美國EPA計劃創建三大生質能源研究中心
美國能源局（EPA）宣布，將創建三個生質能源研究中心（bioenergy centers），以研發將植物轉化為燃料的技術方法。此舉乃是布希總統作出美國在未來十年內將降低20％的石油用量之政策宣布後，第一個採取具體配套行動的聯邦政府機關。
生質能源研究中心設立的宗旨是希望在未來五年內能夠以先進技術，成功開發生質能源的產品上市。根據EPA的對外公告資料，三大生質能源研究中心將以公司組織的形式運作，每一個研究中心總投入資本將高達1億2千5百萬美元，三大研究中心分別是位在田納西州Oak Ridge、威斯康辛州的Madison以及加州Berkeley附近，這些區域原本就是重要的研究重鎮，匯聚許多的大學、國家實驗室以及私人企業，形成產業聚落，預計三大生質能源研究中心將自2009年9月1日起的預算年度開始運作。
EPA希望藉由研究中心的聚落效應，集中資源協助這些研究中心從自然界中破壞木質素（lignin）的微生物出發，找出植物的確切細胞膜質（cellulose）之所在。細胞膜質或稱纖維素，是轉化成為乙醇、液態燃料等能源的重要來源物質，因此這些生物運轉機制的瞭解與掌握，乃是開發生物能源技術的基礎。
值得注意的是，各國致力於發展生物燃料以替代汽油的政策，已經使得某些兼具多種用途的作物價格持續攀升，此可由國際期貨市場價格獲得印證。為避免生物燃料的發展反而造成食用作物的搶奪大戰，影響作物市場價格，研究中心也將致力於尋找可以製造較易處理的木質素的新作物種類。
本文為「經濟部產業技術司科技專案成果」
歐盟執委會於2023年7月6日更新《軍民兩用貨品與優先技術出口相關限制》（Export-related restrictions for dual-use goods and advanced technologies）一般性指引，本指引彙整制裁俄羅斯與白俄羅斯的常見問答，針對歐盟2014年第833號規則（Council Regulation (EU) No 833/2014）第2條、第2a條以及第2b條等規定進行說明，提供相關主管機關、利害關係人（包括出口商）參考。 本指引此次更新「高度優先戰場項目清單」（List of High Priority Battlefield Items）以供相關主管機關密切追蹤相關貨品是否有違法輸往俄羅斯的狀況，分別公布四組HS稅號以監控貨品的進出： （1）積體電路相關項目，分別為HS稅號854231、854232、854233以及854239。 （2）通訊及被動電子元件相關項目，分別為HS稅號851762、852691、853221、853224以及854800。 （3）半導體裝置等項目，分別為HS稅號847150、850440、851769、852589、853669、853690、854110、854121、854129、854130、854149、854151、854159、854160、880730、901310、901380、901420以及901480。 （4）自動資料處理機器元件等項目，分別為HS稅號847180、848610、848620、848640、853400、854320、903020、903032、903039以及903082。
美國國會圖書館發布例外規則，將10項科技使用行為合法化美國國會圖書館（Library of Congress）依據著作權法（Digital Millennium Copyright Act，簡稱DMCA）第1201(a)(1)條授權，於2015年10月28日發布著作權法相關之例外規則(final regulations)，明定10項與使用者權益相關的行為屬於著作權法保障之例外情況，將納入合理使用(fair use)範圍，不再視為侵害原著作權人之權利。上述合法的科技使用行為包含： 1.為了教育及其他非商業用途之目的，對視聽媒體所為之重製行為。 2.為了讓視覺或其他功能障礙者使用，對已購買之電子書所為之破解或形式轉換行為。 3.