美國將修法全力圍堵政府資料外洩
美國國會於今年（2009）11月18日提出「聯邦檔案安全分享法案（Secure Federal File Sharing Act）」，內容主要是限制所有政府部門員工（包含約聘制人員），在未經官方正式同意之前，不得下載、安裝或使用任何點對點傳輸（Peer to Peer, P2P）軟體。期望藉由該法案的通過實施，徹底防堵政府及相關個人機敏資料的外洩。
該法案的制定，最初來自於政府部門對其財務資料保護的要求，早於2004年白宮管理及預算辦公室（The White House Office of Management and Budget）即已建議聯邦政府的各個單位應禁止其職員使用P2P軟體，以防止資料外洩。而於將近一個月前，國會道德委員會取得多位國會議員的財務狀況、經歷及競選贊助金額，並作成調查報告，未料一位新進職員將該份未經加密保護的報告存於自家裝有前述P2P軟體的電腦硬碟中，從而導致該份報告內容全部外洩。此一事件立即對向來注重政府及個人資料保護的美國投下了震撼彈，也促使該法案正式浮出檯面。
歐此項法案的提出毫無意外地得到視聽娛樂產業界的正面支持。主因來自多數人藉由此種軟體在網際網路上分享音樂、影片或其他應用軟體，時常侵害他人的智慧財產權，而法案的內容則是要求政府部門員工無論是在工作或是家中使用P2P軟體都須取得官方授權，無疑是直接限制了上述的分享行為。娛樂業者更進一步指出，P2P軟體對資訊安全的危害在於多數人無法明確知道該軟體的運作方式，而無法對其做正確的設定，使得軟體一旦被啟動，電腦內的所有資料：包含個人的社會安全卡號碼、醫療及退稅紀錄等，就立即暴露於網際網路之中！對此，除了推動此項法案的官員大聲疾呼：「用個人自律的方式防止資料外洩已經失敗，證明國會應該有所行動。
美國錄音產業協會（Recording Industry Association of America）則是預測前述國會調查報告的外洩，將會是資安法案重整的強力催化劑。
當蘋果公司一宣佈新的產品iPhone將上市，思科系統公司即在星期三(2007年1月10日)控告蘋果侵害iPhone商標權。思科在7年前就已經註冊iPhone的商標，蘋果好幾次企圖向思科表明想要取得iPhone的商標權，但都被思科拒絕。思科資深副總裁馬克‧賈伯斯表示，「蘋果公司的新產品十分具有吸引力，但是他們不應該未經過思科允許，就使用iPhonee商標。」此次提出控告不但保護思科的iPhone商標免於被蘋果使用，且預防公司可能有的損害。 蘋果公司發言人娜塔莉‧凱瑞絲說，我們認為思科的控告十分無聊，而且早已有很多家公司使用iPhone的商標在寬頻電話上，蘋果是第一個將iPhone商標用在手機的公司，我們相信思科宣稱擁有iPhone商標權不足以來對抗蘋果，我們相當有信心能戰勝這場戰。 波士頓律師事務所Bromberg & Sunstein創設者布魯斯‧桑斯坦表示，思科為iPhone商標註冊權人，在法律上具有優勢，蘋果唯一可選擇的抗辯，就是宣稱i系列的商標名稱，例如iPod, iTunes和 iMac，早已造成消費者的混淆，消費者已經無法辨別iPhone是由誰所製造的。桑斯坦進一步說明，蘋果雖宣稱他們在澳洲擁有iPhone商標權，但商標權為屬地主義，因此此項宣稱對於在美國已擁有iPhone商標權的思科並無太大的影響。
KISTEP發布〈強化企業創新活動之研發租稅優惠政策研究〉報告，建議擴大租稅優惠對象韓國科學技術評估暨規劃研究院（Korea Institute of S&T Evaluation and Planning, KISTEP）於2023年5月3日發布〈強化企業創新活動之研發租稅優惠政策研究：以國家戰略技術研發企業為中心〉（A Study on R&D Tax Support Policy for Enhancing Corporate Innovation Activities：Focusing on National Strategic Technology R&D Firms，下稱本報告），提供政府擴大研發租稅優惠政策之建議，分述如下： （1）擴大適用稅額抵減之技術領域 為強化競爭力，各國陸續鎖定重要技術產業，擴大研發租稅優惠政策，故本報告建議韓國政府就稅額抵減範圍，從3大領域（半導體、蓄電池與疫苗），擴大至12大國家戰略技術領域，進而增加民間企業之研發補助。 （2）擴大適用研發稅額抵減之對象 由於韓國目前適用研發稅額抵減之對象，不包括負責研發之新創企業負責人及管理階層，故本報告建議韓國應考量稅額抵減制度之效果與制度公平性，擬定一套新方案，擴大可享受稅額抵減優惠的對象。 （3）調高中大型企業之稅額抵減率 本報告指出，激進式創新及專利被引證次數高的創新技術研發，大多由中堅企業及大企業所主導，故建議應研擬一套以中堅企業與大企業為對象，大幅調高可抵減稅額比率之方案。 （4）透過政策組合（Policy mix）以提高政策效益 本報告指出，當企業獲得研發補助時，其研發稅額抵減效果更為顯著，故建議政府研擬以企業為對象，採用研發稅額抵減與補助並行之優惠方式。 （5）集中對技術水準高的企業提供租稅優惠 本報告指出，研發稅額抵減效果侷限於技術水準高的企業。換言之，與將租稅優惠分散給予各企業，不如選定具有技術能力的企業，使其獲得更多的研發稅額抵減優惠。 （6）擴大開放式創新企業之租稅優惠 本報告指出，研發租稅優惠效果對執行開放式創新之企業更為顯著，故建議將執行「產–研」、「產–學」、「產–產」合作的開放式創新企業納入租稅優惠對象。
