FCC將推動Gigabit城市
美國被視為科技最為先進的國家，但從平均連網速度落後於荷蘭、韓國，可發現美國寬頻基礎建設並未想像中出色。因此，為了加速高速寬頻服務的發展，FCC主席不僅於2010年推動「寬頻加速計畫」(Broadband Acceleration Initiative)外，在今(2013)年1月28日，主席Julius Genachowsk更宣布推動「挑戰Gigabit城市」(Gigabit City Challenge)計畫，使民眾能享有更好的網路品質。
「挑戰Gigabit城市」規畫於2015年全國50個州均至少有1個具備Gigabit服務的社區，且使既有高速固網頻寬提升100倍。此外，FCC希望藉由「關鍵多數」(Critical Mass)，使業者具有獲利之基礎，促進新興應用與服務發展，以帶動美國經濟成長與強化國際競爭力。
目前，FCC並未就此計畫編列基礎網路建設預算，但將設置兩個單位，促進「挑戰Gigabit城市」之目標達成：
1.線上資訊網(Online Clearinghouse)：蒐集與宣傳如何可降低成本與增加網路速度之資訊，以促進寬頻網路規劃(含Gigabit社區)。
2.發展中心(workshops)：發展中心將成立於Gigabit 社區，並邀請寬頻提供商與州、市之領袖共同評估Gigabit 社區的成立門檻、增加投資與降低成本，以提供FCC相關資訊。
現階段，美國共有14個州、共40個社區有Gigabit連接服務，包含Google去(2012)年底於坎薩斯城(Kansas City)建設、以及西雅圖在翡翠城(Emerald City)設置試點區，可見Gigabit寬頻將逐漸成為美國趨勢。FCC預計Gigabit服務推動後，將可解決新興產業，例如遠距醫療、遠距教學、高畫質影音與線上服務，受限於連網速度外，亦可紓緩美國失業率與財政困境。
從日本農業數據協作平台WAGRI擴建為智慧食物鏈歷程談因應疫情之智慧化措施 資訊工業策進會科技法律研究所 劉宥妤 副法律研究員 2020年10月8日 壹、前言 我國近年積極發展智慧農業，一般農企業或農民發展智慧化過程中，面臨高額的設備建置、維護成本使其卻步，因此創設新的農業數據流通運用商業模式將能降低智慧化門檻，成為智慧農業普及落地之關鍵。本文將研析與我國農情相近之日本推動智慧農業數據流通運用之策略，作為我國智慧農業發展之借鏡。 日本與我國同樣面臨從事農業者高齡少子化以致後繼無人，日本政府於2016年提出Society 5.0概念，期待以資通訊（Information and Communication Technology，ICT）技術帶動發展社會各個領域[1]，於農業領域利用農業ICT可使資深農民內隱知識成為外顯化數據而利於經驗傳承。 日本當時民間企業已有開發眾多ICT系統服務技術，不同業者因未進行合作，其提供的系統服務互不相容，ICT系統服務產出之數據格式、標準不一；另一方面，公部門（研究、行政機關）內的資料亦各自分散管理。為促進農業數據整合管理、流通運用，日本農業數據協作平台（WAGRI[2]）因而催生。 貳、日本農業數據協作平台WAGRI發展歷程 一、日本首相指示建構數據平台 日本政府於2017年3月24日召開第6回「未來投資會議[3]」，作為主席之首相安倍晉三提到：為了能栽培出安心可口的作物，官方、民間應互相拿出作物生長狀況、氣候、地圖等更新資料，並且於2017年年中建構無論任何人均可簡易利用的資訊協作平台，必要數據須完全公開，交由IT綜合戰略本部[4]將前述平台規劃具體化。 於2017年6月9日召開的第10次未來投資會議中，公布「未來投資戰略2017[5]」，以實現「Society 5.0」為目標，其中提到於農、林、水產業領域，奠基於公部門保有之農業、地圖、氣象等公開化資訊，能夠共有活用各種數據的「日本農業數據協作平台（下稱WAGRI）」將於2017年開始建構。 二、WAGRI試營運 WAGRI由內閣府「策略性創新創造計畫（Strategic Innovation Promotion Program，SIP）」第1期計畫11個課題之一「次世代農林水產業創造技術」[6]支持（管理法人為農研機構[NARO][7]），由慶應義塾大學SFC研究所[8]建置，與參與SIP研究計畫聯盟，包括農業生產法人、農機製造商、ICT供應商、大學與研究機關等（例如日本IT企業NTT ［Nippon Telegraph and Telephone Corporation］、富士通［Fujitsu Limited］；農機大廠久保田［Kubota Corporation］、洋馬［Yanmar Holdings Co., Ltd.