新近奈米科技智財法制之發展趨勢
本文為「經濟部產業技術司科技專案成果」
陳怡玫
副主任兼規章法制組組長 編譯整理
世界智慧財產權組織(WIPO)於2022年11月21日發布了《2022年世界智慧財產權指標（World Intellectual Property Indicator, WIPI）》。WIPO以全球150個國家智慧財產主管機關的統計資料、產業的市場調查資料作為分析標的，針對全球專利權(含新型專利)、商標權、工業設計、植物品種權、地理標示、創意經濟(出版業)的整體發展狀況進行調查。 根據2022年的分析結果顯示，與過往經濟衰退期間的歷史經驗不同，在COVID-19疫情期間，2021年全球智慧財產權的申請數量持續增加。如： 1、「專利」的申請量增加了3.6%。 2、「商標」的申請量(含指定類別)增加了5.5%。 3、「工業設計」的申請量增加了9.2%。 4、「植物品種」的申請量增加了12%。 以商標為例，2021年全球共提交了約1390萬件商標申請，申請量從金融海嘯後(2009年)至今連續12年成長。其中，亞洲商標主管機關受理的商標申請量占全球的69.7%，較2011年時的44.7%有顯著成長；受理商標申請的前五名國家分別為： 1、中國國家知識產權局(CNIPA)：約950萬件。 2、美國專利商標局(USPTO)：約90萬件。 3、歐盟智慧財產局(EUIPO)：約50萬件。 4、印度專利、設計及商標管理局(CGPDTM)：約49萬件。 5、英國智慧財產局(UK IPO)：約45萬件。 此外，指標針對「非母國申請案(Non-resident trademark applications)」的產業別進行分析，分析結果顯示2021年各國商標申請人至外國市場尋求商標保護的前十大產業分別為： 1、研究與技術：20% 2、健康醫事：13.8% 3、服裝配件：12.8% 4、休閒教育：10.5% 5、居家設備：9.7% 6、農業產品與服務：9.6% 7、商業金融：9.5% 8、運輸機械：6% 9、營建：5.2% 10、化學：2.8% 再者，指標中分析上述產業在各國商標申請案件中的占比，可作為我國企業全球布局的參考： 1、研究和技術產業：歐盟21.3%、英國20.4%、日本18.7%、美國17.7%。 2、農業產品與服務產業：中國25.2%、韓國18.4%、俄羅斯14.2%、印度15.1%、土耳其14.8%。 3、健康醫事產業：印度23.1%、日本13.9%、中國11.3%； 4、商業金融產業：巴西26.3%、土耳其23.3%。 WIPO從2009年至今每年發布《世界智慧財產權指標》給各國政府參考，期待各國政府持續建構更完善的智慧財產制度，協助個人、企業保護其創新，以促進全球經濟的發展。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
歐盟執委會通過下世代接取網路管制建議歐盟在今年5月19日公布的數位議程（Digital Agenda）中，設定了多項寬頻建設目標，包括所有歐洲民眾於2013年均能擁有基本寬頻， 2020年擁有30Mbps以上的高速寬頻，與50%以上的歐盟家戶擁有100Mbps以上的超高速寬頻。為達成此項目標，歐盟執委會於今年9月20日提出了採納下世代網路管制建議（Commission Recommendation on regulated access to Next Generation Access Networks（NGA））、提出未來五年的無線電頻譜政策計畫，與鼓勵公、私部門進行寬頻網路投資等三項主要推動措施。 在NGA管制建議正式公布前，執委會曾於2008年與2009年兩度就建議草案進行公開資詢。執委會認為，此一建議除了可提升管制明確性，避免管制假期（regulatory holidays）外，並在鼓勵投資與維護競爭間取得適當平衡，其重要管制原則如下： 1. 管制者對於獨占業者之光纖網路接取進行成本訂價管制時，應藉由風險溢價（risk premium）充分反應投資風險，使投資者能獲取具吸引力之利潤。 2. 管制者應採取適當的接取管制措施，促使新進業者進入市場，使其可依投資階梯（ladder of investment）逐步建置其自有網路，促進基礎設施競爭。 3. 管制者所採取之事前管制措施，應反映個別市場與城鄉區域之市場競爭差異。 4. 管制建議強烈支持NGA網路的共同投資，並對長期或大量的光纖迴路接取合約，允許在一定條件下給予價格折扣。
行動上網吃到飽對電信產業之影響隨著4G開台，各家電信業者為獲取用戶數，爭相推出無限上網吃到飽方案，然在數據流量呈現爆炸性成長下，電信業者之收益卻持續下探。為解決此問題，本研究嘗試提出建議方案，期望實現我國對數位經濟之願景。
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。