微軟與Linspire將展開技術合作
微軟(Microsoft)宣佈又與Linux銷售商簽署，本次合作對象為Linspire公司，而該公司先前曾受到微軟的商標侵權指控。
這兩家公司曾於2004年達成合解，Linspire答應停止使用Lindows一名稱，而微軟為此支付了2千萬美元。Linspire還獲准使用Windows Media的程式碼，並解決了微軟的商標侵權指控問題。
根據達成之協議，兩方將在包括即時通訊(Instant Messaging)和網路搜尋(Web Search)在內的多個領域展開密切合作。對於購買Linspire付費版的用戶將得到相同的法律保障，以規避任何微軟可能對其採取針對Linux桌面軟體的法律行動。但Linspire未計畫在其免費的Freespire產品中提供微軟的技術，以及任何專利保障。
先前微軟曾表示，在Linux系統上的保護行動已成為其最近一系列“交互授權”合約的一部分，如其與LG、三星(Samsung)和Fuji Xerox簽署的一些專利權交易協定。微軟智權總監David Kaefer表示：「這些協議表明，微軟和眾多Linux供應商正為雙方作業系統間能架起一座橋樑而努力不懈」。這些公司並未在協議裏提及商業利益問題，但Kaefer表示：「很顯然，雙方同時都希望在此協商中獲利」。
協議中，Linspire將把微軟的Live Search作為其Linspire產品的預設搜尋引擎，並將獲准繼續使用包括Windows Media 10程式碼在內的Windows Media技術。
微軟還將准許Linspire在其即時通訊工具中使用其部分字體和IP語音技術，而Linspire也將加入Office 2007的XML檔案格式及OpenDocument格式轉換的研發團隊。
英國上議院人工智慧專責委員會（Select Committee on Artificial Intelligence）2018年4月18日公開「AI在英國：準備、意願與可能性？（AI in the UK: ready, willing and able?）」報告，針對AI可能產生的影響與議題提出政策建議。 委員會建議為避免AI的系統與應用上出現偏頗，應注重大量資訊蒐集之方式；無論是企業或學術界，皆應於人民隱私獲得保障之情況下方有合理近用數據資訊的權利。因此為建立保護框架與相關機制，其呼籲政府應主動檢視潛在英國中大型科技公司壟斷數據之可能性；為使AI的發展具有可理解性和避免產生偏見，政府應提供誘因發展審查AI領域中資訊應用之方法，並鼓勵增加AI人才訓練與招募的多元性。 再者，為促進AI應用之意識與了解，委員會建議產業應建立機制，知會消費者其應用AI做出敏感決策的時機。為因應AI對就業市場之衝擊，建議利用如國家再訓練方案發展再訓練之計畫，並於早期教育中即加入AI教育；並促進公部門AI之發展與布建，特別於健康照顧應用層面。另外，針對AI失靈可能性，應釐清目前法律領域是否足以因應其失靈所造成之損害，並應提供資金進行更進一步之研究，特別於網路安全風險之面向。 本報告並期待建立AI共通之倫理原則，為未來AI相關管制奠定初步基礎與框架。
論科學資料之開放與共享—以美國國家衛生研究院之資料政策為核心論科學資料之開放與共享—以美國國家衛生研究院之資料政策為核心 資訊工業策進會科技法律研究所 蔡立亭 2020年12月25日 科學研究以提升全人類之福祉為本，醫療健康研究資料的共享，有助於促進整體科學研究的量能。為促進由政府支持之科學資料與研究發現的近用，美國政府原則上肯定科學之發展與資料之留存、近用相關，資料之公開不僅應遵守法律之限制，尚應注意資料之生命週期，並訂定時限；受政府資助之研究，所產出之資料以免費近用為原則，政府之政策亦應考量國際合作之實際情況[1]。申言之，科學研究資料的近用，有助於提升科學發展，政府於制定共享政策的同時，亦應一併考量國際合作的情況，並以免費近用為原則，研議資料公開策略。 為增進科學資料的效益，美國國家衛生研究院（National Institutes of Health，簡稱NIH）設置科學政策辦公室（Office of Science Policy，簡稱OSP）制定完整的政策，領域擴及生物安全、基因檢測、基因資料共享、人類受試者保護、NIH的組織與管理，和受NIH資助研究的成果與價值；藉由廣泛的分析與報告，提出新興政策建議[2]。在科學資料共享的層面，NIH聚焦於「基因與健康」和「科學資料管理」，生物醫學研究的進展，取決於科學資料的近用；共享科學資料，有助於驗證研究結果，研究者整合資料以強化分析，提升難以生成資料的再次應用，加速研究進展[3]。NIH藉由資料的管理，促進科學資料的近用，以驗證並共享研究成果。 為輔助資料之開放共享，NIH公告資料管理與共享政策（NIH Policy for Data Management and Sharing，以下簡稱DMS政策），目的為促進由NIH資助或進行研究的科學資料共享[4]。DMS政策將科學資料定義為：「在科學社群普遍接受記錄事實的素材，研究發現能反覆的驗證，不論該資料是否用以支持學術出版物。科學資料並不包含實驗室筆記、初步分析、完整的個案報告表、科學報告的草稿、未來的研究計畫、同儕評論、與同事的溝通、物理實體，例如實驗室標本[5]。」。