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」
四年前，由M2Z網路公司（m2znetworks）向FCC建議，以AWS頻段（1.9GHz～2.1GHz建立）建立高速寬頻網路，並將運用其中一部份，建立速率達768Kbps的網路服務，在十年的期間內，免費提供公眾使用。M2Z計畫與美國各地申請BTOP（Broadband Technology Opportunities Program，寬頻技術機會計畫）補助的地方政府合作，建立免費無線寬頻服務。後續營運的支出將以廣告、與合作伙伴的收益及自有資金支應，並將支付收益的5%給美國財政部。 在經歷諸多考量後，2010年9月，FCC認為這並非一個好的政策措施，並向M2Z公司表示，將不支持這項計畫，而將繼續透過全國寬頻計畫以及普及服務基金的運作，促使寬頻網路普及化。 當M2Z提出這項計畫時，引起非常多的爭論，因其計畫初期提出將建立過濾色情內容的機制，使其成為家庭友善的服務。之後，包括頻譜使用的干擾以及768Kbps的免費網路是否符合需求，也引起其他網路服務商的反對，。而FCC所公布之國家寬頻計畫，其基礎目標是4Mbps之寬頻接取，因此M2Z的計畫顯然已經不合乎FCC的整體規劃。 消息公開之後，許多無線產業紛紛認同FCC的看法，如反對本項計畫最力的CITA無線協會即發表聲明表示，FCC放棄這項構想是正確的決定，因為M2Z的計畫將不能充分發揮AWS頻段的價值，同時提供的服務速度也太緩慢不符合公眾利益。FCC應回歸國家寬頻計畫，合理的規劃整體頻譜資源，釋出更多頻譜提供無線寬頻市場新的機會。
連結稅（link tax）連結稅（link tax）並非政府稅捐，而是網路業者以連結方式擷取新聞內容提供予他人，應向新聞業者協議取得授權，並支付適當費用的俗稱。針對網路業者擷取使用或彙整他人的新聞（例如Google News），導致發布該新聞之新聞業者實際獲得的點擊率與網路流量減少的情形，為了平衡新聞業者與網路業者間的利益，歐盟於2019年通過施行的歐盟數位單一市場著作權指令（The Directive on Copyright in the Digital Single Market）中，訂定網路業者應向新聞業者取得著作使用之授權協議，包含網路業者應與新聞業者分享一定比例之收益。 本條文於草案階段即備受爭議，草案條文（第11條）甚至包含使用超連結（hyperlink）的行為在內，而引發網路業者與使用者的反彈，並戲稱支付使用超連結的費用為繳交超連結稅。而最後通過的條文（第15條），則排除了非商業使用的個人、使用超連結或是僅單詞或簡短摘錄的情形，並將新聞業者的權利限於發表後的兩年以內，且不溯及適用指令施行前發表的新聞。 德國跟西班牙分別於2013年及2014年立法賦予新聞業者類似的權利，但結果顯示新聞業者對於網路業者的依賴，可能還遠大於網路業者擷取新聞業者內容所獲得的利益。法國於2019年7月完成將歐盟著作權指令內國法化，Google也因此調整其擷取政策，除非新聞業者主動完成對擷取內容範圍限制與授權的設定，Google將刪除全部擷取內容；連結稅能否保障新聞業者對其所發布新聞的相關權利，並平衡新聞業者與網路業者間的利益，仍有待觀察。
澳洲聯邦法院認定Hungry Jack's「BIG JACK」等商標未近似於McDonald's「BIG MAC」等商標澳洲聯邦法院於2023年11月16日宣告著名速食餐飲公司McD Asia Pacific LLC (後稱McDonald's）指控Hungry Jack's Pty Ltd（Burger King Corporation特許經營者，後稱Hungry Jack's）商標侵權的審判結果，確認Hungry Jack's的「BIG JACK」和「MEGA JACK」商標與McDonald's的「BIG MAC」和「MEGA MAC」商標並無誤導性之近似性，考量商標之間的外觀、發音和含義等具有顯著性差異且能夠避免對消費者造成混淆，而判決Hungry Jack's的商標使用並未侵犯McDonald's的商標權。 美國漢堡巨頭McDonald's自1971年開始在澳洲運營並銷售「BIG MAC」漢堡。這起案件始於McDonald's公司於2020年提出的指控，聲稱Hungry Jack's於該年推出並使用的「BIG JACK」和「MEGA JACK」商標與其註冊的「BIG MAC」和「MEGA MAC」商標極為相似，可能導致消費者混淆，損害其商標權益。然而，Hungry Jack's反駁了這一指控，主張其商標「BIG JACK」和「MEGA JACK」在外觀、聲音和涵義上與McDonald's的「BIG MAC」和「MEGA MAC」存在顯著差異，並提出了獨特的市場定位和行銷策略。 聯邦法院指出，McDonald's公司聲稱Hungry Jack's的「BIG JACK」和「MEGA JACK」商標使用侵犯了其商標權，但卻未能提供足夠的證據來支持這一主張。法院特別關注商標在外觀、聲音和含義上的差異，並考慮了它們在市場上的實際使用情況。雖然兩者可能在某些方面顯示出相似性，例如名稱中都包含了「BIG」與「MEGA」，但綜合考慮後，法院發現Hungry Jack's的「BIG JACK」和「MEGA JACK」商標與McDonald's的「BIG MAC」和「MEGA MAC」商標之間，包括外觀風格、字體設計和商業標識等方面存在顯著差異，並未達到引起混淆或誤導的程度。因此，基於對雙方商標相似性的詳細分析和法律準則的適用，最終判定Hungry Jack's的「BIG JACK」和「MEGA JACK」商標使用未對McDonald's商標構成侵權。 本案突顯商標管理在品牌企業發展中的關鍵性。企業應定期檢視品牌商標使用情形與辨識侵權他人或被他人侵權等潛在風險，並適合維權等管制措施以及時保護自身的商標權益，確保品牌在市場中的競爭力。 本文同步刊登於TIPS網站（https://www.tips.org.tw/）
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（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，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。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現