[AI] OpenAI 공개특허에서 찾은 AI 서비스의 보호 가능한 구성

OpenAI의 텍스트·코드 임베딩 특허를 출발점으로, 모델을 구현하는 데이터 구성과 학습 관계를 살펴봅니다.

핵심 요약OpenAI 임베딩 등록특허는 벡터화 자체보다 양성·음성 학습쌍과 대조학습의 연결을 청구합니다. 독립항과 종속항을 구분해 자사 학습·API 사용방식과 비교합니다.경쟁사의 특허는 개발 중인 기능과 관련된 권리를 찾는 자료이면서, 자사가 아직 출원하지 않은 기술을 발견하는 자료이기도 합니다. 유명 AI 기업의 특허에서도 한 발명을 어떤 기술 단위로 나누고 무엇을 청구했는지 읽어야 이러한 판단에 활용할 수 있습니다.OpenAI의 텍스트·코드 임베딩 특허에서는 검색에 활용되는 기술을 데이터 구성과 학습 과정의 관계로 설명합니다. 이 관계를 자사 구현과 비교하면 모델을 직접 개발하는 기업과 이를 활용하는 기업 모두 자신의 기술적 기여를 구체적으로 살펴볼 수 있습니다.서비스 이름을 처리 단계로 풀어 봅니다AI 서비스를 특허 관점에서 볼 때 챗봇이나 생성형 AI라는 이름은 너무 넓습니다. 입력 데이터를 만들고, 학습 목표를 정하고, 벡터로 표현하고, 검색과 출력에 사용하는 과정은 서로 다른 기술 문제를 가질 수 있습니다. OpenAI의 공개 특허를 읽는 목적도 유명 기업의 특허 수를 세는 데서 끝나지 않습니다.한 공보가 보여주는 분석의 단위US12073299B2의 독립항 1은 비라벨 데이터에서 일정 거리 안에 있는 데이터 단위들을 양성 쌍으로 만들고, 음성 쌍과 함께 벡터로 변환하는 구성을 담고 있습니다. 생성 언어모델을 포함한 사전학습 모델로 초기화한 뒤 대조학습을 수행하고, 자연어 질의에 의미 유사성 결과를 제공하는 흐름까지 연결합니다. 따라서 분석의 초점은 임베딩이라는 이름보다 학습 쌍을 구성하는 기준과 모델의 초기화·학습·활용을 묶은 관계에 있습니다.독립항과 종속항이 나누는 임베딩 기술의 경계OpenAI 미국 등록특허 US12073299B2 제1항을 실제 처리 순서로 풀면, (1) 라벨 없는 원자료 안에서 미리 정한 거리 기준을 만족하는 두 데이터 단위를 양성 학습쌍으로 확보하고, (2) 양성 쌍과 대조할 음성 쌍을 벡터로 표현하고, (3) 생성 언어모델을 포함하는 사전학습 모델로 초기화하여 대조학습을 수행하고, (4) 자연어 유사성 질의를 받아 임베딩 공간에 기초한 결과를 생성하는 연쇄입니다. 단순한 ‘텍스트를 임베딩으로 변환한다’는 단계보다 학습쌍의 생성조건·대조학습·질의 이용이 결합되어 있다는 점이 중요합니다.제6항은 양성쌍 데이터 간 유사도 점수 산출을, 그 종속 제7항은 코사인 유사도를 추가합니다. 제9항은 사전학습 생성모델을 GPT와 코드 모델로 더 구체화합니다. 따라서 코사인 유사도 또는 GPT라는 이름이 제1항의 모든 구현에 반드시 포함되는 독립 필수구성이라고 설명하면 안 됩니다. 역으로 제품이 코사인 유사도만 사용한다는 사실만으로 위 제1항의 학습쌍 구성과 대조학습까지 수행했다고 판단할 수도 없습니다.예를 들어 외부 임베딩 API만 호출하는 검색 서비스와, 비라벨 코드에서 근접한 두 구문을 양성쌍으로 자동 추출하여 자체 모델을 대조학습시키는 서비스는 사용자에게는 비슷한 검색결과를 보여줄 수 있어도 실제 수행하는 단계가 다릅니다. 모델을 누가 학습했는지, 어떤 기준으로 양성·음성쌍을 만들었는지, 어느 주체가 유사성 질의를 처리하는지를 기술기록으로 나누면 청구항의 필수구성과 자사 발명 후보가 더 분명해집니다. 이는 공개 청구항 독해의 예이며 특정 제품의 침해나 자유실시 판정은 아닙니다.우리 회사에 적용할 질문우리 서비스에서 개선된 것은 모델 자체인가, 학습용 쌍을 만드는 방법인가, 검색에 사용할 표현인가, 결과를 선택하는 과정인가를 나누어 봅니다. 이렇게 발명 단위를 나누면 각각에 대응하는 선행기술을 찾고, 자사 기술의 차이를 청구항으로 구체화할 수 있습니다. 모델을 직접 개발하지 않는 기업도 자체 처리 구조가 무엇인지 구체적으로 설명할 수 있어야 합니다.분석을 출원 목록으로 바꾸려면경쟁사 공보와 자사 기능을 대조할 때에는 공개일·우선일·국가·패밀리를 기록하고, 관련성이 있는 청구항과 명세서 위치를 남깁니다. 등록 건수와 현재 유효한 권리를 섞지 않는 것도 중요합니다. 인트로는 기업이 실제로 구현한 기능과 앞으로 개발할 후보를 구분해 지금 확보할 권리와 후속 검토 대상을 정리합니다.등록 제1항과 종속항이 기술범위를 나누는 지점OpenAI US12073299B2의 독립 제1항은 비라벨 데이터 내 거리조건을 이용한 positive pair, negative pair, 사전학습 생성언어모델에 기초한 대조학습, 질의 입력 및 의미적 유사성 결과를 연속된 단계로 청구합니다.등록항별도로 읽을 조건제1항학습쌍을 만들고 벡터로 전환한 뒤 대조학습·질의 결과까지 수행제7항 (제6항 인용)두 벡터 사이의 코사인 유사도제9항사전학습 모델로 GPT 및 코드 모델을 명시완성된 외부 임베딩 API를 호출하기만 하는 서비스와 양·음성쌍 데이터셋을 구축해 임베딩 모델 자체를 학습시키는 제품은 실제 처리행위가 다릅니다. 청구항과 제품 코드·학습 로그의 대응을 나눌 때 이러한 구분이 중요합니다.인트로 인사이트경쟁사의 특허를 읽을 때는 기술을 발명으로 구성한 방법을 자사 개발에 대조해 볼 수 있습니다. 개선 기능 하나를 골라 데이터 준비와 모델의 학습·활용 과정에서 직접 바꾼 부분을 표시하고 선행기술과 비교하면 출원 후보가 구체화됩니다. 공보의 분석 결과가 자사 기술 중 무엇을 권리로 확보할지 결정하는 근거가 되어야 합니다.관련 자료OpenAI US12073299B2 공보특허법 제29조·제42조특허법인 인트로 AI·소프트웨어팀관련 전문가: 강대환 변리사노타 AI 특허와 연결된 인트로의 명세서 작성 특별상·수행평가 1위AI·소프트웨어 전문분야 · 인사이트 목록

AI·소프트웨어,AI 특허,인트로,강대환