英特爾將停用開源碼授權
英特爾公司宣布，將廢止一項適用於部分自家軟體的開放原始碼授權辦法。這家晶片製造公司表示，已通知開放原始碼促進會 (Open Source Initiative ； OSI) 移除英特爾的開源碼授權許可，未來不再以 OSI 認可的授權形式繼續使用。 OSI 是一個非營利性機構，其宗旨在推廣使用開放原始碼軟體，並且在 OSI 網站上公布一份開放原始碼軟體授權清單。該公司希望把英特爾開放原始碼授權 (Intel Open Source License) 「移除，未來停用」，藉此降低授權協議日益增多的情形。
授權協議如雨後春筍般地孳生，已引起開放原始碼社群人士關切，因為授權版本大增之後，有意採用開放原始碼軟體的企業必須多花一些錢評估、管理各類型的授權，無形中導致成本增加。英特爾發言人表示，決定廢止開源碼授權，是發現公司內部數年來一直未使用，公司以外的使用頻率也不高。 Smith 說，英特爾不希望讓這項授權的「解除許可」效力回溯既往，以免迫使企業重新取得程式碼的使用授權。
本文為「經濟部產業技術司科技專案成果」
陳怡玫
副主任兼規章法制組組長 編譯整理
香港電訊管理局(OFTA)於2009年04月27日廢止了廿五年前制定的「流動網絡(即我國的行動電話/信網路)付費」規管指引。此管制規定即是明定了行動網路業者(MNO)固網業者(FNO)間的互連費收取(FMIC)模式。今後互連費的結算將以商業協議取代事前的管制性介入。 以往固網與行動網路業者互連費計算乃基於「流動網絡付費」為之，亦即行動網路業者須繳付流動網絡與固網之間所有的通話互連費用(MPNP)，顯有不對稱之狀況，不利於電訊服務在匯流大環境下的公平競爭和發展。職是，電訊管理局於2007年決議將廢除該規定並設定兩年的過渡期間，讓相關業者進行調整；多數業者也在過渡期間內達成協議或共識。業者間均同意原則上採取「毋須拆帳」(Bill and Keep, BAK)的結算模式，因此也不會產生將費用轉嫁到其他電訊服務商或是終端消費者的問題。此顯示去管制化並交由市場機制決定互連費用之作法實屬可行。 以市場取代管制，短期內雖會有不確定因素可能導致爭議，惟電訊管理局也強調業者間的協議（含協商不成）不得危及公眾利益與一定的服務品質，必要時將依法介入業者間的協商程序。該局也將持續關注互連費問題之發展。
第三方支付法制問題研析 以法制工具支援文化創意產業之發展與推動－文化創意產業發展法及相關配套子法 FDA發佈人工智慧/機器學習行動計畫美國食品藥物管理署（U.S. Food & Drug Administration, FDA）在2021年1月12日發布有關人工智慧醫療器材上市管理的「人工智慧/機器學習行動計畫」（Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD) Action Plan）。該行動計畫的制定背景係FDA認為上市後持續不斷更新演算法的機器學習醫療器材軟體（Software as Medical Device, SaMD），具有極高的診療潛力，將可有效改善醫療品質與病患福祉，因此自2019年以來，FDA嘗試提出新的上市後的監管框架構想，以突破現有醫療器材軟體需要「上市前鎖定演算法、上市後不得任意變更」的監管規定。 2019年4月，FDA發表了「使用人工智慧/機器學習演算法之醫療器材軟體變更之管理架構—討論文件」（Proposed Regulatory Framework for Modifications to Artificial Intelligence/Machine earning (AI/ML)-Based Software as a Medical Device (SaMD) - Discussion Paper and Request for Feedback）。此一諮詢性質的文件當中提出，將來廠商可在上市前審查階段提交「事先訂定之變更控制計畫」（pre-determined change control plan），闡明以下內容：(1)SaMD預先規範（SaMD Pre-Specification, SPS）：包含此產品未來可能的變更類型（如：輸入資料、性能、適應症）、變更範圍；(2)演算法變更程序（Algorithm Change Protocol, ACP）：包含變更對應之處理流程、風險控制措施，以及如何確保軟體變更後之安全及有效性。 根據「人工智慧/機器學習行動計畫」內容所述，「事先訂定之變更控制計畫」構想被多數（包含病患團體在內）的利害關係人肯認，並於相關諮詢會議當中提出完善的細部建言。FDA將根據收到的反饋意見，於2021年以前正式提出有關人工智慧/機器學習上市後監管的指引草案（Draft Guidance），並持續研究提高演算法透明度、避免演算法偏見的方法。