日本與大陸簽署專利審查高速公路試行方案（Patent Prosecution Highway pilot program）
日本特許廳（JPO）和中國人民共和國國家知識產權局（SIPO）於2011年10月18日合意簽署專利審查高速公路（Patent Prosecution Highway，PPH）試行方案。本方案欲藉由資源共享的方式，加快專利申請程序的官方審查期間。並預計於11月初開始施行，試行期間為期一年。透過這個方案，將使日本成為中國第一個PPH方案的合作對象。
隨著商業活動的全球性擴展，企業在各國獲取專利的需求性亦相對性地提升，造成單一申請案需個別向各國專利局申請的情況。因而造就全球性專利申請案件數量的攀升，以及專利審查期間的延長。為解決此問題，日本特許廳企圖以推行PPH模式，幫助申請人有效且及即時地獲取專利，以保障其國外專利權的行使。
傳統上大陸知識產權局審理日本專利申請案，通常需要經過二至三年的審查期間，透過這個試行方案，審查期間可望縮減至半年。
日本特許廳預計，這個方案將使日本企業以更迅速且有效的方式，保護其在中國的技術，進而協助日本企業順利地在中國經營商業活動。日本特許廳廳長表示，國際專利合作案不應該是種妥協，相反地，我們需要尋求一種可創造雙贏局面的新方式。
至於大陸方面，則預計與其他國家，如美國及南韓，簽署建立PPH的合作方案。
美國司法部於今年六月底，就1941年實施至今，與「美國詞曲作者及出版商協會」(American Society of Composers, Authors and Publishers，ASCAP)及「廣播音樂公司」(Broadcast Music Incorporated，BMI)間的合意判決(Consent Decree)，提出了新的解釋。司法部認為，在維護市場自由競爭的價值下，應該允許部分詞曲著作人授予全部的歌曲權利給單一集管團體。 在當今閱聽大眾習慣變化快速的年代，閱聽服務種類多元，使用人很有可能因難以取得全部歌曲權利而陷入侵權風險。司法部此舉可增進使用者授權便利性與完整性。 然而，新的解釋引來正反兩面不同的評價，部分數位音樂業者（如Pandora Media, Inc）認為，如此可提升消費者享受服務的便利性，亦可避免大型集管團體的壟斷與對於音樂授權市場的價格控制。反對聲浪則表示，如果單一權利人可授權全部的音樂著作權利給個別集管團體，會增加授權複雜程度，亦將造成集管團體彼此間授權費用分攤上的困擾；並且，大型音樂出版業者（如SONY/ATV）很有可能撤回對於集管團體的概括授權，這對於消費者來說無異是增加了取得授權的困難度，只是將壟斷力量由集管團體轉移至服務提供業者本身而已。亦有論者指出在授權透明機制建立以前，過度自由的授權模式將增加整個音樂視聽產業的內部管制負擔。 我國對於集管團體與音樂服務業者間關係，恐亦存在市場力量不均衡的問題，政府或應思考如何於「授權市場的公平競爭」、「社會大眾的閱聽權利」，以及「音樂產業的發展方向」三者之取，取得政府、人民與產業三贏的結果。 「本文同步刊登於TIPS網站（https://www.tips.org.tw）」
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
產業創新條例因應放寬公司研發抵減、加強留才制度之修正草案 國家通訊傳播委員會第545次委員會議審議通過「因應數位匯流調整有線電視收費模式規劃」案