iPhone5 推出後產生之法律爭議
當蘋果的員工應該是在慶祝iPhone5的發表時，其實該公司的法務團隊為另一個商標侵權的爭議而緊張。
SBB(Swiss Federal Railways)是瑞士的國家鐵路公司，可能控告蘋果在iOS6中，一個新的以時鐘作為特色的使用。該公司聲稱蘋果侵害這個於1944年所創造出的設計。
SBB先前曾經同意鐘錶製造廠在簽署授權同意書後使用該設計，也期待與蘋果進行商討，以盡快解決此一爭議問題。SBB發言人表示：「金錢並非是最優先考量的利益，對於蘋果使用我們的設計我們是感到驕傲的，若是於兩個優質品牌之間可以有合作關係，將會是雙贏的局面。」
而蘋果的發言人回應：「此一有爭議的設計僅出現在iPad没有在iPhone」，並無其他評論。
這似乎是第一個商標爭議，蘋果可以快速且溫和地解決；因為蘋果與Samsung及其他科技大廠在全世界的爭議似乎是永無止境，在中國就得面對不少的法律問題。
的確，再幾周後SBB與蘋果已達成協議，SBB車站時鐘的設計可使用於蘋果的某些產品設備，如：iPad、iPhone，雙方已經過討論並在授權同意書中達成協議，該協議已同意一定金額的授權金，而進一步的授權細節則是維持機密。
日本特許廳（Japan Patent Office，後稱JPO）於2024年6月駁回Google公司對來自中國大陸的深▲せん▼小▲ちぇ▼科技有限公司（後稱中國大陸公司）有關「FITBEING」文字商標的註冊異議，認為中國大陸公司的「FITBEING」商標與Google公司的「FITBIT」商標在外觀、發音等方面存在顯著差異，因此不會對消費者造成混淆。 中國大陸公司於2023年1月在日本申請註冊「FITBEING」文字商標，指定於第14類的「鐘錶和計時儀器」等商品。Google公司於同年8月對該商標提出異議，主張「FITBEING」商標與其於2018年註冊的「FITBIT」文字商標，在拼寫及發音上相似，並有致相關消費者混淆誤認之可能，違反日本商標法第4條第1項第11款、第15款。此外，Google公司亦表示其「FITBIT」文字商標已為Google穿戴設備的「周知」標識，應具有排他性。 JPO指出，儘管「FITBEING」和「FITBIT」在拼寫上皆以「FITB」開頭，惟二者字尾的「ING」和「IT」無論在文字外觀、字母數量還是音節數量上的差異皆具顯著差異。此外，JPO亦評估「FITBIT」商標是否為「周知」商標。依日本商標法第4條第1項第10款規定，與消費者廣泛認識其為表示他人營業商品或服務之商標相同或近似，使用於同一或類似之商品或服務者，不得註冊商標。本案中，JPO指出Google公司所提供的證據，包括各國市場調查報告和廣告宣傳資料，卻未能提交足夠的日本市場調查資料，以證明「FITBIT」在日本已被相關消費者廣泛認識為Google穿戴式設備的「周知」標識。因此，基於雙方商標近似及周知程度，JPO駁回了Google公司的異議，認定兩商標無導致消費者混淆誤認之虞。 由本案可知，日本JPO對商標近似性的判斷標準與我國大致相同，均會考量商標的外觀、發音及涵義的差異。企業在設計創作商標時，應檢視商標的外觀、讀音以及涵義，避免欲註冊商標與現有商標近似，以避免無法取得註冊商標。此外，若欲主張「周知商標」，企業應確保提交充分的當地市場調查資料證明商標的知名程度，包括當地市場的消費者調查結果及銷售資料等，當面臨爭議時，用以主張商標的著名程度。 本案目前經JPO駁回Google公司的異議後，尚無進一步的訴願或訴訟公開資訊。 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/）
