美國職業安全及健康研究院﹙NIOSH﹚在奈米風險控管上的突破性進展
美國職業安全及健康研究院﹙NIOSH﹚是美國發展奈米科技的重要政府單位之一。近來，其頻頻透過國際組織的運作來處理與奈米科技有關之職業安全與健康影響問題。NIOSH首長John Howard表示，在國際層次上，科學家及決策者皆明瞭處理與奈米材料製造及產業使用所引致之職業病或職災，是當下最重要的工作之一。而由於NIOSH在促進世界性科學對話上，始終扮演者厥功甚偉的角色，因而在奈米科技發展初期，其亦積極協助此一科技能夠充分考慮安全及健康問題，發展出具全球協調性的技術方法，並有助於美國在國際市場的領先地位。而其近期主要成就在於以下三個部分：
1.今﹙2007﹚11月29日，經濟合作暨發展組織﹙OECD﹚人造奈米材料工作小組通過NIOSH-Led計畫，負責執行奈米材料暴露控制與測量等相關資訊之交換，同時透過領導小組，與會員國共同聚焦商討一些足以引起公眾意識的議題，例如在職業環境中之暴露測量與減輕。
2.其次，在今年12月4日至同月7日的國際組織會議中，ISO TC229表決通過有關奈米科技在職業環境之安全與健康規範的報告初稿，此報告係以NIOSH所發表一份名為“Approaches to Safe Nanotechnology”的報告作為基礎，而繼續由其發展與修正。本報告初稿送至ISO技術委員會審查，委員會認為報告內容涵蓋完整的技術性工作，且其未來影響將遍及全球，而為全球組織所關切。
3.此外，在今年12月2日，NIOSH另參與世界衛生組織﹙WHO﹚之職業健康合作中心全球聯網會議，當次會議之焦點在於奈米科技，會中NIOSH代表負責報告工程奈米粒子在職業安全及衛生上所遭遇之挑戰現況。本次會議中將決定WHO合作機制如何發展運作，以避免暴露於可能有害的工程奈米粒子。
整體而言，關於奈米科技之安全與健康影響及其相關應用的研究，NIOSH統整建置了一套策略性工作計畫，透過這些研究專門處理一些重要問題，包括某些對於評估風險及控制暴露極為有效的科學資訊。除了研究之外，NIOSH亦積極參與國際組織活動，可以預見其對奈米科技未來發展之影響將無遠弗界。
本文為「經濟部產業技術司科技專案成果」
美國哥倫比亞地方法院於今（2010）年8月23日發出暫行性禁制令（preliminary injunction），判定由聯邦政府經費補資助進行的人類胚胎幹細胞研究應暫時停止，此裁判嚴重打擊歐巴馬政府在去年新發布的幹細胞研究政策（Executive Order 13505 - Removing Barriers to Responsible Scientific Research Involving Human Stem Cells）。新政策允許對胚胎幹細胞株進行研究，不論該幹細胞株為前布希政府所允許的有限細胞株，或使用人工授精過程中經明文同意且無償提供研究用之剩餘胚胎。 本禁制令源於去年在新政策公布後，部分反對胚胎研究的團體及成人幹細胞研究科學家主張，美國國家健康研究所（NIH）根據歐巴馬政府新政策所制定的指導方針（NIH Guidelines on Human Stem Cell Research），違反Dickey-Wicker修正案，並侵蝕成人幹細胞的研究經費分配，因此對NIH提出此項訴訟。 Dickey-Wicker修正案禁止NIH從事破壞生命的研究，其為1996年以來國會每年在審理聯邦政府的綜合撥款法時所附帶通過的法律，等於是對NIH研究自由的界線設定。本案承審法官認為，人類胚胎幹細胞研究可能涉及摧毀人類胚胎，違反Dickey-Wicker修正案，因此這項告訴可能勝訴，法院因此同意發出暫時性禁制令。 地方法院此項裁判引發不少爭議，除相關利害關係人悲觀表示美國幹細胞研究因此將受到重創外，對於裁判內容究竟代表什麼意義，各方看法也不盡相同。裁判法官稱此裁判不過使幹細胞研究「維持現狀」（status quo），然而對於所謂的「現狀」，卻有不同解讀，有認為裁判結果意味全面禁止胚胎幹細胞的研究，亦有認為是回歸到布希政府的政策態度。 歐巴馬政府方面認為，其幹細胞政策並不違反Dickey-Wicker修正案，因其資助的研究使用的是「已經製造」出來的胚胎幹細胞株，而非資助破壞胚胎的「程序」，目前聯邦司法部已對此裁判提出上訴；另為了徹底解決此項爭議，眾議院於9月新會期一開始，已有議員正式提出法案（Stem Cell Research Advancement Act of 2010, S. 3766），內容除將歐巴馬總統之政策予以法制化外，也明文排除Dickey-Wicker修正案於幹細胞研究之適用，希冀徹底解決美國胚胎幹細胞研究爭議。
英國提出巨量資料下之個人資料保護應遵循資料保護法之原則 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。
智慧財產權侵權風險分擔機制-歐盟專利訴訟保險制度