美國FDA對於基因工程鮭魚核准上市及產品標示議題，舉行公聽會討論
美國食品和藥物管理局（U.S. Food and Drug Administration，FDA）於2010年9月19日到21日針對是否核准基因工程鮭魚(genetically-engineered salmon，GE salmon）上市舉行了公聽會。經過各界討論，目前仍未做出決定，但各界均同意於決定是否核准該鮭魚上市前，仍需做進一步的研究測試。
該基因工程鮭魚又名 AquAdvantage，其成長賀爾蒙不但只於較高溫度的水域環境時才分泌，而亦可全年都分泌該種賀爾蒙。因此特性，此種鮭魚成長速度比一般同類型的鮭魚快兩倍，而其所能被食用的時間也相對較早。
根據美國FDA的報告結論，基因工程鮭魚的安全性和其他類型的鮭魚一樣，所以如果為人類食用的話，並不會造成危險。此外，該鮭魚的養殖地點與海岸仍有一段距離，因此其可能對野生鮭魚造成威脅的問題可被忽視。然而，於本次公聽會中也提出，由於現階段的研究數據結果不足，因此仍須進行進一步的相關測試後才能做出結論。
另外，對於基因工程鮭魚上市後該如何標示該產品，也是另一個討論重點；針對此議題，美國FDA會另外舉行公聽會。目前，美國FDA對於上市核准的食物標示僅要求需標示其身分、營養成分、和潛在的過敏反應即可。由於美國FDA認定該基因工程鮭魚與一般鮭魚並沒有“生物學上的相關差異性”（no biologically relevant different）存在，對此，美國FDA表示，相同的作法有可能也會適用於基因工程鮭魚上。就社會大眾知的權利和現行法制的適用兩者間該如何取捨，即變成了當前該議題的討論重點所在。故，美國FDA未來是否會准許該種基因工程鮭魚上市，且上市後其食品標示又該如何加以標示，都是未來需要再做進一步觀察的。
本文為「經濟部產業技術司科技專案成果」
今年(2014)3月6日美國號稱蕃茄醬巨人的H.J. Heinz Co. (以下簡稱Heinz)於美國德州聯邦法院向一家德州公司Figueroa Brothers Inc. (以下簡稱Figueroa)提起商標侵權訴訟，主張Figueroa製造販售的蕃茄醬採用與其設計幾近相同的瓶身(ketchup bottle)，侵害其極具識別性、代表性的商業表徵(trade dress)。 Heinz目前針對該玻璃瓶設計已註冊取得3個聯邦商標，其除了主張聯邦商標法保護外，亦基於普通法(common law)提起商標侵權主張。然而，Heinz表示，在提起訴訟前，已數次嘗試與Figueroa私下解決此爭議，但未果，所以最後才會訴諸法律途徑，提起訴訟。 Heinz於訴狀中表示從1890年代開始，便開始行銷販售有名的蕃茄醬產品，該產品的包裝即為系爭具有高度識別性的玻璃瓶設計。Heinz認為被告Figueroa未經同意擅自使用此瓶身設計的行為會造成消費者混淆，搭便車利用Heinz花費大量心力、時間和費用所累積的良好商譽來牟利。此外，Heinz並注意到Figueroa其他醬料產品例如莎莎醬、辣醬皆使用不相似的包裝，惟獨蕃茄醬產品包裝跟其有名的玻璃瓶設計幾乎完全相同。 自Heinz提起訴訟過了近一個禮拜，案情有了變化，Figueroa於4月初與Heinz和解，雖然Figueroa並未承認其侵害Heinz商標權，但同意從今年12月開始停止使用該玻璃瓶設計，並從此不再侵害Heinz的商業表徵(玻璃瓶設計)。然而，和解金額相關條款並未揭露。 此案之後，對於其他欲仿冒或剽竊Heinz的玻璃瓶設計者，是否會有遏阻影響，值得後續觀察。
“Cookies”—餅乾或是毒藥？ 簡介美國700MHz頻段之使用規劃 美國國家標準暨技術研究院規劃建立「人工智慧風險管理框架」，並徵詢公眾對於該框架之意見美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）為管理人工智慧對於個人、組織以及社會所帶來之風險，於2021年7月29日提出將建立「人工智慧風險管理框架」（Artificial Intelligence Risk Management Framework, AI RMF）之規畫並徵詢公眾意見，截止日為9月15日，並預計於10月發布正式報告。 依照NIST說明，公眾所建議之人工智慧風險管理框架，可促進人工智慧之可信賴性，其中包含如何應對並解決人工智慧於設計、發展及使用過程中所遭遇之「精確度」（accuracy）、「可解釋性」（explainability）、「偏見」（bias）等議題。此外，上開管理框架預計為非強制性、供企業自願性使用於人工智慧設計、發展、使用、衡量及評估之人工智慧標準。 依現有公眾意見徵詢結果，其中DeepMind公司建議於人工智慧設計初期，必須預先構思整體系統之假設是否符合真正社會因果關係。舉例言之，當設計一套可預測民眾健保需求程度之系統時，如輸入參數僅考量民眾於醫療上的花費，將使僅有可負擔較高醫療費用之民眾被歸類為健保需求程度較高者，從而導致健保制度排擠經濟負擔程度較差之公民，故在設計系統時，應從預先設定之假設事實反面（counter-factual）思考並驗證是否會產生誤差或公平性之問題（例如預先思考並驗證「醫療費用支出較低之民眾是否即可被正確歸類為健保需求度低之民眾」）。惟進行上述驗證需要大量社會資料，因此DeepMind也建議NIST應建立相關機制，使這些社會資料可以被蒐集、使用。 此外，亦有民眾建議管理框架應有明確之衡量方法以及數值指標，以供工程界遵循。同時鑒於人工智慧發展極為快速，未來可能有不同於以往之人工智慧類型出現，故亦建議NIST應思考如何在「建構一套完整且詳細之人工智慧治理框架」與「保持人工智慧治理框架之彈性與靈活性」之間取得平衡。 最後，目前也有許多徵詢意見指出，許多人工智慧治理之目標會相互衝突。舉例言之，當NIST要求人工智慧系統應符合可解釋性，則人工智慧公司勢必需要經常抽取人工智慧系統中之「數據軌跡」（audit logs），惟數據軌跡可能被認為是使用者之個人資料，因此如何平衡或完善不同治理框架下之目標，為未來應持續關注之議題。