從推動體系及法制架構思考我國文化創意產業發展之整合以南韓推動組織與法制架構為例
德國在2000年以後便將聯邦政府補助的其中一個方向集中在鼓勵科技創業，主要推動機關為聯邦教育暨研究部(Bundesministerium für Bildung und Forschung, BMBF)與聯邦經濟暨能源部(Bundesministerium für Wirtschaft und Energie, BMWi)。其中BMWi的EXIST計畫訴求建立一個科技創業有善的環境，並分三項子計畫運作：EXIST創業文化計畫(EXIST-Gründungskultur)，EXIST創業補助計畫(EXIST-Gründerstipendium)，EXIST研發成果移轉計畫(EXIST-Forschungstransfer)。 其中，EXIST創業文化計畫著重於在學研機構內塑造創業文化，誘發學研機構創業潛力與企業家性格；EXIST創業計畫則是鎖定學研機構內的個人(科學家、研究生、大學生)，希望透過對這些個人的生活補助，使其商業發想可化為營運計畫書(Businessplan)，進而開發成為商品或服務；EXIST研發成果計畫則是透過經費補助，鼓勵學研機構內的研究團隊利用設立衍生公司方式運用研發成果，在創業前的籌備階段與公司設立初期導入專業團隊，協助評估相關的創業理念、經營模式、財務評估與資金運用等規劃是否妥適，使公司創立的籌備更為妥善且禁得起市場考驗。
美國FDA發布於海內外應對2019年新型冠狀病毒之行動聲明美國食品及藥物管理局（Food and Drug Administration, FDA）於2020年2月14日，發布於海內外應對2019年新型冠狀病毒之行動聲明，其包括： 主動監控供應鏈：由於疫情可能影響醫療產品供應鏈，FDA已與數百家藥品與醫療器材製造商保持聯繫，並與歐洲藥品管理局等全球監管機構保持同步，以評估監控潛在之製造中斷的警訊，且與生物製劑製造商聯繫，以評估有關原料之供應問題。若FDA確定醫療產品可能會短缺，則可能會採取與製造商緊密合作、加快對替代供應之審查等措施來防止短缺。 針對海外生產之FDA產品合規性之查驗與監控：FDA採取基於風險之模型來確認要進行查驗之公司，基於某些特定條件，會被認為具有較高風險之場所會被優先查驗，這些條件包括固有之產品風險、患者接觸產品之程度、過去查驗之歷史紀錄等等。除了查驗之外，其他防止不符FDA標準之產品進入美國市場之工具包括進口警示、增加進口採樣與篩查、替代查驗之紀錄要求（requesting records）。FDA可對市場上不合法之產品或違法之公司或個人採取監管與強制措施，例如警告信、扣押或禁制令。 消費品安全：美國海關暨邊境保護局將輸入美國、受FDA監管之產品交由FDA審查，其必須遵守與美國國內產品相同之標準，在FDA決定其可接受性之前不得將其分銷至美國。FDA並成立跨機關之專案小組，密切監控聲稱可預防、治療或治癒新型冠狀病毒疾病之詐欺性產品和虛假產品，並採取可能之執法行動。 對於診斷、治療與預防疾病之努力：FDA致力於促進安全有效之醫療對策的發展，提供法規建議、指導和技術援助，以促進針對用於此病毒之疫苗、治療和診斷測試之開發和可用性。FDA已核發緊急使用授權（Emergency Use Authorization, EUA），以便立即使用由美國疾病管制與預防中心所開發之診斷試劑，並已制定用於檢測病毒之EUA審查範本，其中概述申請EUA前所需之資料要求，目前已提供給表示有興趣開發該病毒之診斷工具之多位開發者。 後續行動：FDA將密切監視疫情並與跨部門合作夥伴、國際合作夥伴、醫療產品開發商與製造商合作，以幫助推進針對病毒之應對措施。
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。