英國OFCOM計畫推出適用於不同內容之分級識別標誌
英國財政大臣Gordon Brown在倫敦的一場演講中指出，OFCOM現正研擬制定一套適用於各種不同媒介之內容的分級識別標誌。未來不論電視節目、廣播節目、電影、電腦遊戲或者網站內容都可適用該分級識別系統，以幫助父母為家中的孩童過濾不適當的內容，保護孩童在數位化的時代仍可以遠離不適合的媒體內容。
在該場演講中，Gordon Brown 表示，身處在數位時代，父母越來越難掌握孩童所接觸的內容是否適當，但是在無法扭轉科技的進步前提下，應當善加利用新科技並使父母得以透過各種新科技繼續保有為孩童選擇適當的內容之控制權。
OFCOM的發言人僅透露該套分級識別系統不僅適用於所有種類的媒體內容，而且將以文字方式描述各種內容，例如特定內容之裸露程度為何，以作為視聽大眾決定是否接收該內容前的參考。另外，不同於現行的電影分級制度乃是以年齡作為不同等級內容的分級標準，未來OFCOM所推出的分級識別系統將無關乎年齡。不過OFCOM亦表示該分級識別系統的詳細內容目前尚未決定，仍在討論階段。
除了制定一套適用於所有內容的分級識別系統之外，OFCOM未來亦將透過電視廣告以及要求ISP業者配合向消費者宣導各種過濾軟體，以便消費者得以過濾網路上之色情猥褻或暴力之內容。
微軟在文書處理軟體的獨占鰲頭局勢已漸漸產生變化。 首先，昇陽（Sun）與Google簽下合作協議將推廣在網路上免費使用的文字處理軟體「OpenOffice」，兩家的合作對微軟OFFICE套裝軟體營收將會有很大的殺傷力。 再者，十月份正式推出的OpenOffice.org 2.0軟體，是第一套可穩定支援新XML開放文件格式（OpenDocument Format；ODF）標準的開放原始碼辦公室軟體。ODF是由OASIS（Organization for the Advancement of Structured Information Standards；結構化資訊標準推動組織）所制定的，採用XML儲存格式，具備共用性、跨平台等特性，並支援文書處理和資料庫等各種儲存格式。OpenOffice.org 2.0軟體還可以支援36國語言，又可在Microsoft Corp's Windows，Linux，Sun's Solaris等多家系統上執行 。 此外，美國麻薩諸塞州宣布自2007年起該州政府文件只能存成OpenDocument或Adobe的PDF兩種格式，因此該州所屬機關必須汰換不支援這2種格式的軟體，當然包括微軟OFFICE套裝軟體，如此一來微軟損失至少數百萬美元以上的商機。如果其他政府部門跟進，這不僅意味ODF的一大勝利，也將重挫微軟的龍頭地位。而Corel及Novell也重申支持OpenDocument格式。 此些舉動對於微軟的根基大業OFFICE套裝軟體可真是成心頭大患。
義大利正式加入歐洲單一專利制度歐盟執行委員會宣布義大利於2015年9月30日成為「加強合作系統(enhanced corporation)」的第二十六個會員國，加強合作機制是里斯本條約下的法律工具，且加強合作機制允許九個或更多的歐盟會員國使用歐盟的程序及架構來制訂約束這些會員國的協議。經由加強合作機制規劃來發展新的單一專利制度，義大利成為會員國後即加入單一專利制度，就專利登記來說，因義大利是歐洲第四大市場，但義大利曾經是少數不涉及推動新單一專利框架的歐盟國家之一且曾隨西班牙挑戰單一專利法規的合法性，故這是相當重要的突破。 委員會發言人並表示隨著義大利申請加入加強合作系統，義大利已簽署單一專利法規。西班牙與克羅埃西亞是目前唯二未採用單一專利法規的歐盟國家。單一專利法規提供支持新單一專利制度的法律框架。法規讓參與單一專利國家的所屬企業能藉由向歐洲專利局單一專利申請取得專利保護，而不需要到各個國家單獨申請專利。然而，單一專利保護將只應用於這些已簽署及認可單一專利法院協議及採用單一專利法規的國家。到目前為止有八個國家已認可單一專利法院：奧地利、法國、比利時、瑞典、丹麥、馬爾他共和國、盧森堡及葡萄牙。
英國發布《太陽光電發展路徑》政策報告，推動屋頂光電革命加速能源轉型英國工黨政府為解決當前民生、產業用電，過於仰賴化石燃料價格波動的社會課題，於2025年6月30日發布《太陽光電發展路徑：太陽能如何驅動英國》（Solar roadmap: United Kingdom powered by solar），透過62項具體的政策行動，減輕用電負擔，可視為歐盟《可負擔行動計畫》（Action Plan for Affordable Energy）的英國光電版本。 為實現2024年年末發布的《2030潔淨電力行動計畫》（Clean Power 2030 Action Plan）的政策目標，即2030年從目前裝置容量18GW，提升到45至47GW，該報告宣示將啟動「屋頂光電革命」（Rooftop Revolution），克服長久以來阻礙商業、住宅與公共建築物屋頂布建的障礙，政策方向擬定如下： 1. 發展「大英能源公司」（Great British Energy）的潛力，如目前已推動英格蘭約200所學校、醫院等安裝屋頂太陽能，降低電費支出。 2. 預計將修訂新建、既有住宅的《溫暖住宅計畫》（Warm Homes Plan）與《未來住宅與建築標準》（Future Homes and Buildings Standards），如規範新建築物裝設太陽光電的義務。 3. 針對大型戶外停車場建置太陽能車棚，進行意見徵詢。 4. 簡化利害關係人協作流程，如研擬工業、商業類型建築物出租屋頂安裝太陽能的標準合約範本。 英國政府除積極推動屋頂光電外，亦針對電力網路、供應鏈、培養人才、國土計畫、社區參與等，規劃一系列太陽光電發展路徑中的配套措施，如改善英國國家能源系統營運商（National Energy System Operator, NESO）併網流程，要求應確保併網申請順序的分配保持公平；並於《大英能源法》（Great British Energy Act 2025）規範大英能源公司於採購時，得拒絕與任何供應鏈中涉及強迫勞動的廠商簽約等；並與英國太陽能產業協會（Solar Energy UK）協作，促成產業實踐社區參與溝通。
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現