遊戲之部分名稱是否會造成商標權侵害? 觀察Active Network v Electronic Art案
he Active Network Inc. 設立於美國德拉瓦州，主要營運項目為提供整合性資訊平台、市場行銷服務、及線上媒介；另，其主要線上營運項目還包含提供運動訓練服務、休閒活動及運動項目等行程安排，即提供個人健身訓練之建議及服務。
美商藝電(Electronic Art Inc.)設立於美國德拉瓦州，為全球互動娛樂軟體公司之領導者，主要營運範疇為研發、發行、及銷售個人電腦及電視遊樂器相關軟體，其軟體可提供包含PC, PS3, XBOX360, NDS, 及Wii…等平台使用。美商藝電所提供的遊戲軟體之一—活力健身房 (EA Sports Active)，目前該軟體僅提供予任天堂Wii遊戲平台，軟體內容為透過遊戲所提供的運動及健身活動，提供虛擬私人教練，給予技巧建議及健身時間表、消耗熱量建議…等功能。
依據Active Network公司所主張之起訴狀內容，未來美商藝電發展EA Sports Active 系列產品，EA Sports Active 2.0，會提供線上個人健身訓練建議及服務功能；如此，相較於Active Network自1999年開始提供的線上健身運動建議等服務項目看來，EA此款遊戲將和Active Network所提供之線上服務內容類似，故主張此款遊戲名稱中的active係侵害Active Network公司所註冊的「ACTIVE®」、「ACTIVE.COM®」、「THE ACTIVE NETWORK®」等商標權。
本案係Active Network於2010年5月28日於加州南區地方法院提起之民事訴訟，主張排除侵害並要求美金75,000-元之賠償金額；目前美商華藝(Electronic Art)尚未提出任何公開意見。未來可視後續法院意見暸解遊戲之部分名稱是否會造成商標權侵權之可能。
古心怡
組長 編譯整理
GAMESPOT，2010年06月，http://www.gamespot.com/news/6264542.html ，最後瀏覽日：2010年06月28日
INDUSTRY GAMERS，2010月06月，http://www.industrygamers.com/news/ea-sports-active-20-gets-physical-with-a-trademark-suit/ ，最後瀏覽日：2010年06月28日
wiimovies.ign，2010月05月28日，http://wiimovies.ign.com/wii/document/article/109/1094695/EA%20Lawsuit.pdf , 最後瀏覽日：2010年06月28日
根據巴西國家工業產權局（簡稱INPI）2021年9月21日在 Revista da Propriedade Industrial（INPI's Gazette）)第2646期發布第 37/2021 號法令，自2021年10月1日起，巴西專利商標局（簡稱BPTO）可接受「位置商標」之註冊申請，為市場中的品牌所有者提供一種新的商標保護模式。 位置商標是一種以呈現在產品上的特定位置為特徵的商標，它可以和該標誌相關的產品/服務及類似或相同的標誌區分開來，只要該位置商標位於單一和特定位置。 雖然位置商標過去有被BPTO和巴西法院承認可透過註冊圖形商標或立體商標類型來保護，甚至是BPTO提供的商標檢索資料庫中，也有位置商標的搜尋選項，但法令中仍未有將位置商標單獨進行商標註冊之資格。 此外，BPTO評估是否可以註冊位置商標，與位置商標所在的物品上位置的獨特性有關，該位置為單一位置且必須不是傳統上使用的特定位置（也就是必須具有識別性），並且它可以與產品本身的技術或功能影響分離。由於其性質，位置標記通常用於時尚領域，例如Christian Louboutin 的紅色鞋底、Adidas的三條線。 巴西位置商標申請流程，申請人需使用立體商標的電子表格提交，申請人須在e-INPI備案系統提供具體表格前，表明為位置商標申請。若已向BPTO提交的商標申請有符合位置商標資格，但尚未核准審定，可以在 2021年10月1日起 90 天內完成轉換位置商標申請。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