］[9]）共23個組織一同建置，具備「合作」（打破不同系統隔閡使數據得以相容互換）、「共有」（數據由提供者選定分享方式得以促成數據交換利用商業模式建立）、「提供」（由公私部門提供土壤、氣象等數據得以促成數據取得和後續流通）三大功能之WAGRI，試營使用時已有實作案例指出，活用WAGRI後在數據蒐集與利用上的勞力與時間成本明顯縮減[10]。 三、WAGRI自主營運 2019年4月以農研機構（NARO）為營運主體，正式營運開始原本由SIP計畫支援，轉由農研機構（NARO）正式營運。 今（2020）年4月更新WAGRI平台利用資訊自主營運後，原先不收費方式已變更，欲利用WAGRI之機關依據以下兩種利用平台方式，須繳納不同的費用[11]： 1. 數據利用者（利用WAGRI數據者）、數據利用暨提供者（利用WAGRI數據且提供數據予WAGRI者） 平台利用月費5萬日圓 若利用有償數據時，須另外支付數據使用費 2. 數據提供者（提供數據予WAGRI者） 平台利用月費3萬日圓 但書：若僅提供之數據屬於無償者，原則上不需要繳納平台利用費 參、因應疫情WAGRI擴散之應用 日本SIP第2期計畫12個課題之一「智慧生物產業與農業基礎技術[12]」所支持的「智慧食物鏈聯盟[13]」，將擴張SIP第1期計畫所建置之WAGRI，建構智慧食物鏈平台（簡稱WAGRI-dev），智慧食物鏈聯盟主要任務為建構智慧食物鏈（預計於2025年開始商業化服務），促使食物的加工、流通、銷售、出口相關數據可相互運用，以作為日本生鮮物流之基礎，將架構於WAGRI之基礎擴建為WAGRI-dev。 為因應疫情，今（2020）年4月7日聯合國糧農組織（Food and Agriculture Organization of the United Nations，FAO）和世界衛生組織（World Health Organization，WHO）聯合發佈「針對食品安全監管部門防控新型冠狀病毒肺炎（COVID-19）與食品安全的臨時指南[14]」，由日本SIP計畫課題「智慧生物產業與農業基礎技術」之智慧食物鏈聯盟，基於前述指南制定「新冠肺炎（COVID-19）對應指針」；同樣作為前述課題一環的「日本食品指針協作系統（簡稱WAGRI.info）」[15]為因應疫情而產出相對應的應用。 WAGRI.info，於7月13日開放網站受理食品、農產品相關業者進行食安登錄，不限於符合新冠肺炎對應指針，符合既有之品質・安全管理指針（例如：危害分析重要管制點［Hazard Analysis and Critical Control Points，HACCP］）等即可申請登錄，並具備企業檢索功能供一般大眾使用。 WAGRI.info為WAGRI-dev之一環，未來將陸續添加多樣數據協作機能、防止數據竄改與不法入侵等措施。日本政府從原本期待藉由擴張WAGRI打造出從生產，以至加工、流通、銷售、出口等，建構一世界首度智慧食物鏈之外，因應疫情增加相關機能以建構食安資訊網。 我國亦有智慧農業數據相關平台提供OPEN DATA介接功能[16]、開發食安溯源整合應用系統，提供校園午餐食材流向資料，日本WAGRI整合與共享數據的模式可作為我國發展智慧農業活用數據之借鏡外，WAGRI.info之作法亦可供國內因應疫情之食安政策參考。 [1]〈科学技術基本計画〉，內閣府網站，https://www8.cao.go.jp/cstp/kihonkeikaku/index5.html（最後瀏覽日：2020/10/08）。 [2]WAGRI代表的是作為一數據平台 ，由各式的數據與服務連環成一個輪，調和各個社群、促進「和」諧，期待引領農業領域之創新，由WA+AGRI組合而成（WA是和的日文＋農業AGRI），WAGRI網站，https://wagri.net/ja-jp/（最後瀏覽日：2020/10/08）。 [3]作為日本政府實施經濟政策與實現成長戰略之指揮總部所設置的日本經濟再生本部，從2016年起約每月召開「未來投資會議」，討論成長戰略與加速社會結構改革以擴大對未來之投資。〈日本経済再生本部〉，首相官邸網站，http://www.kantei.go.jp/jp/singi/keizaisaisei/（最後瀏覽日：2020/10/08）。 [4]日本政府積極展開推動活用IT科技做為解決各領域社會議題之手段，從2000年日本施行IT基本法（高度情報通信ネットワーク社会形成基本法），於隔年依法設立IT戰略本部（高度情報通信網路社会推進戦略本部），2013年依據政府CIO（Government Chief Information Officer）法於内閣官房設立「內閣資訊技術政策局局長（内閣情報通信政策監，簡稱政府CIO）」，IT戰略本部與政府CIO統整為IT綜合戰略本部（高度情報通信ネットワーク社会推進戦略本部，IT総合戦略本部），以迅速推動促成高度資通網路社會的重點政策，打破省廳的縱向斷層，整個政府橫向串聯。〈高度情報通信ネットワーク社会推進戦略本部（IT総合戦略本部）〉，首相官邸網站，https://www.kantei.go.jp/jp/singi/it2/，（最後瀏覽日：2020/10/08）。 [5]許祐寧，〈日本首相官邸舉行第10次未來投資會議，提出日本「未來投資戰略2017」以實現「Society 5.0」為目標〉，資策會科法所網站，2017/08，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&i=72&d=7844（最後瀏覽日：2020/10/08）。 [6]內閣府聚焦「Society 5.0」重要課題，結合未來投資會議施政重點領域，編列年度科技預算，創設並推動「策略性創新創造計畫（戦略的イノベーション創造プログラム，Strategic Innovation Promotion Program，SIP），SIP第1期計畫為2014年度到2018年度共5年期的計畫。〈戦略的イノベーション創造プログラム（SIP：エスアイピー）〉，內閣府網站，https://www8.cao.go.jp/cstp/gaiyo/sip/index.html（最後瀏覽日：2020/10/08）；邱錦田（2017），＜日本實現超智慧社會（社會5.0）之科技創新策略＞，國家實驗研究院網站，https://portal.stpi.narl.org.tw/index/article/10358（最後瀏覽日：2020/10/08）。 [7]農研機構，日本國立研究開發法人農業・食品產業技術綜合研究機構The National Agriculture and Food Research Organization，簡稱NARO。 [8]位於慶應義塾大學湘南藤澤校區的政策・媒體研究科、綜合政策學系、環境情報學系的附屬研究所，簡稱SFC研究所，為推動日本智農發展之重要學研單位，任職於該所教授神成淳司為WAGRI研究負責人，同時身為內閣官房副政府CIO、IT綜合戰略室長代理，促成「農業情報創成·流通促進戰略」產出，亦身兼WAGRI協議會會長、NARO 農業共通資訊總監之角色，促成WAGRI與日本智慧農業實證計畫串接，其為日本政府推動農業數據流通之重要角色，促進日本智農發展不餘餘力。SFC研究所網站，https://www.kri.sfc.keio.ac.jp/（最後瀏覽日：2020/10/08）。 [9]IoTNEWS，〈マイクロソフト、産官学連携で構築する「農業データ連携基盤」でMicrosoft Azureを活用したデジタル農業を実現〉，2017/05/15，https://iotnews.jp/archives/56366（最後瀏覽日：2020/10/08）。 [10]神成淳司，〈ICTが社会を変える : 農業データ連携基盤の展開と未来図〉，《技術と普及 : 全国農業改良普及職員協議会機関誌》， 12月號，頁24-26（2017）；農林水産省技術政策室，〈農業データ連携基盤の構築について〉，2018/09，http://www.affrc.maff.go.jp/docs/smart_agri_pro/attach/pdf/smart_agri_pro-15.pdf （最後瀏覽日：2020/10/08）。 [11]〈農業データ連携基盤(WAGRI)の2019年度以降の利用について〉，2019/4/2，農研機構網站，https://www.naro.affrc.go.jp/project/research_activities/laboratory/rcait/130311.html（最後瀏覽日：2020/10/08）；〈農業データ連携基盤(WAGRI)利用申請〉，農研機構網站https://www.naro.affrc.go.jp/laboratory/rcait/wagri（最後瀏覽日：2020/10/08）。 [12]同註6，SIP第2期計畫為2017年度末到2022年度共約5年期的計畫。 [13]智慧食物鏈之建構為該課題的主要研究之一，智慧食物鏈聯盟成員包括：由内閣官房、内閣府、農林水產省等政府組織作為觀察員，由地方自治體、學術研究機關、農業生產法人、批發市場、中盤商、物流業、零售業、製造商、ICT供應商等超過70個組織參與（聯盟代表為慶應義塾大學SFC研究所），參註13；〈「SIP第2期 「スマートバイオ産業・農業基盤技術」シンポジウム2020 －新たなスマートフードチェーンの構築をめざして－」〉，2020/03/10，WAGRI網站，https://wagri.net/ja-jp/News/generalnews/2020/20200310（最後瀏覽日：2020/10/08）。 [14]See FOOD AND AGRICULTURE ORGANIZASTION OF THE UNITED NATIONS [FAO], COVID-19 and Food Safety: Guidance for Food Businesses: Interim guidance (Apr. 7, 2020), http://www.fao.org/family-farming/detail/en/c/1275311/(last visited Oct. 8, 2020).〈聯合國糧農組織和世界衛生組織聯合發佈針對食品安全監管部門防控新冠肺炎（COVID-19）與食品安全臨時指南〉，中國大陸檢驗檢疫科學研究院網站，http://www.caiq.org.cn/kydt/902625.shtml（最後瀏覽日：2020/10/08）。 [15]WAGRI.info 事務局，〈「WAGRI.info（食品ガイドライン連携システム）」のWEBサイト開設、事業者登録受け付け開始〉，2020/07/13，https://kyodonewsprwire.jp/release/202007131927（最後瀏覽日：2020/10/08）；日本食品指針協作系統WAGRI.info網站，https://www.wagri.info/（最後瀏覽日：2020/10/08）。 [16]智慧農業共通資訊平台網站，https://agriinfo.tari.gov.tw/（最後瀏覽日：2020/10/08）；〈智慧農業4.0共通資訊平台建置(第二期)成果發表會〉，2019/12/12，智慧農業網站，https://www.intelligentagri.com.tw/xmdoc/cont?xsmsid=0J141518566276623429&sid=0J338358950611186512（最後瀏覽日：2020/10/08）。
美國著作權局發布AI著作權報告第三部分：生成式AI訓練－AI訓練是否構成合理使用？美國著作權局發布AI著作權報告第三部分：生成式AI訓練－AI訓練是否構成合理使用？ 資訊工業策進會科技法律研究所 2025年06月04日 美國著作權局於2025年5月發布著作權與AI第三部分報告之預出版本 （Copyright and Artificial Intelligence Part 3: Generative AI Training pre-publication version）[1]，該報告重點為生成式AI訓練資料與著作權之關係，彙整各方意見並分析現行法制之挑戰及修改方向，目前發布之版本為預出版本，該報告說明將於近期發布最終確認版，預期其結論與實質內容並不會有修改。 壹、事件摘要 美國著作權局自2023年起即開始對AI所引發之著作權法律及政策問題進行研究，同年8月著作權局發布著作權及AI諮詢通知（Comments on Artificial Intelligence Notice of Inquiry, NOI），徵集各界對AI著作權議題之意見，著作權局亦針對相關議題舉辦多場公聽會及研討會協助意見之蒐集[2]。NOI發布後蒐集到之意見經著作權局整理分析，於2024年7月起發布AI著作權報告，第一部分為數位仿造，第二部分於2025年1月發布為就AI作品之著作可保護性之分析，而同年5月所發布之第三部分則聚焦於生成式AI之訓練。 生成式AI於訓練過程可能大量使用受著作權保護之作品，此份報告針對訓練過程可能涉及之著作權問題進行分析，主要說明AI模型訓練過程中使用受著作權保護作品是否可構成合理使用。 