美國參議院於2022年4月提出《演算法問責法案》對演算法治理再次進行立法嘗試《演算法問責法案》（Algorithmic Accountability Act）於2022年4月由美國參議院提出，此法案係以2019年版本為基礎，對演算法（algorithm）之專業性與細節性事項建立更完善之規範。法案以提升自動化決策系統（automated decision systems, ADS）之透明度與公平性為目的，授權聯邦貿易委員會（Federal Trade Commission, FTC）制定法規，並要求其管轄範圍內之公司，須就對消費者生活產生重大影響之自動化決策系統進行影響評估，公司亦須將評估結果做成摘要報告。 《演算法問責法案》之規範主體包括：（1）公司連續三年平均營業額達5000萬美元，或股權價值超過2.5億美元者，並處理或控制之個人資料超過100萬人次；以及（2）公司過去三年內，財務規模至少為前者之十分之一，且部署演算法開發以供前者實施或使用者。ADS影響評估應檢視之內容包括： 1.對決策過程進行描述，比較分析其利益、需求與預期用途； 2.識別並描述與利害關係人之協商及其建議； 3.對隱私風險和加強措施，進行持續性測試與評估； 4.記錄方法、指標、合適資料集以及成功執行之條件； 5.對執行測試和部署條件，進行持續性測試與評估（含不同群體）； 6.對代理商提供風險和實踐方式之支援與培訓； 7.評估限制使用自動化決策系統之必要性，並納入產品或其使用條款； 8.維護用於開發、測試、維護自動化決策系統之資料集和其他資訊之紀錄； 9.自透明度的角度評估消費者之權利； 10.以結構化方式識別可能的不利影響，並評估緩解策略； 11.描述開發、測試和部署過程之紀錄； 12.確定得以改進自動化決策系統之能力、工具、標準、資料集，或其他必要或有益的資源； 13.無法遵守上述任一項要求者，應附理由說明之； 14.執行並記錄其他FTC 認為合適的研究和評估。 當公司違反《演算法問責法案》及其相關法規有不正當或欺騙性行為或做法時，將被視為違反《聯邦貿易委員會法》（Federal Trade Commission Act）規定之不公平或欺騙性行為，FTC應依《聯邦貿易委員會法》之規定予以處罰。此法案就使用ADS之企業應進行之影響評估訂有基礎框架，或可作為我國演算法治理與人工智慧應用相關法制或政策措施之參酌對象，值得持續追蹤。
美國OMB發布人工智慧應用監管指南備忘錄草案美國行政管理預算局（United States Office of Management and Budget, OMB）於2020年1月發布「人工智慧應用監管指南（Guidance for Regulation of Artificial Intelligence Applications）」備忘錄草案。該備忘錄草案係基於維護美國人工智慧（AI）領導地位之目的，而依據美國總統川普（Donald John Trump）於2019年2月簽署之「維持美國人工智慧領導地位（Maintaining American Leadership in Artificial Intelligence）─行政命令13859號」，並在啟動美國人工智慧計畫後180天內，經OMB偕同科技政策辦公室（Office of Science and Technology Policy, OSTP）、美國國內政策委員會（United States Domestic Policy Council）與美國國家經濟委員會（National Economic Council）與其他相關機構進行協商，最後再由OMB發布人工智慧應用監管指南備忘錄草案，以徵詢公眾意見。 該備忘錄草案不僅是為了規範新型態AI應用技術，更希望相關的聯邦機構，在制定AI應用產業授權技術、監管與非監管方法上，能採取彈性的制定方向，以避免過度嚴苛的規定，反而阻礙AI應用的創新與科技發展，繼而保護公民自由、隱私權、基本權與自治權等價值。同時，為兼顧AI創新與政策之平衡，應以十大管理原則為規範制定之依據，十大管理原則分別為： 培養AI公眾信任（Public Trust in AI）； 公眾參與（Public Participation）； 科學研究倫理與資訊品質（Scientific Integrity and Information Quality）； AI風險評估與管理（Risk Assessment and Management）； 獲益與成本原則（Benefits and Costs）； 彈性原則（Flexibility）； 公平與反歧視（Fairness and Non-Discrimination）； AI應用之揭露與透明化（Disclosure and Transparency）； AI系統防護與措施安全性（Safety and Security）； 機構間之相互協調（Interagency Coordination）。 此外，為減少AI應用之阻礙，機構制定AI規則時，應採取降低AI技術障礙的方法，例如透過聯邦資料與模型方法來發展AI研發（Federal Data and Models for AI R&D）、公眾溝通（Communication to the Public）、自發性共識標準（Voluntary Consensus Standards）之制定及符合性評鑑（Conformity Assessment）活動，或國際監管合作（International Regulatory Cooperation）等，以創造一個接納並利於AI運作的環境。