何謂「Regtech」？有別於金融科技（Fintech）著重於運用科技手段使金融服務變得更有效率，因而形成促進金融產業發展的一種經濟產業。在美國源於對2008年金融風暴的恐懼，更傾向在金融科技提升金融服務便利與效率的同時，倡議如何使行政機關在監理過程中更能夠兼顧公平、安全及消費者保護。消費者保障與洗錢防制是行政機關進行金融監理的兩大核心目標，而金融科技服務下的客戶身分核實、信用紀錄與償債能力查核等風險控管措施，在全球發展金融科技方興未艾之際，美國則積極發展監理科技「Regtech」。意指行政機關嘗試透過科技手段有效監理業者的營運動態，如區塊鏈技術（Block-Chain）改變銀行現行運作模式，不僅降低業者營運成本外，更透過科技監理的方式協助業者即時達成法令遵循的目標，縮短法令遵循改善的過渡期間，減輕風險產生的可能。同時，也讓行政機關得以即時預防，並因應任何類似2008年金融風暴之情事的發生。
虛擬人生，真實訴訟! 美商藝電EA控告社交遊戲公司Zynga侵犯著作權；Zynga控告EA不正競爭。美商藝電EA(Electronic Arts)於今年八月初在舊金山地方法院控告以社群遊戲著稱的Zynga於六月在Facebook所推出的遊戲《The Ville》抄襲EA於2011年八月推出的「模擬市民(The Sims Social)」，侵犯EA的著作權。EA表示，The Ville中的設計選項、動畫、畫面處理、角色的活動及動作都原封不動地抄襲自EA的「模擬市民(The Sims Social)」。EA聲稱，Zynga抄襲了「模擬市民(The Sims Social)」原始並特殊的表達要素(original and distinctive expressive elements)，明顯違反美國的著作權法。EA並表示，Zynga任用了三位自EA離職的員工而獲取了「模擬市民(The Sims Social)」的商業機密。Zynga則反譏EA欠缺對於著作權原則的了解，並表示《The Ville》是Zynga小鎮遊戲(Ville-game)系列的延續，過去曾推出的系列遊戲包含《YoVille》、《CityVille》以及《Castile Ville》，EA的指控毫無根據。 雖然《The Ville》與「模擬市民(The Sims Social)」兩者在遊戲的角色設定以及角色圖樣跟背景有諸多相似，但是Zynga在細節上做了許多與EA不同的設定。本案如果有效成立，將對於遊戲產業造成顯著影響。 美國法下，遊戲產業的智慧財產權議題中，一個重要的法律關鍵在於「思想/表達二分法(idea/expression dichotomy) ，「思想(idea)」並非著作權的保護客體，僅想法的表達方式(expression)是著作權的保護客體。舉例而言，你可以再寫一本有關於魔法學校的書，但是你不可以把書中的主要角色命名為哈利波特。 1994年時，快打旋風二(Street Fighter II)的發行商嘉富康(Capcom)控告DECO(Data East Corporation)的格鬥列傳(Fighter’s History)抄襲，但是法院認為嘉富康遊戲的角色是植基於既存典型角色以及武術原則，DECO的相似性並不侵犯快打旋風的著作權。 九月中，Zynga對EA提出反訴，控訴EA採取不正競爭(anticompetitive)以及不法(unlawfully)商業行為，違反反托拉斯法(anti-trust law)。Zynga指出，EA試圖以法律訴訟以及恐嚇離職員工的方式，非法阻止Zynga雇用EA的離職員工。Zynga指稱EA威脅Zynga將提出訴訟，要求Zynga與之簽訂「不任用協議(no-hire agreement)」，依照該協議EA將不對Zynga提出關於雇用員工的告訴以做為簽約對價。但是EA在今年八月對Zynga的著作權告訴已經打破該協議。事實上依照加州法，禁止離職員工去競爭公司任職是違法的。矽谷這類因為員工到競爭對手任職而引發的法律案件還有蘋果(Apple)以及谷歌(Google)一案，這兩家公司過去曾因為簽訂不挖角協議而遭美國司法部起訴，後來與美國司法部達成和解。EA則表示離職員工抄襲其它EA設計師，Zynga此舉意圖轉移社會及法庭注意力。除了否認EA抄襲的指控，Zynga更表示，沒有任何根據可以說明EA是虛擬人生遊戲的創始者，Zynga的《YoVille》推出時間甚至早於EA的「模擬市民(The Sims Social)」三年。 本案因為矽谷遊戲產業人才的流動性而增加了案件的複雜性，跳脫一般的著作權侵權訴訟，既然離職後到競爭對手任職是可被允許的，那麼產出類似的遊戲產品就更加難以避免，不論是基於自身的創意或者模仿過去共事同仁的創意，「學習」以及「抄襲」之間的界線總是難以劃分，如果本案成立著作權侵權，矽谷遊戲人才在開發設計遊戲時必然需要更加小心謹慎。 圖片來源: Tech Crunch
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。