貳、重點說明 一、生成式AI模型訓練及模型權重對重製權之侵害 使用受著作權保護作品進行AI模型訓練涉及著作權中之重製，除非開發者能提出授權或其他合理抗辯如合理使用等，否則可能對一項或多項著作權利構成初步侵權（Prima Facie Infringement）。AI開發者於模型訓練階段會進行多次作品複製，包含下載作品、於儲存媒介間轉換、將作品進行格式化或製作副本等[3]，模型訓練過程中暫時複製之作品亦有可能因其存在於時間足夠而構成重製權之侵害[4]。 在特定情形下，模型權重（model weights）[5]之複製亦可能構成重製權之侵害。訓練過程可能使模型權重包含著作權作品，而若第三方複製了包含著作權作品之模型權重，即便其未參與模型之訓練，亦可能構成初步侵權[6]。若模型能在未經外部輸入之情形下產出與訓練範例相似之內容時，表示此範例必以某種形式存在於模型權重中，故此模型權重之複製極有可能侵犯著作重製權[7]。換言之，不僅開發者有可能因模型權重之複製侵害著作權人之權利，部署、使用等第三方若複製模型權重亦有可能構成對重製權之侵害。 著作權局指出，模型權重究竟是否會構成重製權或甚至衍生作品之侵權，須判斷該模型權重是否保留與作品受權利保護部分實質相似之內容，僅有在實質相似之情形下，模型權重之複製才可能構成侵權[8]。 二、合理使用 對著作權作品之合理使用可做為作品重製權的抗辯，著作權局於報告中就不同因素分析AI使用著作權作品進行訓練是否得主張合理使用。AI於訓練過程中會有多次複製行為，惟在判斷AI模型訓練是否為對作品之合理使用，仍須視整體使用情境進行判斷[9]。 (1) 作品轉化性須視模型目的及佈署判斷 報告中分析作品之轉化性（transformativeness）[10]，AI訓練使用作品是否具有轉化性並非絕對，而是依據模型最終之功能及佈署有程度上之區別，須依個案判斷。若模型之訓練目的為用於研究或封閉系統，則該模型具高轉化性；若其目的是生成與訓練用作品實質相似之結果時，不具轉化性。多數模型之轉化程度會落在前述兩極端之中間，如模型使用特定類型之作品進行訓練，用以生成使用目的與原作相同之內容時，即便其生成內容未有實質相似，頂多僅為有限度之轉化（modestly transformative）[11]。AI開發商得於其系統設置防護措施，限制模型複製受著作權保護作品之節錄內容，使生成內容之目的與原作品不同，此措施能使模型訓練更具轉化性[12]。 有論者認為，使用受著作權保護作品進行AI模型訓練並非出於表達目的，且近似人類學習，因此實質上應是具有轉化性的，著作權局否定了前述兩種說法。報告中說明，語言模型於訓練時所吸收的內容包含文句、段落及文件之排列選擇，並非單純僅吸收其單字含意，且所生成之模型是被用作創造表達性內容，故不得謂AI模型為非表達性目的[13]。其次，針對人類學習觀點，報告首先闡明，學生基於學習目的亦不得以合理使用為由複製整本著作，因此人類學習並不得直接作為合理使用之抗辯。生成式AI之訓練能迅速分析並生成完美之作品，此非如同人類經學習後會產出具個別人格特質之結果，故著作權局不同意AI模型之訓練為與人類學習相同具有轉化性之論點[14]。 (2) 受著作權保護作品之表達性 AI訓練所使用之受著作權保護作品若具較高創作或表達性，如小說、電影等，其著作權比其他作品如電腦編碼等功能性作品更接近著作權之保護核心。而AI模型訓練來源多元，因此判斷上仍須視個案模型及作品而定。 (3) 使用作品之合理比例 AI模型訓練需大量複製受著作權保護作品，於判斷其複製比例是否合理時，係判斷模型訓練所複製之部分對於受著作權保護作品之數量及重要性使否合理[15]。作品使用之合理性，須考量重要性以及數量，若模型僅使用小部分作品做訓練，但該部分為著作權作品之核心部分，此使用並不一定合理。 在使用完整作品層面，生成式AI較一般搜尋引擎更不具合理性，生成式AI所提供之資訊並非僅限於其訓練資料庫中所複製作品資料。然而，許多生成式AI之訓練方式必須使用完整作品進行訓練，因此，著作權局指出，雖開發者使用完整作品進行訓練與合理使用相悖，但若其訓練具有轉化性目的（transformative purpose），並且有必要透過大量作品之訓練以提升模型效能時，則使用整部作品進行訓練可能被認為合理[16]。換言之，使用完整作品進行訓練合理與否須連同其使用必要性及訓練目的一併考量。 (4) 影響原作品之潛在市場或價值 報告中點出三項生成式AI訓練可能造成的市場危害。 A 銷售損失（lose sale）：權利人因潛在消費者選擇AI複製創作取代原作，而失去收入。 