本文為「經濟部產業技術司科技專案成果」
內閣官房副長官於2019年12月18日召集國土交通省、警察廳、經濟產業省、防衛省等相關主管機關,召開第9次「小型無人機相關府省廳聯絡會議」(小型無人機に関する関係府省庁連絡会議),並決議由內閣於2020年向國會提交《小型無人機於重要設施周邊地區上空飛行禁止法》(重要施設の周辺地域の上空における小型無人機等の飛行の禁止に関する法律,以下簡稱「小型無人機等飛行禁止法」)修正案,將重要國際機場及其周邊地區列為小型無人機的永久禁航區。 《小型無人機等飛行禁止法》之目的係禁止小型無人機於國家重要設施上空飛行,以防患於未然,並維護國政中樞機能和良好國際關係,以及確保公共安全。依該法第2條、第9條第1項之規定,小型無人機之禁航區域包含國會議事堂、內閣總理大臣官邸、其他國家重要設施等、外國領事館等、國防相關設施和核能電廠,以及設施周邊經指定之地區。 而在機場部分,為預防危險並確保大會能順利準備及營運,日本已透過《世界盃橄欖球賽特別措施法》(ラグビーW杯特措法)及《東京奧運暨帕運特別措施法》(東京五輪・パラリンピック特措法),將國土交通大臣指定之機場及其周圍300米地區增列為小型無人機禁航區,但僅為大會期間的暫時性措施。內閣考量小型無人機之飛行可能會影響機場功能運行,甚至對經濟帶來重大不良影響,欲透過《小型無人機等飛行禁止法》修正案,將該暫時性措施改為永久措施。
日本最高法院新判決裁定日立需支付前員工發明報酬一億六千萬餘日圓日本最高法院最近裁定,日立( Hitachi )必須支付一億六千三百萬日圓(約四千五百萬台幣)給取得三項光碟讀取技術發明專利的前工程師米澤成二( Seiji Yonezawa )。一九九六年退休的米澤,於一九七三到一九七七年間,將其開發出來的三項有關光碟讀取技術發明專利移轉給任職的日立公司,當時他僅獲日立支付二百三十萬日圓酬勞,米澤嫌酬勞太少而提起訴訟,要求日立支付二億八千萬日圓酬勞。 東京地方法院於二○○二年作成的裁定,認定日立因該專利在日本國內所獲利益約兩億五千萬日圓,依米澤的貢獻度百分之十四計算,命令日立支付約三千五百萬日圓。但在日立上訴至東京高等法院的第二審,高院於二○○四年裁定,加上日立在英美等六個外國取得專利所獲利益約共十一億八千萬日圓,扣除已支付金額,日立應再支付約一億六千三百萬日圓酬勞給米澤。米澤原本訴請日立支付發明報酬兩億八千萬日圓,此案在最高法院駁回日立提起的上訴後判決定讞。 根據日本特許法(專利法)規定,受雇人取得發明專利時,企業需支付相對報酬予發明人,不過對於報酬之合理性,受雇人及雇用人近年來迭有爭議並訴諸司法解決。雖然日本國會在 2004 年 5 月 28 日 通過專利法修正案,進一步使報酬之計算要件更加具體、明確化,日本專利局也隨後在 2004 年 11 月公布「新受雇人發明制度之程序個案研究」( The Case Studies of the Procedures under the New Employee Invention System ),以問答方式闡釋新修正之發明人報酬規定之意義與適用方法,並尋求一個較為合理的標準,提供受雇人與雇用人間訂定報酬金時之參考。 然而,境外專利權是否應該列入報酬金之計算,新法則未規定,故此問題仍然存在,對此下級法院的判決不一,日本最高法院最近做出確定在海外取得的專利亦得支付相對報酬之裁決,這項司法裁定,勢必會影響到擁有國外專利的眾多日本企業。
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HHS發布2024-2030年聯邦健康IT計畫推動共享醫療體系美國衛生及公共服務部(United States Department of Health and human Services, HHS)於2024年9月底發布「聯邦健康IT策略計畫」(Federal Health IT Strategic Plan),強化電子健康資訊存取、交換和使用,提升健康管理能力、改善醫療照護體驗、推動健康研究及創新,並提出四大目標 四大目標包括: 1. 提倡健康福祉:賦予個人管理自身健康的權利,確保個人和公眾獲得現代且公平的醫療服務,並促進社區健康與安全。 2. 強化醫療照護的提供和體驗:提供安全、公平且優質的醫療服務,擴大病人獲取優質醫療途徑並減少健康差異。加強競爭和透明度改善醫療體系,減輕醫療提供者的監管和管理負擔,並增強使用健康IT工具的信心。 3. 加速研究創新:允許健康IT使用者適當存取健康資料以推動個人和公眾健康的改善。加強個人和公眾層面研究與分析,透過使用代表性不足群體的健康資料,促進健康公平。 4. 醫療資料連結醫療系統:持續推動健康IT工具的開發和應用、資料共享、普及健康IT基礎設施、保護個人隱私和安全、整合的公共衛生資料和基礎設施。 在健康IT策略計畫中也聚焦在健康公平性、人工智慧應用、資料共享及安全性等議題,並提出了六大實施原則:以人為本的包容性設計、安全且優質的健康資訊、資料導向的決策、提升全民健康公平性、鼓勵創新和競爭。透過聯邦政府健康IT策略目標與原則,預期在6年內提供更有效、公平和現在化的醫療系統。