看韓國如何吹起下一波韓流—韓國著作權認證制度簡介
為推動研發制度的改革並強化研發能力及效率，日本於2018年12月14日通過法律修正案，將原《研發力強化法》（研究開発システムの改革の推進等による研究開発能力の強化及び研究開発等の効率的推進等に関する法律）更名為《科技創新成果活用法》（科学技術・イノベーション創出の活性化に関する法律），透過調整大學、國立研究開發法人（以下簡稱研發法人）的研究人員僱用制度、國家或人民安全相關研發預算的確保，以及研發法人投資科技研發成果之運用等相關制度的調整，以支持未來日本在科技創新研發能力的提升，以及研發成果的有效運用。 本次修法最大的重點，為研發法人投資研發成果運用的明文化，過去在《研發力強化法》中，僅規定研發法人得進行有助於成果運用的出資或技術協助等業務（第43條之2），但對於是否能保有因出資或技術協助所取得之收入（例如股票），則由各研發法人以其設置法另為規範；本次修正之《科技創新成果活用法》，則於第34條之5明文規定研發法人不受獨立行政法人不得持有股票的限制，可持有其運用研發成果進行技術作價投資或成立新創，所取得之股票或新股認股權，確立研發法人在支持研發成果運用上的功能與角色。
高智發明（Intellectual Ventures）揭開其專利寶庫擁有專利但不生產商品，以購買專利與主張專利為主要商業模式的專利蟑螂，近來在美國引起眾多討論，2013年6月，美國白宮更正式發表聲明，不但要求行政機關打擊專利蟑螂，更建議立法機關作出相關修法。 高智發明（Intellectual Ventures，以下簡稱IV）自2001年創立以來，擁有約7萬個專利，其中4萬個屬於IV商業化專案，為主張專利之武器群。一向不承認自己屬於專利蟑螂的IV，2013年12月公開表列出3萬3千個用以主張專利侵權獲利之專利，包括無線技術、半導體技術、硬體、以及生物技術等高值專利；至於其他未公開的專利，IV則稱受限於第三方的保密義務無法公開。 IV宣稱此舉目的在於提供潛在專利被授權人或買受人一個購物清單；然而更為可能的，是面對同年11月底甫通過眾議院投票之創新法案帶來的壓力，所釋出之善意表示退讓。 前述公開清單目前在IV官網上公開提供下載與搜尋，對於企業或事務所，將來受到不知名公司控告專利侵權時，可以檢視這份清單，瞭解該案是否為IV所主導，但實際在訴訟策略上該如何運用學界與實務界尚未有明確的作法，值得繼續觀察。
國際產業創新合作策略實例 – 歐盟之歐洲科技與創新機構(EIT) 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）