B 市場稀釋 （market dilution）：AI生成內容之速度以及規模對訓練資料中同類作品之市場造成稀釋風險，原作者將更難銷售其作品亦將使消費者更難找到真人創作之作品[17]。AI所生成風格相似之作品亦會導致市場稀釋，風格非為著作權所保障之方為，惟若AI生成與作品風格相似之內容，即便未有實質相似，但消費者可能因此難以分辨AI創作與真人作者，將使AI作品與原作者之作品於市場上直接競爭而影響原市場[18]。 C 喪失授權收入機會 （lost licensing opportunities）：權利人本可就其作品於市場上有授權收入之機會，但因AI未經授權使用作品進行訓練而喪失該部分收入[19]。 三、 授權使用 對於AI自願授權之情形於近年越來越普遍，報告亦肯認自願授權之可行性，雖自願授權可行，且已有開發商開始實施，惟對於完全滿足AI產業之需求仍存有疑義[20]。該報告認為，即便現階段自願性授權仍為發展中之制度，但該制度確實能避免使用著作權作品之不確定性。著作權局認為應讓自願性授權制度於授權市場於無政府干預情形下繼續發展，若未來於特定類型作品中出現失靈情形時，再考慮進行擴大集體授權等干預措施[21]。 參、事件評析 AI訓練使用著作權保護作品是否可以合理使用作為抗辯為近年AI發展下著作權高度討論問題之一。目前美國各地法院中有40多件相關案件正在進行審理，然就此報告之結論觀之，其並未對AI訓練是否可作為合理使用給予統一解答，合理使用與否仍須視個案而定。如同報告結論所提及，AI訓練過程中，使用受著作權保護作品可能具有轉化性，但是否足以構成合理使用，仍須視其所使用之作品、來源以及目的等個案因素而定[22]。AI訓練於著作權仍存在一定程度之不確定性。 值得注意的是，雖報告並未明示AI訓練使否為合理使用著作權作品，惟其立場似乎更偏向有利於著作權利人。例如報告中於轉化性認定具有灰色地帶，開發商是否能主張合理使用仍需於後續由法院個案認定。此外，報告中提及市場稀釋理論，目前尚未有法院採用，對合理使用之認定較為嚴格，即使未有實質相似之生成內容亦有可能因影響市場競爭被視為非合理使用，可見該理論對著作權利人之權利保障。 同時著作權局亦正向看待產業界透過自願性授權進行作品訓練之方法，雖該制度於AI訓練上尚未為一完善制度，但確實地授權制度能同時促進產業發展並保護著作權[23]。目前實務上亦是以此種作法解決合理使用之困境，但授權制度仍有待市場持續發展完善制度以確保能符合AI訓練之需求。 美國著作權局之報告雖對AI使用著作權保護作品進行訓練進行分析及說明，惟其結論仍是認為判斷上需依照個案分析。目前國際上尚未有對AI合理使用之實際定論，自願性授權仍為產業界所使用之方法。我國著作權法亦未對AI訓練之合理使用有說明，國際上將會如何發展仍有待觀察。 資策會科法所創智中心致力於著作權相關科技法律研究，本中心將持續關注相關議題並更新動態。 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。 [1]U.S. Copyright Office Copyright and Artificial Intelligence, Part 3: Generative AI Training pre-publication version, https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf [2]U.S. Copyright Office, Copyright Office Issues Notice of Inquiry on Copyright and Artificial Intelligence, https://www.copyright.gov/newsnet/2023/1017.html (last viewed: 2025/05/19) [3]supra note 1, at 26. [4]Id. at 27. [5]AI模型之建立仰賴神經網，主要功能為將輸入資料轉換為輸出資料。神經網路之運作方式係透過大量於訓練過程中產生之參數進行運案，而該些參數即為「權重」(weights)。 [6]Id. at 28. [7]Id. [8]Id. at 30. [9]Id. at 36-37. [10]轉化性係指新作品加入新元素，具有與原作不同目的或性質，且以新表達、意義或訊息改造原作。並且新作品於市場上較不會取代原作。 [11]Id. at 46. [12]Id. [13]Id. at 47. [14]Id. at 48. [15]Id. at 54. [16]Id. at 60. [17]Id. at 65. [18]Id. at 65-66. [19]Id. at 66-67. [20]Id. at 85. [21]Id. at 106. [22]Id. at 107. [23]Id. 本文同步刊登於TIPS網站（https://www.tips.org.tw）