換言之，並非僅以該資料是否能佐證學術出版物為科學資料之認定基準，而係以該科學資料是否屬事實之記載，和研究成果能否反覆驗證為判斷。 另，NIH、NIH研究院、中心、辦公室已有資料預期的共享，如：科學資料的共享、相關標準、資料庫的選擇、時限，適用並於計畫中呈現；若不適用則研究員應在計畫中提出資料共享與管理的方式，NIH並建議資料的管理與共享應實踐FAIR（Findable、Accessible、Interoperable、Reusable）原則，共享的資料類型，首先為一般性的描述、估計在研究中生成或使用的科學資料，次為列出後設資料等有助於解釋科學資料的文件；NIH鼓勵科學資料盡快共享，不遲於資料的出版或執行期間[6]。申言之，即使各該研究計畫不適合既有的共享策略，於計畫提案時，研究團隊仍應研擬適合共享與管理的方式，並以FAIR原則為依準。 研究團隊提供的科學研究資料，將儲存於由政策或資助方指定的資料庫。NIH提出推薦的資料庫列表[7]，並描述理想的儲存資料庫特色為：「具有獨特且永久的識別碼、具有長期持續管理資料的計畫、設置後設資料、整理資料並保證品質、免費並簡易的近用、廣泛且可估計的重複使用、明確的使用指引、安全性與完整性、機密性、共通格式、引用機制，及資料保留策略[8]」。由此觀之，資料庫的設計應易於科學資料的檢索；並在資料的近用上，維護資料之安全、完整、機密等。 NIH共享資料之實際應用上，為共享基因研究資料，NIH於2014年提出基因資料共享政策（Genomic Data Sharing Policy，以下簡稱GDS政策），包含NIH資助指南與契約；NIH的GDS政策適用於所有NIH資助的研究，生成之大規模人類或非人類之基因資料，將應用於後續的研究[9]。藉此能有效率的推動基因研究向前邁進。 GDS政策課予研究者提供基因資料的義務；研究者近用基因資料，亦應遵守基於研究使用控制近用資料（Controlled-Access Data）的條款[10]。研究人員受NIH核准後，方能將NIH控制近用的資料，應用於第二次研究（secondary research）[11]。由NIH資料近用委員會（Data Access Committee）審查，研究員近用資料並須遵守基於研究使用控制近用資料的條款[12]。另，基因摘要結果（Genomic Summary Results，以下簡稱GSR）隸屬於NIH政策[13]，並依據GDS政策目的，將GSR定義為由研究者提供的摘要統計（summary statistics），非敏感性的資料列入NIH指定的資料庫中[14]。換言之，NIH以對控制近用資料的應用核准，在資料之限制近用與科學發展間，取得平衡。 為回應COVID-19，加速治療與疫苗的研發，NIH的資料共享與管理政策，緩解全球科學社群開放共享科學資料的需求，該政策並建立資料共享為研究過程的基礎成分[15]。綜上所論，將資料共享內化於研究過程中，有助於全球同步更新研究的進程，共同面對全人類之科學挑戰。 [1] NATIONAL SCIENCE AND TECHNOLOGY COUNCIL, COMMITTEE ON SCIENCE, SUBCOMMITEE ON INTERNATIONAL ISSUES, INTERAGENCY WORKING GROUP ON OPEN DATA SHARING POLICY, Principles For Promoting Access To Federal Government-Supported Scientific Data And Research Findings Through International Scientific Cooperation (2016), 1, 整理自Principles, at 5-8, https://obamawhitehouse.archives.gov/sites/default/files/microsites/ostp/NSTC/iwgodsp_principles_0.pdf (last visited December 14, 2020). [2]About Us, Welcome to NIH Office of Science Policy, NIH National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/about-us/ (last visited December 7, 2020). [3]NIH Data Management and Sharing Activities Related to Public Access and Open Science, NIH National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/scientific-sharing/nih-data-management-and-sharing-activities-related-to-public-access-and-open-science/ (last visited December 10, 2020). [4]Final NIH Policy for Data