義隆電子否認與蘋果電腦已和解專利爭訟！
台灣觸控模組暨晶片解決方案公司義隆電子 (Elan Microelectronics)對外否認已解決2009年4月於美國舊金山聯邦地方法院對蘋果電腦(Apple)所提出的專利侵權訴訟案。
該案件由義隆電子向Apple提出控告，認為Apple相關產品iPhone, iPod touch及MacBook，使用到義隆電子兩項專利，分別為U.S. Patent No.5,825,352(簡稱352專利)，具有可同時察覺兩個或多個手指接觸感應之輸入設備之能力；另一U.S. Patent No.7,274,353(簡稱353專利)，為具有能在鍵盤和手寫輸入模式兩者間互換的觸控板的技術。
Apple希望平息該案件，據說Apple提出7,000萬美元的和解價值，但義隆電子堅持說明該案仍於美國國際貿易委員會審議中。
義隆電子近年來，利用所擁有的觸控相關專利，與國際大廠提出專利侵權訴訟案，如2008年向新思國際(Synpatics)；2009年4月向蘋果電腦(Apple)；2010年1月向蘇州瀚瑞微電子(PixCir)，以保護自身的智慧財產權。
隨著資通訊技術與網路科技整合，無人機熱潮在全球各地崛起，相關創新應用蓬勃發展，產業規模也因此快速擴張，然而國內外不斷傳出多起無人機意外事件，相關操作規範及隱私等法律議題也備受矚目。 德國聯邦交通部於2017年1月18日公布無人機新規範，以提升無人機操作安全，防止碰撞等意外事件，並加強隱私保護。所謂無人機即搖控飛行器，德國航空法上之定義包括模型飛機及無人航空系統設備，前者係用於私人娛樂或體育競賽，其餘飛行器，尤其是商業用途，則歸屬於後者，本次規範重點如下： 1.特定模型飛機場域內的操作規定，不受本次規範修訂影響，惟必須於操作之飛行器上標示所有人之姓名及地址供辨識。 2.超過0.25公斤之無人機或模型飛機，有標示所有人之姓名及地址供辨識之義務。 3.超過2公斤之無人機或模型飛機操作者，必須通過聯邦航管局技能測試或取得飛行運動協會核發之技能證書。 4.超過5公斤之無人機或模型飛機，必須額外取得各邦民航局之許可。 5.除特定模型飛機場域內，或例外經由各邦民航局申請核可者外，飛行高度不得超過100公尺。一般而言，應於視線範圍內飛行，但未來將可能適度放寬，以利商業無人機之運用發展。 6.無人機或模型飛機應避免與其他無人機碰撞。 7.禁止造成各種障礙或危險之飛行行為。 8.禁止商業無人機或模型飛機在敏感區域飛行，例如憲法機構、聯邦或各邦機關、警消救災範圍、人群聚集區、主要交通幹道、機場起降區。 9.超過0.25公斤之無人機或模型飛機，或配備光學、聲音、無線電信號發送或記錄設備之飛行器不得在住宅區飛行。 近來幾起無人機入侵機場事件造成嚴重飛安威脅，相關碰撞意外新聞也不斷頻傳。為兼顧生命財產安全及促進新興技術發展，有必要進行適度合理監管及預防措施，並加強操作安全及隱私教育，以降低危害風險，並於意外或違規事件發生後，得以追究肇事者相關法律責任。
歐洲新著作權指令 將影響互聯網環境下之著作使用2018年9月12日，歐洲議會通過歐盟委員會於2016年制定的「單一數位市場著作權指令」，其中包含最具爭議的兩項條款： 第11條是有關「鏈接稅」（link tax）的條款。針對使用或匯集新聞文章片段的網站，未來恐需向源頭出版之新聞業者支付授權費用。例如若Twitter推文中包含來自Guardian文章的螢幕或文字摘要截取，則Guardian可以要求Twitter支付授權費用。 第13條則是有關「上傳過濾器」（upload filter）或稱「Memes禁令」（meme ban）的條款。為加重網路平台服務業者防止上傳者侵害著作權的監控責任，要求如Google和Facebook等業者，須使用強制內容過濾的軟體以清除違規行為，且須建立快速刪除機制，避免侵害著作權。 該指令在歐洲議會通過後，將進入歐盟委員會、歐盟理事會和歐洲議會之間的非正式談判。這三個組織將決定最終版本，約2018年12月提交給歐盟法律事務委員會，最後於2019年1月再回到歐洲議會進行投票。 歐盟指令本身雖不是法律，如何解釋立法也將取決於各國，惟透過本次歐洲議會的結果，可預見未來在歐洲市場，對於著作權人的保護與使用者的行為，將朝權利衡平的方向作調整。
歐盟《醫藥品包裹》修法草案將使用市場保護機制鼓勵藥品創新、提升藥品可及性歐盟執委會(European Commission)於2023年提出《醫藥品包裹》(Pharmaceutical Package)修訂多項歐盟藥品法規。其中也調整資料保護期(period of data protection)和市場獨占期(market exclusivity)等制度，激勵藥品創新、增加藥品可及性、並強化歐盟面對全球公衛挑戰的能力。修訂草案由環境、公共衛生與食品安全委員會(Committee on Environment, Public Health and Food Safety)通過後，目前已於2024年4月由歐洲議會(European Parliament)投票一讀通過，若歐洲理事會決議通過，即完成修法。為協助產業界提早因應布局，本文擬介紹歐洲議會一讀通過的草案中，資料保護期與市場獨占期的運作方式。 一般新藥 一般新藥的資料保護期由現行的8年縮減至7年半。但符合以下條件時，則能將資料保護期延長：滿足未滿足醫療需求（12個月）；含有新活性物質並進行比較性臨床試驗（6個月）；於歐盟境內與歐盟研究實體合作開發（6個月），若同時符合多項條件時，最多可將資料保護期延長1年。此外，新藥與現有療法相比具有顯著的臨床優勢時，還能將資料保護期結束後的市場獨占期由2年延至3年，但僅限一次。 針對抗藥性微生物抗生素 引入資料專屬期券(Data Exclusivity Voucher)，獲授權的產品最多可將資料保護期延長12個月，該權利能轉讓給其他醫藥產品，但轉讓僅限一次。 孤兒藥 一般孤兒藥的市場獨占期由現行的10年縮減至9年，然而滿足「高度未滿足醫療需求」的罕病孤兒藥最長可享有11年的市場獨占期。但在非額外的市場獨占期剩餘2年以內時，不得阻擋學名藥與生物相似藥之上市申請。 本次修法加速一般的學名藥與生物相似藥進入市場，但同時也加強高品質與創新藥品的保護進行支持；而對於市場機制未能激勵投入的重要需求，如新型抗生素，則提供具可轉讓性的額外獎勵，增添靈活度和價值，以吸引更多企業投入研發。 本文同步刊載於stli生醫未來式網站（https://www.biotechlaw.org.tw）
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現