歐盟延攬人才 推動新措施
這項計劃其來有自，早在2000年里斯本高峰會議宣示致力達成「歐洲研究領域（ European Research Area） 」；2002年巴賽隆納高峰會更作出重要決議：要求所有會員國需在2010年前完成科研投資達GDP3%的目標，並且期望其中三分之二的投資將來自工商界。
該項計劃特別將焦點集中在改善私部門研發與創新之投資條件上，透過「研究人員流通行動方案」 提倡科研人才前往私人研究部門、鼓勵大學和企業之間的合作，並透過租稅補貼來鼓勵企業的投入、重新配置研究基金、改善提升大學與企業間夥伴關係等獎勵措施，以提升經濟成長與創造就業機會。
- http://europa.eu.int/rapid/pressReleasesAction.do?reference=IP/05/1252&type=HTML&aged=0&language=EN&guiLanguage=en
- http://europa.eu.int/rapid/pressReleasesAction.do?reference=MEMO/05/366&format=HTML&aged=0&language=EN&
- http://europa.eu.int/rapid/pressReleasesAction.do?reference=IP/05/1253&format=HTMLguiLanguage=fr
美國第二巡迴上訴法院於二月初判決知名品牌Ralph Lauren與美國馬球協會(U.S. Polo Association ) 自1984年開始爭執不休的馬球圖樣使用爭議由Ralph Lauren勝出，馬球協會不得使用polo圖樣於香氛與美妝產品類別，確認了2012年3月地方法院禁止馬球協會使用圖樣的判決。 自1890年以來主管美國馬球運動的美國馬球協會與Ralph Lauren的馬球員圖像恩怨可追溯回1984年，當時馬球協會以確認之訴贏得在未造成與Ralph Lauren知名的Polo品牌混淆的狀況下，馬球協會得製造授權商品。 在2012年的判決中，地方法院禁止美國馬球協會使用馬球員圖樣與POLO字樣在任何香水、美妝產品類別上，同時要求USPTO拒絕馬球協會部分的商標申請，該案法官裁決與香氛產品有關的圖樣侵害Ralph Lauren的商標權利，構成不公平競爭，同時也造成設計師與被授權人無法回復的損害。 馬球協會的律師團在上訴理由中主張：馬球員圖樣符合先前使用，同時，因為過往的判決賦予協會得使用該圖樣在服裝類產品，表示也可以使用在香氛類別，因為服裝跟香氛產品的市場是很相近的，但前述主張並不為第二巡迴上訴法院陪審團所認同。
歐盟部長理事會通過開放GSM頻段供3G寬頻技術使用歐盟部長理事會(Council of Ministers)已跟隨歐洲議會腳步，通過對「GSM 指令」(Global System for Mobile Communications Directive)進行修改的提案，准許電信營運商在900 MHz頻段上提供UMTS服務（3G通訊技術之一，可向下相容GSM與GPRS），例如WCDMA通訊架構可於900 MHz上運用。這項決議仍須經過歐盟各會員國國會和監督機構認可，預計2009年10月開始實施。 原先指令在1987年所提出，將900 MHz和1800 MHz頻段劃歸GSM手機專用，此作法有效促進GSM產業的蓬勃發展。修改該指令的提案，則是允許讓900 MHz頻段在繼續供GSM服務使用的同時，也開放給行動上網等更高速的泛歐洲通訊服務。預估將能大幅降低電信營運商網路建制成本，可減少大約16億歐元的支出。 據歐盟電信委員會Viviane Reding委員表示，GSM Directive的修訂，將為行動通訊業者解除限制，並因此能在GSM頻段上建置更先進的技術，以提供高速行動寬頻服務；她預期這將有效促進歐洲的無線經濟(wireless economy)，並催生「數位歐洲」(Digital Europe)的誕生。相關發展值得台灣電信通訊產業注意。
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。
美國情報體系發布「情報體系運用人工智慧倫理架構」美國國家情報體系（United States Intelligence Community）係於1981年依據行政命令第12333號（Executive Order 12333）所建立，其任務為蒐集、分析與提供外國情報與反情報資訊美國國家領導人，服務對象包含美國總統、執法單位以及軍事單位。其於2020年6月提出「情報體系人工智慧倫理架構」（Artificial Intelligence Ethics Framework for the Intelligence Community），為人工智慧系統與訓練資料、測試資料之採購、設計、研發、使用、保護、消費與管理提出指引，並指出人工智慧之利用須遵從以下事項： 一、於經過潛在風險評估後，以適當且符合目的之方法利用； 二、人工智慧之使用應尊重個人權利與自由，且資料取得應合法且符合相關政策與法規之要求； 三、應於利用程序內結合人類判斷與建立問責機制，以因應AI產品之風險並確保其決策之適當性。 四、於不破壞其功能與實用性之前提下，盡可能確認、統計以及降低潛在之歧視問題。 五、AI進行測試時應同時考量其未來利用上可預見之風險。 六、持續維持AI模型之迭代（Iteration）、版本與改動之審查。 七、AI之建立目的、限制與設計之輸出項目，應文件化。 八、盡可能使用可解釋與可理解之方式，讓使用者、審查者與公眾理解為何AI會產出相關決策。 九、持續不定期檢測AI，以確保其符合當初建置之目的。 十、確認AI於產品循環中各階段之負責人，包含其維護相關紀錄之責任。