巴西基因改造科技管理法制簡介
數位模擬分身（Digital Twin）係指將實體設備或系統資訊轉為數位資訊，使資訊科學或IT專家可藉此在建立或配置實際設備前進行模擬，從而深入了解目標效能或潛在問題。 於實際運用上，數位模擬分身除可用於實體設備製造前，先行針對產品進行測試，以減少產品缺陷並縮短產品上市時間外，亦可用於產品維護，例如在以某種方式修復物品前，先利用數位模擬分身測試修復效果。此外，數位模擬分身還可用於自駕車及協助落實《一般資料保護規範》（General Data Protection Regulation, 以下簡稱GDPR）規定。在自駕車方面，數位模擬分身可通過雲端運算（cloud computing）和邊緣運算（edge computing）連接，由數位模擬分身分析於雲端運算中涉及自駕系統操作之資訊，包括全部駕駛週期內之資料，如車輛模型在內之製造資料（manufacturing data）、駕駛習慣及偏好等個人隱私資料、感測器所蒐集之環境資料等，協助自駕系統做出決策；在GDPR方面，數位模擬分身可利用以下5大步驟，建立GDPR法規遵循機制以強化隱私保護：1.識別利害關係人與資產，包括外部服務和知識庫；2.漏洞檢測；3.透過虛擬數值替代隱私資料進行個資去識別化；4.解釋結果資料；5.利用資料匿名化以最大限度降低隱私風險，並防止受試者之隱私洩露。
日本立憲民主黨提出SDGs基本法案，以達成2030永續發展目標日本立憲民主黨於2023年6月13日向眾議院提出「SDGs基本法案」（持続可能な開発の目標の達成に向けた諸施策の総合的かつ一体的な推進に関する法律案），旨在達成2015年聯合國大會通過之「2030永續發展目標（SDGs）」。 去年6月立憲民主黨曾向參議院提出相關法案，但未審議就被廢止，此次係因日本政府針對SDGs雖有列舉相關議題，惟未對每個目標和達成度進行評估，僅是羅列先前政策，故立憲民主黨擔憂日本無法於2030年實現永續發展目標，重新向眾議院提出SDGs基本法案，希冀透過制定基本方針及必要事項，課予政府實施相關政策，法案主要內容摘要如下： 一、 提出基本原則要求政府應提供國民、經營者、民間團體等構成社會之多元主體，都能參與實現永續發展目標之機會，並應平等對待處於弱勢地位者保障其基本人權，使其受到尊重、充分發揮其個性及能力。 二、 另因永續發展目標與國際相互間有密切關聯，政府應確保國際合作，使目標一體化。 三、 除課予國家、地方自治體應提出SDGs基本方針外，亦要求地方公共團體、企業，在開展各項目活動時，應努力且有責任地一同促進實現永續發展目標。 四、 為實現目標，要求政府須採取必要法制、財政、稅制等措施，政策之內容亦應反映多種民意、確保公正性、透明性，且每年都要向國會提出施政成果及評估報告。 五、 設置「永續發展目標推進本部」（持続可能な開発目標達成推進本部），並邀請專家、利害關係人召開「永續發展目標推進會議」（持続可能な開発目標達成推進会議），一同評估基本方針政策及其達成狀況。 六、 由於實現永續發展目標並不因2030年後任務即刻終止，關於2031年以後之政策，政府應考量社會措施、國際動向等，依評估結果再採取必要之措施。 針對SDGs基本法眾議院已於10月20日交由委員會審議中，是否通過該法案仍待後續觀測，但已展現日本推動SDGs之決意。我國雖非聯合國之會員國，惟於2016年亦自願性回應全球永續發展行動與國際接軌，並於2021年成立「行政院國家永續發展委員會」，力求實現永續發展目標；然而僅靠政府機關的努力恐怕力有未逮，可參考日本作法納入國民、民間團體、企業等多元參與者，攜手合作共同實現SDGs。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
歐盟針對電子通訊網路及服務之管制架構規範進行公開徵詢基於維持「更好的管制」原則，歐盟執委會針對電子通訊管制架構之內容，公開徵詢社會大眾的意見。 此一電子通訊管制架構，係包括「架構指令」（2002/21/EC）、「發照指令」（2002/20/EC）、「網路接續指令」（2002/19/EC）、「普及服務指令」（2002/22/EC）及「隱私及電子通訊指令」（2002/58/EC）五個指令。除了此了指令之規範上，此次公開徵詢內容尚包括執委會有關「相關市場的建議」（C(2003)497）。 諮詢議題內容，則包括「管制架構的優劣點」、「現行管制架構是否能達到預期目標」、「現行管制架構如何改進」，以及特定之主題，如「範圍及目標」、「匯流及科技發展」、「頻譜管理」、「市場競爭及網路接續管制」、「執照核發及使用權」等。公開諮詢時間至2006年1月24日止。