比利時法院對網路搜尋引擎巨擘被控侵害著作權乙案，判決Google敗訴
比利時法院針對報業出版組織Copiepresse控告網路搜尋引擎巨擘Google侵害著作權一案，於二月十三日做出一審判決。該法院認為 Google未取得授權，在Google News新聞搜尋之服務中片斷重製原告之報導內容，並以重製的方式將受到保護之著作傳播給公眾，該行為已侵害到Copiepresse之著作權。法院除了下令Google刪除搜尋引擎中所出現的新聞報導片斷，並按該網站刊登的時間為基準，計算一天兩萬五千歐元的賠償金，Google應給付總金額高達三百四十五萬歐元的賠償金於Copiepresse。
Google的主要答辯指出，其係為協助使用者在該網站上尋找資訊的搜尋引擎，而非擁有自己資訊的入口網站。Google News也只針對使用者所輸入之搜尋關鍵字所做出之新聞頭條匯集及文章聯結，該行為應受到著作權法中「合理使用」(Fair Use) 之保護。而對搜尋結果之頭條、內容片斷及縮小圖片顯示，Google則抗辯此一作法已替Copiepresse網站吸引來更多想要閱讀全文之讀者，並為其締造更高的網路流量。
Copiepresse則主張，Google因在其網站刊登片斷重製之報導內容而受有廣告收益，就法律面而言已是侵害行為所得之利益。該組織的報導內容出現在Google的快取頁面，已使得該片斷的報導內容得自Google的網站中免費取得。通常許多報業僅將其報導文章的資料庫提供給付費會員瀏覽。
對此判決結果，Google已決定上訴。
全球媒體業者都對此判決密切注意。Google去年八月已和美聯社達成和解。而法國法新社去年三月控告Google的快取網頁侵害著作權乙案，目前仍在法院審理中。而其它入口網站公司YAHOO! 、AOL、Microsoft等已付費於法新社取得授權刊登其新聞文章內容。
麥當勞公司已申請McDonald’s 與Logo- M用於咖啡，更於九月份將其所販售的研磨咖啡與咖啡豆，以 “Mc Café” 申請商標註冊，意味著未來這間全球最大的漢堡連鎖店，將於店內甚或超市販售『麥當勞咖啡』。『如同大部份的企業，我們註冊許多商標用以保護我們的品牌資產！』麥當勞發言人 Danya Proud表示這並非奇聞。 近幾年，麥當勞成功的因素在於擴展它們的飲料事業，引進優質咖啡與水果冰沙，而選擇在全球速食連鎖店成長緩慢的時候，進入袋裝咖啡市場，亦是個創新手法。 星巴克的商標申請亦侵略性的跳脫普遍存在的咖啡廳而進入零售市場，一九九八年即開始自行經營袋裝咖啡事業，今年七月販售於超市、藥妝店、量販店的咖啡市占率更由25.6 %提升至28.2 %。 其實，麥當勞早在五年前即以 “Mc Café”，擴張咖啡與特色飲料事業，而此些利潤遠高於原本的速食餐點，且間接促使許多顧客駐足停留店內，也許是眼看Dunkin` Donuts於超市與自家甜甜圈店強力販售袋裝咖啡，讓麥當勞思考複製此模式。然而此舉也可能僅止為預防手段，如果麥當勞無意進入袋裝咖啡市場，“Mc Café ”商標也可以防止競爭者以『麥當勞品牌』販售咖啡。
WIPO的廣播協議激怒了podcasters英國支持一項由智慧財產權組織（World Intellectual Property Organization/WIPO）草擬的廣電協議（Treaty on the Protection of Broadcasting Organizations），引起一陣反對聲浪。反對者聲稱，這無疑是送給大財團一項操控媒體內容製作的新權利。 2006年6月21日，在西班牙召開的此項協議的討論會議，賦予無線、有線廣電業者和網路廣播業者一項全新的智慧財產權利。業者將對他們所傳輸的任何作品，擁有「五十年、類似著作權的權利（copyright-like rights）」。此協議的目的是為了讓法律更合乎時代性，特別是要處理數位傳送上所產生剽竊數位訊號的問題。不過，網路廣播業者和podcasters卻擔心，如果WIPO將該規範擴張到網路，將使原無需經過授權散播的作品，或者內容是獲得「Creative Commons」授權，可無限制次數的發表，在某些情況下更可不付費的作品，反將經過網路廣播的傳送，讓一些團體組織獲得新的權利。如此一來，恐怕除了限制民眾獲取文化知識的自由外，更會讓那些原屬於創作者和公眾的權利，落入廣電業者手中。Podcasters認為，podcasting 和廣播不能相提並論，更不該受同樣法規的規範。
從RFID的應用談科技變遷下的人權議題 合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。