美國環保署於提出首部「限制發電廠有毒氣體排放」國家管制標準草案並預定於2011年11月完成立法
美國環保署(Environmental Protection Agency of the United States，以下簡稱EPA)於2011年3月16日首度對於國內發電廠有毒氣體的排放提出國家管制標準草案，並預定於2011年11月完成立法，此項立法措施被譽為近20年來美國空氣污染防治史上的重要里程碑。
美國對於發電廠所排放的有害氣體管制，最早源於美國清淨空氣法案(The Clean Air Act)在1990年要求EPA加強對於發電廠排放之汞（mercury）等有毒氣體之管制，而國會亦要求其須於2004年底以前提出國家管制標準。然而EPA於2005年正式公告「清靜空氣除汞管制規則（the Clean Air Mercury Rule，以下簡稱CAMR規則）」時，卻將燃煤電廠排放汞排除於管制名單外，引發紐澤西等14個州政府與相關環保團體的抗議，並對EPA提起聯邦訴訟。2008年2月8日聯邦上訴法院作出判決，除指出EPA對於發電廠空污之認定前後矛盾外，更認定其在未發現有新事證下擅自將發電廠所排放之空氣污染自CAMR管制名單中移除(delist)，已違背反清靜空氣法案之程序要求，故推翻CAMR規則之有效性。
此後，經過密集的聽證會與討論，EPA最終於2011年3月16日正式提出「限制發電廠有毒氣體排放」的國家管制標準，對於發電廠所排放的汞、砷（arsenic）、鉻（chromium）、鎳（nickel）及其他酸性或有毒氣體加以管制，並要求電廠必須採用污染控制技術以減少製造量。
後京都議定書時代中，各國無不致力於新興能源替代方案之提出，惟於新興能源研發應用前的過渡期間仍需仰賴傳統發電技術，美國為解決傳統火力發電對於環境及人體健康所造成的傷害，提出首部國家管制標準草案，其後續對於該國能源結構可能產生何種影響，值得注意。
本文為「經濟部產業技術司科技專案成果」
美國聯邦貿易委員會（Federal Trade Commission，FTC）鑒於近期授權學名藥（Authorized Generic，指由原專利藥廠於專利到期後自行或授權所推出之學名藥）上市申請頻率遽增，且授權學名藥專利和解協議日多之現況，自今（2009）年起，即積極展開一系列調查行動，先後於3月首度對授權學名藥和解協議案件祭出處罰裁決，並於6月公佈一份有關授權學名藥報告（Authorized Generic: An Interim Report）。 在美國授權學名藥法規（即Hatch-Waxman Act）架構下，首次提出簡易新藥審查申請取得學名藥上市許可之第一申請者（first-filer），得享有180日之市場專屬保護期間，除授權學名藥外，保護期間內其他藥廠一概不得推出相仿學名藥。 美國學名藥市場專屬保護期間之設計，原是希望藉此加速學名藥研發與上市，達到降低藥品取得價格之效，但根據FTC調查顯示，由於授權學名藥在市場專屬保護期間內依法得進入市場，於受到授權學名藥介入競爭之壓力下，第一申請者學名藥零售價格會比原先下降4.2%，經銷價格會下降6.5%，並減少該第一申請者藥廠47-51%的收入。在此背景下，越來越多第一申請者藥廠傾向採擬與原專利品牌藥廠達成延遲學名藥上市協議之策略，藉此互為其利。根據FTC統計，2004-2008年間約有25%的專利和解案件涉及授權學名藥條款，76%的對造為第一申請者學名藥藥廠，其中有25%的和解，是由授權學名藥藥廠與第一申請者藥廠就於一定期間（平均約為34.7月）不進入市場互為承諾。 FTC目前唯一的監管機制，係依據醫療照護現代化法（The Medicare Prescription Drug, Improvement, and Modernization Act of 2003，MMA），要求專利藥廠若與學名藥廠做成任何專利訴訟和解協議或相關協議時，應於協議生效10日內向FTC通報，以供FTC決定是否展開反競爭調查。FTC對於此類協議之審查上，終於今年3月有所進展，宣布必治妥（Bristol-Myers Squibb，BMS）應就其與Apotex公司間所達成專利訴訟和解協議繳交210萬美元。