Management and Sharing, NIH National Institutes of Health Office of Extramural Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-013.html (last visited December 11, 2020). [5]Final NIH Policy for Data Management and Sharing, NIH National Institutes of Health Office of Extramural Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-013.html (last visited December 12, 2020). [6]Supplemental Information to the NIH Policy for Data Management and Sharing: Elements of an NIH Data Management and Sharing Plan, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-014.html (last visited December 13, 2020). [7]資料庫列表請參見以下網址：Open Domain-Specific Data Sharing Repositories, NIH National Library of Medicine, https://www.nlm.nih.gov/NIHbmic/domain_specific_repositories.html (last visited December 24, 2020). [8]Supplemental Information to the NIH Policy for Data Management and Sharing: Selecting a Repository for Data Resulting from NIH-Supported Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-016.html (last visited December 13, 2020). [9]NIH Genomic Data Sharing, National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/scientific-sharing/genomic-data-sharing/ (last visited December 15, 2020). [10]NIH Genomic Data Sharing Policy, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-14-124.html (last visited December 17, 2020). [11]NIH Genomic Data Sharing Policy, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-14-124.html (last visited December 17, 2020). [12]id. [13]NIH National Institutes of Health Turning Discovery into Health, Responsible Use of Human Genomic Data An Informational Resource, 1, at 6, https://osp.od.nih.gov/wp-content/uploads/Responsible_Use_of_Human_Genomic_Data_Informational_Resource.pdf (last visited December 17, 2020). [14]Update to NIH Management of Genomic Summary Results Access, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-19-023.html (last visited December 17, 2020). [15]Francis S. Collins, Statement on Final NIH Policy for Data Management and Sharing, National Institutes of Health Turning Discovery Into Health, https://www.nih.gov/about-nih/who-we-are/nih-director/statements/statement-final-nih-policy-data-management-sharing (last visited December 14, 2020).