歐盟執委會公佈2016年歐洲數位進度報告歐盟執委會(The European Commission)於05月23日釋出一份關於歐洲數位化進展的報告。 歐洲數位進度報告(Europe's Digital Progress Report ,EDPR)首先以2016年02月公佈的「數位經濟社會指標」(Digital Economy and Society Index ,DESI) 為基礎，分析歐盟會員國的數位發展情況。數位公共服務（Digital Public Services）方面，報告指出， 當前各國政府數位化服務越來越複雜，歐盟現在的挑戰是要讓52％目前還偏好實體互動的民眾進入數位世界。此外，這份報告也提出一些歐盟會員國中數位公共服務還不錯的進度，像是義大利跟匈牙利的eID，奧地利的OpenData，比利時跟羅馬尼亞的協同電子政府 （collaborative eGovernment），以及斯洛伐克電子政府的雲端方案等。 其次，歐盟執委會調查了各國的數位改革方案實施情況，並公佈歐盟會員國與世界上其他15個國家的「數位表現國際指標」完整報告 (full report on a new international index, iDESI)，「數位表現指標」指的是連結性（connectivity）、數位能力（ digital skills）、網路使用（use of Internet）、企業數位科技整合( Integration of Digital Technology by businesses)，以及數位公共服務(Digital Public Services)。這份數據顯示，歐盟領先國(瑞典、丹麥以及芬蘭)在國際上也是處於領先地位，緊接在韓國以及美國之後，但其他歐盟會員國仍有很長一段路要追趕。 最後，歐盟執委會同時發布了「歐洲電子通訊量表研究」( Eurobarometer study on e-communications)，這份研究發現使用網路通訊的歐洲民眾逐漸增多，且行動網路普及率大幅增加。 歐盟官方表示，未來將會根據這幾份調查報告提出具體建議，盼能改善多數會員國的數位表現並有益於其經濟與社會，持續朝創造歐盟「數位單一市場」(Digital Single Market)的目標邁進。
美國州隱私法要求企業揭露資訊 企業應如何平衡隱私法與營業秘密的衝突美國目前沒有聯邦的隱私法，由各州訂定州隱私法、產業隱私法，要求企業應揭露資訊以提升資訊透明度，然而隱私法要求企業揭露的資訊多涵蓋了企業的營業秘密。美國華盛頓州州長於2023年4月27日簽署《我的健康資料法（My Health My Data Act）》的州隱私法，其將消費者的健康資料廣義定義為「與消費者有關或具合理關聯的個人資料，可用於識別消費者過去、現在或未來的物理或心理健康狀況」，例如醫療相關資料、患者接受醫療服務的精確地理位置、透過非健康資料可推斷得出的資料。「非健康資料可推斷得出的資料」，如零售業者蒐集消費者近期採購的訂單內容（非健康資訊），並透過AI機器學習分析得出消費者可能懷孕的比例及預產期，藉此對該消費者投放零售業者的嬰幼產品的個人化廣告。 於《我的健康資料法》廣義定義「健康資料」下，導致消費者可要求企業提供的資料可能涵蓋了「企業長期累積之消費者使用資料、經演算法分析運用之消費者使用資料、共享消費者資料的第三方企業名單」等企業認為屬於其營業秘密的資料。 為平衡隱私法的資訊透明度及企業想保護其營業秘密，建議企業可先採取： 1.使公司的智財部門與資料保護部門合作，確保公司人員對公司營業秘密標的及範圍的認知一致，並盤點企業所有的營業秘密以製作、持續更新營業秘密清單。 2.企業在揭露受營業秘密保護的資料給消費者前，先與消費者簽訂保密契約，並參考前述營業秘密清單約定契約之保密範圍。 如企業欲採取更完備的營業秘密管理措施，建議參考資策會科法所創意智財中心發布的《營業秘密保護管理規範》。 本文同步刊登於TIPS網站（https://www.tips.org.tw）。