為了連結其他電信公司之網絡，針對手機及其他行動裝置之應用程式，所為之解鎖行為(unlocking)。 4.智慧型手機及其他行動裝置之越獄(jailbreaking)行為。使用者得利用外部工具取得系統最高權限，且不受原系統限制而安裝或解除安裝合法軟體。 5.智慧型電視之越獄行為。使用者得利用外部工具取得系統最高權限，不受原系統限制而安裝或解除安裝合法軟體。 6.汽車軟體之診斷、修理或改裝行為。車主或修車廠等人員得自行診斷、修理或改裝汽車軟體，不限於僅有汽車原廠得檢測或變更軟體。 7.為了促進電腦軟體的安全性，針對個人擁有之消費性家電、車輛及醫療裝置所為之軟體相關安全研究與測試行為。 8.某些需要透過與官方伺服器連線方能正常運作之遊戲軟體，於官方永久結束營運之後，使用者可自行建立伺服器，供擁有合法軟體的使用者繼續使用，但此項條款不包含主要內容儲存於官方伺服器之遊戲。 9.使用者可修改軟體程式，並使用其他的3D列印原料，不限於原廠預設之原料。 10.病人取得自身醫療裝置或監視系統數據之行為。本例外規則通過後，病人可合法取得自身醫療裝置之數據，而不違反著作權法之科技保護措施，不再受限於原先僅有醫院或醫療裝置公司可取得植入式醫療裝置之數據。 美國著作權法授權國會圖書館每三年發布一次例外規則，用以改善著作權法之「科技保護措施」的負面影響，並維護公眾接觸資訊之公共利益。上述第6至10項為本次新增之項目，但本次例外規則並未通過視聽著作空間轉換(space-shifting)及格式轉換(format-shifting)之行為、電子書專用閱讀器之越獄行為、或遊戲機(Video Game Consoles)之越獄行為。 針對開放汽車軟體之破解，某些汽車製造業者基於安全理由表示反對，但消費者方面，表達贊成意見人數明顯多於反對意見者。尤其是福斯汽車(Volkswagen)設計作弊程式通過廢棄排放檢驗的事件發生後，開放消費者得自行診斷、修理或改裝汽車軟體，將能降低此類弊端發生之機率，讓具有汽車軟體相關知識的消費者有機會能檢測汽車本身軟體是否符合法令規範或有任何異常。
加拿大競爭局發布人工智慧與競爭諮詢報告加拿大競爭局（Competition Bureau Canada,下稱競爭局）為更了解人工智慧如何影響或促進競爭，於2025年1月27日發布人工智慧與競爭諮詢報告(Consultation on Artificial Intelligence and Competition)。競爭局於意見徵詢期間獲得來自學術界、法律界、產業協會及大型科技公司的意見書。 諮詢報告彙整意見書內容並列出以下重點： 1. 人工智慧從資料輸入、基礎模型至終端產品或服務各階段皆在快速發展，可以為市場帶來新的競爭或阻礙競爭，人工智慧可能影響競爭原因包含資源依賴、資料控制及市場參進障礙等等。 2. 人工智慧領域中大規模投資是技術成長的重要關鍵，大型企業可藉由市場力量減少競爭或進行創新，少數大型企業因擁有較高的投資能力及數據資料專屬性，在基礎架構層（運行人工智慧所需的工具，如人工智慧晶片、雲端運算及超級電腦等）中佔有極高的市場份額，但也有部分意見認為人工智慧市場仍蓬勃發展中，亦有企業或學術機構未過度依賴專有數據但仍能開發出產品。 3. 人工智慧可能導致反競爭行為，企業雖可透過垂直整合來降低成本並提高效率，但可能會減少現行市場內部競爭，或透過具有人工智慧的演算法進行定價，達到操縱市場價格的行為，現行反壟斷法未來是否可以解決此一問題還有待觀察。 藉由諮詢的過程，競爭局更能掌握人工智慧發展、也了解公眾對話的重要性，意見書亦有助於該局未來提出兼顧人工智慧發展及促進市場競爭之政策措施。 我國公平交易委員會已於112年5月成立AI專案小組，負責掌握國際間人工智慧相關競爭議題的趨勢與發展，並針對現行人工智慧發展與競爭法執法研提政策配套措施，我國公平交易委員會與加拿大競爭局對於人工智慧與市場競爭議題之後續動態，值得持續追蹤。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。