 넷(neural net)의 다층화라고 하는 발상 자체는 수십년 전부터 있었지만, 막대한 계산 코스트가 문제가 되어 지금까지 연구가 진행되지 않았다. 그러나 2012년에 캐나다 토론토 대학 팀이 세계적인 화상인식 경연대회인 ILSVRC(ImageNet Large Scale Visual Recognition Competition)에서 심층학습을 사용하여 압승을 거둔 것이 하나의 계기가 되어, 지금에 이르는 제3차 AI 붐이 일어나고 있다.

AI 관련 발명의 특허 사정률(그림3)은 2004년 이후 매년 상승하고 있으며, 최근에는 80% 전후에서 꾸준히 진행되고 있다.

<그림3 AI관련 발명 특허사정률 추이>

(단위 : %)

자료: JPO, 일본 AI관련발명 출원상황 조사 보고서 일부발췌

최근의 AI 관련 발명의 출원 증가의 최대의 요인인, 심층 학습(딥러닝) 기술의 출원 상황을 조사한 결과는 다음과 같다. 심층학습에서 언급하는 AI 관련 발명은 2014년 이후 급증하였으나 2018년부터 2019년에 걸쳐 약간 감소했다. 그림 4는 심층학습기술 중에서도 특히 중요하고 빈번하게 이용되는 방법인 다음 3가지 방법의 AI 발명의 출원건수 추이를 나타내고 있다.

<그림4 개별 심층학습 기술에 언급된 AI관련발명 출원건수 추이>

(단위 : 건)

자료: JPO, 일본 AI관련발명 출원상황 조사 보고서 일부발췌

(1) 압축 뉴럴넷(Convolutional Neural Network; CNN)입니다.

(2) 재귀뉴럴넷(Recurrent Neural Network; RNN) 또는 RNN의 확장인 장단기 기억(Long Short Term Memory; LSTM)

(3) 심층 강화 학습

 그림 4에서는 CNN 및 RNN 또는 LSTM은 2018년부터 2019에 걸쳐 감소 또는 제자리걸음을 하고 있으나, 심층강화학습은 건수는 적지만 계속 증가하고 있음을 알 수 있다. CNN은 동영상 인식 처리 / RNN 및 LSTM은 음성 인식 및 텍스트 처리 / 심층 강화 학습은 시스템 제어 및 최적화와 친화성이 높은 것으로 알려져 있으며, CNN은 G06T(화상처리)나 H04N(영상처리)의 분류가 눈에 띄고, RNN·LSTM는 G10L(음성처리)나 G06F17/20-28(자연언어처리)의 분류가 두드러진다. 심층 강화 학습은 건수 자체는 적지만 G05B(제어계·조정계 일반), B25J(매니퓰레이터)라고 하는 제어계의 기술에 자주 이용되고 있는 것을 알 수 있다.