開原碼授權 印度要走自己的路
印度理工學院的 Deepak Phatak 啟動了一項建立 Knowledge Public License （知識公共授權，簡稱 "KPL" ）的計畫，這種授權計畫允許程式人員跟他人分享自己的點子，但是同時保留軟體的修改權。它很像柏克萊軟體發行計畫或 MIT 授權計畫。目的是希望為建立一種環境，開發者既可以借助開放原始碼的合作力量，又能保護個人的利益。這項計畫還有助於舒緩開原碼運動和專屬軟體商之間日趨緊張的關係。
Phatak 的授權計畫有著先天的數量優勢。由於委外的興起和繁榮，印度已經成長為一個重要的軟體發展中心。 Phatak 也發起了一項 Ekalavya 計畫，鼓勵大家提出開原碼運動的新概念。
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
歐盟最近宣布其新設立的歐洲研究院（European Research Council, ERC)，自2月底開始運作。ERC是依據歐盟第七期研發綱要計畫（Seventh Framework Programme for Research and Technological Development, FP7）下之子計畫－”理念”計畫（"Ideas" programme）所設立。2006年底通過的歐盟第七期研發綱要計畫，揭示歐盟在2007至2013年間的科技研發政策、研發投入的重點領域與經費挹注情形。與PF6相較，PF7經費大幅成長，每年平均成長至少達40％，單是2013年一年，經費成長更高達75％。 ERC是第一個泛歐的經費補助機構，設立目的是為了贊助前瞻科學領域的研究活動。在設立第一年，歐盟挹注於ERC的經費即高達3億歐元，在FP7計畫的七年期間，ERC總計取得7.5 billion的經費。隨著ERC的設立，歐盟首度有了專為前瞻性研究量身訂作的經費補助運作機制，亦即交由歐洲科學界菁英，也就是由22位聲譽卓著的科學界菁英所組成的科學諮詢會（Scientific Council）自主管理，官僚系統不得對之表示意見。 歐盟希望藉由ERC的設立，促使科學界得以對最具有原創性的科學想法深入研究，以突破當前之知識界線，進而協助解決歐盟在社會、環境、經濟面所面臨之挑戰。
美國最高法院明確放寬專利權耗盡原則之適用範圍美國最高法院於2017年5月30日針對Impression Products v. Lexmark International作出最終裁決，說明當專利權人銷售專利產品時，無論在美國境內或境外，專利權人不能再以美國專利法來限制該專利產品，一經銷售後該產品專利權已經耗盡。 本案起因為美國印表機研發製造大廠Lexmark推出兩項碳粉匣方案：原價碳粉匣，無任何轉售限制；以及優惠碳粉匣，並附帶「一次性使用」（single use）及「不得轉售」（no resale）限制條款，消費者不得自行填充再利用、再轉售或轉讓給原廠以外的第三方。本案專利權人Lexmark控告同業Impression侵害其權利（違反一次性使用及不得轉售），被告Impression則主張兩項碳粉匣產品的專利權在美國境內的首次銷售後就已耗盡了。該案爭點包含：（一）專利產品在境外首次授權或銷售，是否導致專利權耗盡；（二）專利權人訂立售後限制條款，可否用以追究當事人違反限制條款責任？ 地院引述最高法院過去兩個判例（Quanta案及Kirtsaeng案），裁定Lexmark專利產品因首次授權銷售情形而權利耗盡。原告Lexmark提出上訴，CAFC則認為專利產品在境外銷售情形，不會導致專利權人在境內專利權耗盡，且在首次銷售時給的授權，已經合法限制再銷售或再使用，故Impression仍構成專利侵權。 最終，最高法院推翻CAFC見解，認為無論是專利權人直接銷售，或是對專利產品加諸任何限制，專利權人決定銷售產品時，該產品相關的專利權就會耗盡。另外最高法院亦指出，當專利權人透過契約與購買者約定，限制其使用或轉售的權利，其在契約法上或許有效，但在專利侵權訴訟中則沒有用。本案後，最高法院確立採國際耗盡原則，說明專利權人在全球任何地方，產品經銷售後即權利耗盡，無論專利權人是否有任何售後限制。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
美國國際消費電子展研討會討論有關打擊專利蟑螂議題 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。