歐盟發布透明度實務準則與義務指引：協助透明度義務規範之落實與執行歐盟發布透明度實務準則與義務指引：協助透明度義務規範之落實與執行 資訊工業策進會科技法律研究所 2026年07月24日 今（2026）年6月10日，歐盟執行委員會（European Commission，下稱歐盟執委會）通過《AI 生成內容透明度之實務準則》（Code of Practice on Transparency of AI-Generated Content，下稱準則）[1]，並於7月20日發布「AI透明度義務指引」（Guidelines on the implementation of the transparency obligations for certain AI systems under Article 50 of Regulation (EU) 2024/1689，下稱指引） [2]，準則與指引旨在協助引導AI提供者和部署者能有效履行《歐盟人工智慧法》（EU AI Act，下稱AIA）第50條的透明度義務規範。 壹、事件摘要 AIA於2024年6月13日制定通過，並於2024年8月1日正式生效。其中，AIA第50條之透明度規定則定於2026年8月2日實施[3]。此一規範主要針對與人互動的AI生成內容，應滿足透明度義務的規範要求。另根據AIA第96條第1項第d款規定，歐盟執委會具有制定實施指引的法定義務，以協助落實AIA第50條之透明度義務規定。因此，歐盟執委會分別通過準則及發佈指引，協助開發AI系統之提供者與部署者能理解AIA第50條之規範要求。準則係由人工智慧辦公室（AI Office）居中協調，並由獨立專家聯合各方利益相關人共同起草而成，主要針對AIA第50條第2項（數位浮水印標記義務）、第4項（深偽技術揭露義務）的義務履行要求制定實務準則[4]；指引則是蒐集各會員國的回饋意見，乃制定指引作為準則的補充內容，以銜接8月2日透明度義務規範的實施[5]。 附帶說明的是，歐洲議會（European Parliament）於今年6月16日通過的「第七號數位綜合法案」（Omnibus VII）[6]，對AIA第50條透明度規定有進行義務時程的調整修訂，針對8月前已上市的AI系統要求於今年12月2日前補足透明度的標記義務，但僅限於第50條第2項機器可讀的數位浮水印或技術標籤的標示義務，未及於其他項次的透明度義務要求[7]，因此其餘項次的透明度義務規定均須於今年8月2日起嚴格遵循。 貳、重點說明 以下透過準則和指引的整體觀察，有助於釐清AIA第50條的規範內容，並就第50條的項次規定分別進行說明： 一、AI系統與自然人直接互動之通知義務（第50條第1項） （一）明確界定直接互動之定義 第50條第1項規定，與自然人直接互動之AI系統，應使相關自然人知悉其正與AI互動。指引將「直接互動」界定為具備「即時或近乎即時」且具有「雙向資訊交換」特徵之互動；若內容經人工審核後始發出，則不屬於本項所稱之直接互動[8]。 （二）通知義務的履行方式 指引規定，提供者得自行選擇通知方式，只要符合「清晰可區別」原則即可，例如文字、語音或視覺標示。僅於服務條款揭露或使用模糊稱呼（如僅稱「助手」）均不足以履行通知義務；對老人、兒童等弱勢群體，建議增設定期提醒功能[9]。 （三）顯而易見之解釋 第50條第1項但書規定，若AI互動屬一般人依使用情境即可明顯辨識者，則免除通知義務。指引援引歐盟消費者保護法之「平均消費者」（average consumer）標準，並綜合考量AI系統之應用情境及透明度義務之立法目的進行判斷[10]。 （四）豁免適用要件 第50條第1項排除依法授權用於刑事犯罪偵查、預防、調查或起訴之AI系統，但提供予公眾通報犯罪之系統仍應履行通知義務，指引並以「警政報案機器人」作為示範案例[11]。 二、AI生成內容之機器可讀數位浮水印（第50條第2項） （一）生成與竄改合成內容之界定 第50條第2項要求，專用於生成或竄改音訊、圖片、影片或文字內容之AI系統，其輸出應以機器可讀格式標記，使其可被辨識為AI生成或改造（manipulated）內容。指引將「生成」解釋為創造全新內容，「改造」則指對既有內容作出顯著變更，並排除單純資料渲染、工業感測資料、無意義的短輸出、原始程式碼及機對機通訊等內容[12]。 （二）標記與偵測義務之履行方式 指引要求提供者同時履行「機器可讀標記」及「可被偵測」兩項技術解決方案義務[13]；準則則進一步建議採取多層次標記方式，例如結合數位簽章防偽標籤與浮水印，以提升辨識效果，至於指紋辨識或日誌紀錄僅屬輔助措施，不能單獨作為合規方式[14]。 （三）技術解決方案之品質要求 第50條第2項要求技術解決方案具備有效性、可靠性、強韌性及互通性。指引就條文內容進行解釋，補充上述指標指涉之意義[15]；準則則將指標量化為可供操作的技術測試流程，包括透過使用者理解評估、錯誤率及壓力等測試，以驗證技術解決方案是否符合上述指標要求[16]。 （四）豁免適用要件 第50條第2項排除適用於標準編輯輔助功能、未實質改變輸入資料語義之處理，以及依法授權用於刑事犯罪偵查等情形。