美國通過《地理空間資料法》，明確化地理空間資料管理美國於2018年10月5日，通過《2018年地理空間資料法》（Geospatial Data Act of 2018，下稱《GDA 2018》），並編列入《2018年美國聯邦航空總署重新授權法案》（Federal Aviation Administration Reauthorization Act of 2018）。該法是接續《2017年地理空間資料法》（Geospatial Data Act of 2017，下稱《GDA 2017》），做出進一步的調整。 《GDA 2017》的核心目標就是要根本性地重整管轄權，以順利發展「國家空間資料基礎建設」（National Spatial Data Infrastructure）。要點如下： 原先美國有許多管轄的地理空間資料旁枝機構，工作重疊性高、權責不清，《GDA 2017》指定「聯邦地理空間資料委員會」（Federal Geographic Data Committee, FGDC）作為權責機關，並管理國家空間資料資產（National Geospatial Data Asset）。 指定「國家地理空間資料諮詢委員會」（National Geospatial Advisory Committee, NGAC），提供FGDC建議並進行監督。 擴充「地理空間資料」的定義，把所有量測（Survey）和製圖（Mapping）成果解釋成地理空間資料（Geospatial Data）。 《GDA 2018》進一步提出規範，明確化地理空間資料管理： 回饋報告 要求執行與地理空間相關計畫的聯邦單位，提供年度報告；並要求聯邦地理空間資料委員會（FGDC）按《GDA 2017》所列的職責，對於所有相關單位進行評估報告。這些評估報告會提交給國家地理空間資料諮詢委員會（NGAC）寫成報告，在兩年內提供給國會。 國家空間資料基礎建設 明確設立兩個目標：第一個目標是地理空間資料的隱私管理和安全性保障；第二個目標則是建置全球空間資料基礎建設。 國家空間資料資產 希望FGDC會能夠就各個主題指定專責機構進行管理。
5G汽車協會發布《道路使用者保護白皮書》5G汽車協會（5G Automotive Association, 5GAA）於2020年8月24日發布「弱勢道路使用者保護白皮書」（Vulnerable Road User Protection），點出目前道路交通安全對相關道路使用者保護不足，同時揭示未來車聯網（V2X）可提供整體用路人更安全之道路交通環境。 白皮書指出，道路安全是交通政策關鍵，應透過科技技術與政策制定，共同實現道路安全目標。而根據目前統計數據，弱勢道路使用者（Vulnerable Road User，以下簡稱VRU），包含：「行人」、「騎自行車者」、「騎電動車者」、「道路施工者」、「輪椅使用者」及「滑板或是單輪車使用者」，其占交通事故之傷亡比例最高，幾乎超過半數之死亡人數均為VRU，未來更可能因環境或與健康因素，使道路交通使用者數量不斷提升，對VRU之保護將成為未來各國交通之關鍵。 技術層面，則是車輛感測器偵測VRU、路側設備（Roadside Unit, RSU）、行動邊緣計算技術（Mobile Edge Computing, MEC）等，並進一步應用於車聯網下之不同案例情況：（1）高度風險區域：例如車輛進入行人密度極高的地區，透過感測器發出警訊，以即時警惕人車彼此存在，降低視線死角之事故發生率。（2）VRU與車輛透過裝置溝通：如車輛與VRU之間透過手機等設備傳輸相關資料並通訊。（3）車輛透過安全演算系統與VRU及各項設施交換訊息：此項涉及車聯網通訊應用下，車與車（V2V）和車與交通基礎設施（V2I）通訊，透過C-V2X PC5通訊技術軟體，使車輛、基礎設施與VRU之隨身電子設備之間得以進行通訊，降低事故碰撞發生。 綜上，未來應建立國際通用的車聯網之弱勢道路使用者保護標準，而非因區域而不同之標準，如目前美國汽車工程師協會之個人安全訊息標準（Personal Safety Messages, SAE PSM）及歐盟電信標準協會之弱勢道路使用者分布（Vulnerable Analysis Mapping , ETSI VAM），兩者在保護上即有所差異。VRU之保護服務是未來車聯網應用之關鍵與道路交通安全核心目標之一，相關系統與感測技術亦在不斷提升，未來更能融合感測器技術，並預測行人可能路徑，將全面提升道路安全。
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南，旨在提升企業數位化與社會責任，並提升消費者權益保護。 德國司法及消費者保護部次長Gerd Billen於會議中指出，無論技術細節和具體應用如何發展，法律和消費者保護政策應確保人工智慧安全性，且不因此受歧視，以及盡可能確保技術利用透明度。而隨著人工智慧的發展，應設法解決使用人工智慧產生的法律問題。 例如，如何在製造商，供應商和消費者之間公平分配責任歸屬問題？在家庭，物流和手術室等領域已有越來越多具備自我學習的機器人被應用，相關權利是否會有所不同？如果機器出現不明原因故障，會發生什麼情況及如何處置？當機器透過在製造時尚未完全預定的環境感官認知做出具體決定時，該自動行為所生效力為何？ 本份指南則提出六項建議： 促進企業內部及外部訂定相關準則 提升產品及服務透明度 使用相關技術應為全體利益著想 決策系統的可靠性仍取決資料的準確性。 重視並解決解決機器偏差問題 在特別需要負責的決策過程，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。