歐盟執委會發布人工智慧創新政策套案歐盟執委會（European Commission）於2024年1月24日發布AI創新政策套案（AI innovation package），將提供全面性的激勵措施，協助AI新創公司、中小企業與歐盟AI技術之發展。AI創新政策套案預計將修訂〈歐盟高效運算聯合承諾〉（the European High Performance Computing Joint Undertaking），以創建AI工廠（AI factories）；成立AI辦公室（AI Office）；並建立歐盟AI新創與創新交流（EU AI startup and innovation communication），重點分述如下： （1）AI工廠：歐盟執委會在將2027年前透過〈歐盟高效運算聯合承諾〉投資80億歐元，在歐盟境內建設全新的超級電腦，或升級現有高效運算設備，實現高速機器學習（fast machine learning）與訓練大型通用AI模型（large general-purpose AI models），使AI新創公司有機會使用超級電腦與大型通用AI模型來開發各種AI應用。並且，AI工廠將坐落於大型資料存儲中心（large-scale data storage facility）周圍，讓AI模型於訓練時可取得大量可靠的資料。其次，AI工廠將藉由開放超級電腦來吸引大量人才，包含學生、研究員、科學家與新創業者，以培養歐盟高階AI人才，供未來歐盟持續發展可信任的AI（Trustworthy AI）。 （2）AI辦公室：該辦公室將設置於歐盟執委會內，用於確認與協調歐盟成員國AI政策的一致性。此外，該辦公室未來亦將用於監督即將通過之歐盟《AI法案》（AI Act）的執行成效。 （3）歐盟AI新創與創新交流：歐盟執委會將透過〈展望歐洲〉（Horizon Europe）與〈數位歐洲計畫〉（Digital Europe Programme），在2027年前投入40億歐元的公部門與私人投資，俾利歐盟開發生成式AI（Generative AI）模型。該政策套案亦將加速歐盟共同資料空間（Common European Data Spaces）之發展，使歐洲企業得取得可靠且具價值性之資料來訓練AI模型。最後，執委會將啟動歐盟〈生成式AI倡議〉（GenAI4EU initiative），將AI工廠所訓練之生成式AI應用於工業用與服務型機器人、醫療保健、生物科技與化學、材料與電池、製造與工程、車輛移動、氣候變遷與環境保護、網路安全、太空、農業等實際領域，刺激產業創新發展，改善人類生活。
美國參議院司法委員會通過草案 擬規範學名藥給付延遲訴訟和解協議為禁止藥廠間持續利用「給付遲延和解協議」(pay-for-delay settlements)來延遲低價學名藥品上市，美國參議院司法委員會(Senate Judiciary Committee)，日前已表決通過由參議員Herb Kohl 所提之「保障低價學名藥品近用法草案」 (Preserve Access to Affordable Generic Drugs Act 【S. 369】)，並已提交兩院，進行後續之討論及審查。而就該新法草案內容，大致上，是為解決品牌藥廠因採逆向給付(Reverse Payment)和解協議以阻礙學名藥品上市時，將帶來長期用藥與醫療成本增加等問題之目的而設。 而就前述所提及之訴訟協議模式來說，原則上，在品牌藥商為解決藥品專利訴訟問題之前提下，透過給付學名藥品廠商數百萬美元報酬(即補償金)之方式，來做為換取學名藥廠同意並承諾願將該公司學名藥產品延緩上市條件之對價，並藉此以保存系爭藥品原先既存之市場利潤。而對此類將嚴重影響大眾日後近用低價藥品權益之和解協議，美國聯邦貿易委員會(Federal Trade Commission；簡稱FTC)業已於近期內，作出完整之分析報告，其指明，若政府能終止此類和解協議，除將可於往後十年間，可為聯邦政府減低近120億美金之預算支出外；同時，亦可為民眾節省下近350億美金之醫療成本。 此外，由於受FTC該份分析報告之影響，於先前司法委員會之表決過程中，委員對此類訴訟和解所採之態度，也產生重大轉變，亦即，其從最初肯認可提出充分證據並證明將不會損及正常藥廠間競爭之和解協議，轉而改為，應嚴格限制此類訴訟和解協議之產生；同時，為嚇阻藥廠間給付遲延訴訟協議之達成，於此項新法草案中，亦新增相關處罰之規定。 最後，參議員Kohl強調：「一旦此項草案通過，除將可終結過往那些罔顧消費者權益之不當競爭行為外；從長期影響之角度來看，該法案亦可為公眾省下每年約數十億美金之用藥花費」。。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。