準則指出在適用範圍上應考量法律義務的範疇及相關的法律豁免[17]；指引進一步舉出實例，包括拼字檢查、語法修正、逐字稿轉錄、隱私遮罩及醫療影像重建等，均屬豁免適用之範圍[18]。 三、情緒辨識與生物辨識分類系統之通知義務（第50條第3項） （一）情緒辨識與生物辨識分類之界定 第50條第3項規定，部署者使用情緒辨識或生物辨識分類系統時，應通知受影響之自然人。指引就兩類系統提供詳細定義，情緒辨識係依自然人之生物辨識資料識別或推斷其情緒或意圖；生物辨識分類系統則是依生物辨識資料將自然人歸類至特定類別。此項義務不因系統採即時或事後分析而有所不同。惟若生物辨識分類功能僅屬其他服務之附屬功能，且基於客觀技術原因屬必要者，則不在本項規範之內[19]。 （二）標記與偵測義務之履行方式 指引要求部署者確保受影響之自然人知悉系統正在運作，並符合「清晰可區別」及「無障礙近用」原則。通知方式得依使用情境採行書面、口頭、圖示或其他適當方式，並應於自然人首次接觸或暴露於系統時提供，亦得採預先通知方式履行[20]。 （三）場域情境與受眾之具體要求 指引指出，通知方式應依部署場域及受眾特性調整，例如於遊戲啟動畫面提示情緒辨識功能，或於展覽入口設置生物辨識分類告示；對兒童、老人及身心障礙者等弱勢族群，亦應採取更易理解之通知方式。此外，本項通知義務僅要求告知系統正在運作，並不要求說明其運作目的[21]。 （四）豁免適用要件 第50條第3項排除依法授權用於刑事犯罪偵查、預防、調查或起訴之AI系統。指引說明，符合上述法定用途且已採取適當保障第三人權利與自由措施者，得免除通知義務；惟此項豁免不影響部署者依資料保護法規所應履行之相關義務[22]。 四、深偽技術之揭露義務（第50條第4項） （一）深偽影像與公共利益文字之界定 第50條第4項規範深偽影像與涉及公共利益之AI生成文字。指引將深偽影像界定為由AI生成或竄改，且足以使人誤認為真實之影音內容，若內容明顯違反自然常理或僅屬輕微技術調整而無誤導可能者，則不屬之。至於大眾利益文字，則指涉及政治、公共管理、公共安全、公共衛生、環境保護等公共事務之AI生成文字內容[23]。 （二）標記義務之履行方式 指引要求部署者確保標記符合「清晰可區別」原則，並於自然人首次接觸內容時提供[24]。準則則建議採用統一圖示或文字標示，區分「AI生成」與「AI改造」，並依內容型態採取適當之標記方式；對於影音內容，亦建議搭配互動式資訊揭露，以提供AI修改內容之相關說明[25]。 （三）特定場域情境與受眾之具體要求 指引指出，標記方式應依部署場域及受眾特性調整，並兼顧兒童、老人及身心障礙者等弱勢族群之可近用性[26]。準則額外建議，對於藝術、創作、諷刺或虛構作品，得採較具彈性的揭露方式，以兼顧透明度與作品呈現效果[27]。 （四）豁免適用要件 第50條第4項排除依法授權用於刑事犯罪偵查、預防、調查或起訴之AI系統。指引說明，就大眾利益文字而言，若內容已經人工實質審核並由自然人或法人負編輯責任，得免除標記義務[28]；準則則進一步指出，媒體服務提供者已依相關法規及專業編輯程序處理者，亦得適用豁免[29]。此外，指引並指出，受雇者於雇主授權範圍內執行職務，以及自然人基於個人、非專業目的使用AI系統，均屬排除適用情形[30]。 參、事件評析 整體而言，準則與指引是歐盟執委會用來說明AIA第50條的透明度義務規範應如何解釋與遵守的行政指導文件，並不具有法律拘束力。準則是鼓勵AI系統的提供者與部署者簽署，其簽署效力並不該當法遵要求的決定性證據（conclusive evidence），但該準則已通過人工智慧委員會（AI Board）的適當性評估報告（Adequacy Assessment code），企業可藉由遵守實務準則以確保符合AIA透明度的法遵規範[31]；指引的發布義務雖係由AIA規範，但不等同歐盟執委會依法律授權制定的「授權法規」（delegated acts），因此指引內容並非對AIA透明度義務的權威性解釋，亦無法律上的解釋效力，最多作為法院解釋的參考依據[32]。即使如此，準則與指引仍對透明度義務提供充份的解釋框架，讓AI系統的提供者和部署者能明確知悉透明度義務規範的適用範圍、履行方式與豁免條件。 就臺灣而言，我國亦有透明度義務規範，規範於《人工智慧基本法》第5條第2項規定「高風險應用者，應明確標示注意事項或警語」，以遵循第4條的「透明與可解釋」原則，即「人工智慧之產出應做適當資訊揭露或標記，以利評估可能風險，並瞭解對相關權益之影響，進而提升人工智慧可信任度」。目前臺灣人工智慧的相關法制和配套措施正規劃當中，今年6月行政院核定的《人工智慧風險分類框架》[33]，將形塑各目的事業主管機關的管理規範和產業指引，歐盟執委會發布的準則與指引可作為主管機關的參考內容，以思索透明度義務規範要如何有效落實與執行。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/） [1] European Commission, Code of Practice on Transparency of AI-Generated Content, https://digital-strategy.ec.europa.eu/en/policies/code-practice-ai-generated-content#1720699867912-1(last visited July 23, 2026). [2] European Commission, Commission publishes guidelines on transparency obligations for providers and deployers of certain AI systems, https://ec.europa.eu/commission/presscorner/detail/en/ip_26_1653(last visited July 23, 2026). [3] AIA第96條第1項。 [4] 同前註1。 [5] 同前註2。 [6] European Council, Artificial Intelligence: Council gives final green light to simplify and streamline rules, https://www.consilium.europa.eu/en/press/press-releases/2026/06/29/artificial-intelligence-council-gives-final-green-light-to-simplify-and-streamline-rules/(last visited July 23, 2026). [7] AIA第111條第4項。 [8] European Commission, Guidelines on the implementation of the transparency obligations for certain AI systems under Article 50 of Regulation (EU) 2024/1689, 2026, p. 11-13. [9] id. at 14-15. [10] id. at 16. [11] id. at 18-19. [12] id. at 21-23. [13] id. at 24. [14] European Commission, Code of Practice on Transparency of AI-Generated Content, 2026, p. 8-10. [15] European Commission, supra note 8, at 26. [16] European Commission, supra note 14, at 17-21. [17] id. at 7. [18] European Commission, supra note 8. at 28-29. [19] id. at 30-31. [20] id. at 32. [21] id. at 31-32. [22] id. at 32. [23] id. at 33-34, 42. [24] id. at 46. [25] European Commission, supra note 14, at 26-30. [26] European Commission, supra note 8, at 46-47. [27] European Commission, supra note 14, at 35-36. [28] European Commission, supra note 8, at 43. [29] European Commission, supra note 14, at 35. [30] European Commission, supra note 8, at 6-8. [31] European Commission, Commission Opinion on the assessment of the Code of Practice on Transparency of AI-generated content, https://digital-strategy.ec.europa.eu/en/library/commission-opinion-assessment-code-practice-transparency-ai-generated-content(last visited July 23, 2026). [32] European Commission, supra note 8, at 3. [33] 數位發展部，AI風險分類框架，https://moda.gov.tw/major-policies/ai/governance/19244（最後瀏覽日：2026/07/24）。
RFID應用發展與相關法制座談會紀實