創用CC創始人主張合理使用對抗Youtube的移除通知
創用CC（Creative Commons）的聯合創始人萊斯格在被強制移除他放在Youtube上的演講影片，影片包含群眾跳舞與受版權保護的音樂的剪輯，萊斯格之後即向美國聯邦法院提出申訴。
創用CC是一個非營利組織，創造各種自由的權利去促進著作的分享利用。
根據週四在美國麻塞諸塞區地方法院的訴狀，哈佛法學院教授萊斯格在2010年6月在南韓首爾一場創用CC的會議上，發表「文化與科技創新的現在和過去」的演講，此演講包含業餘音樂影片的剪輯，描繪一群人隨著法國樂隊「鳳凰」演奏的Lisztomania歌曲跳舞。
演講的影片在今年6月被放在Youtube網站上，萊斯格在6月30日接獲Youtube的通知，此影片被內容擁有者或被Viacome公司線上授權者依據Youtube的過濾程序辨識並阻止。大約在6月30日，澳洲墨爾本解放音樂(Liberation Music)公司也依據數位千禧年法案(DMCA)，對Youtube提出了移除通知要求移除影片，因為侵害解放音樂的著作權。在6月30日，Youtube以電子郵件通知萊斯格影片已經被移除，萊斯格向Youtube提出反通知，Youtube轉發給解放音樂，解放音樂反過來威脅萊斯格，如果他不撤回反訴，將在麻塞諸塞州法院起訴他。
美國維護科技時代人權與自由的電子先鋒基金會(Electronic Frontier Foundation, EFF)代表萊斯格辯稱，使用剪輯的問題，特別是內容是一個有關文化和網路的公開演講，是被允許在合理使用的原則下，因此，並不侵害被告的著作權。萊斯格使用的著作權是最小範圍且非基於商業使用目的，也從娛樂改為教育目的。演講的影片並不造成任何市場的損害。
- Richard Chirgwin, EFF, Lessig battling copyright takedowns, The Register, Auguest 25, 2013
- InfoZine, EFF Sues Liberation Music for Forcing Harvard Professor’s Video Off Youtube, InfoZine, Auguest 23, 2013
- John Riberiro, Copyright guru claims 'fair use' to fight YouTube takedown notice, Techworld, Auguest 23, 2013
.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 美國聯邦貿易委員會（Federal Trade Commission，下稱FTC）於2024年10月16日公佈一項新的「消極選擇規定」（Negative Option Rule），要求提供持續訂閱服務或採用「消極選擇」（Negative Option）模式的銷售者必須遵循新規定的要求，要求提供如「一鍵取消」（click-to-cancel）等簡便的解約方式，使消費者能夠以與訂閱時同樣簡便的方式取消服務。 「消極選擇」不以特定形式呈現，其特徵是容許銷售者將消費者的沉默和未積極拒絕或取消行為，解釋為同意該契約條款。因此，消極選擇規定旨在加強對此類訂閱服務的監管，避免消費者因無法簡單地取消而蒙受不必要的損失。 FTC每年皆會收到大量關於消極選擇模式訂閱的消費者投訴，其中多數涉及自動續約付款、難以取消的訂閱服務等問題。為應對這些投訴的增加，FTC遂制定新規則以更全面地因應消極選擇模式，同時提升對不公平或欺騙性行銷行為的執法力度。此規則將適用於所有媒體形式，包括互動媒體、電話、印刷品及面對面交易，主要禁止銷售者有下列幾種行為： 1. 誤導行銷資訊：賣家不得對有消極選擇商品或服務的費用、用途等重要資訊作出虛假或誤導性的行銷。 2. 未揭露重要資訊：在獲取消費者與消極選擇功能相關的帳單資訊前，必須以清晰且顯而易見的形式提供重要資訊，如收費條件和解約方式。 3. 未取得明確同意：向消費者收費前，銷售者必須取得消費者對消極選擇功能的明確同意。 4. 未提供簡易取消機制：未提供簡單的機制來取消消極選擇功能，並且立即停止收費。 此規則具體實施時間，將於聯邦公報上公佈後180天（即2025年5月14日）生效。該規則施行後，能為消費者提供更公平的市場環境，確保消費者不會因複雜的取消流程而持續支付不需要的費用。新規則的制定彰顯FTC在保護消費者權益方面又向前邁進，更有助於遏制利用消極選擇模式進行的不當商業行為。
美國商務部放寬對中國特定晶片出口許可簽審政策美國商務部產業安全局（Bureau of Industry and Security, BIS）於美東時間2026年1月14日公告修正《出口管制規則》（Export Administration Regulations, EAR）對「特定半導體」出口至中國與澳門的許可簽審政策，將原本自2022年10月7日拜登政府時期的「推定拒絕」（presumption of denial）改為「逐案審查」（case-by-case review），並於美東時間2026年1月15日生效。 本次修正將放寬「特定半導體」原先較難輸往中國的法規障礙，影響的貨品範圍包括先進運算類貨品，即總處理效能（Total Processing Performance）低於21,000，且動態隨機存取記憶體（DRAM）總頻寬低於6,500GB/s的先進晶片（NVIDIA H200、AMD MI325X，或與NVIDIA H200同等級貨品）；以及較前述晶片規格與效能成熟的貨品。 出口人適用本次修正之「逐案審查」許可簽審政策，須滿足以下條件： 1.欲出口之半導體相關貨品在本次公告時，已可在美國商業市場銷售。 2.欲出口之貨品在美國境內具有充足供應。 3.為銷往中國而生產的晶片，不會排擠全球晶圓代工產能，亦不會影響給美國最終使用人相同或更先進貨品的供應情形。 4.出口貨品須在美國境內接受獨立第三方實驗室檢測（testing），加以確認貨品的技術能力與功能，如同出口人許可申請文件所述。 而在中國的收貨方，須已有充分的貨品安全管控程序。BIS此要求並未同步放寬EAR既有的最終用途、最終使用人查核與流向管理標準。建議出口人於交易前、交易中與交易後，積極與供應鏈夥伴建立良好法遵機制。
澳洲及紐西蘭公路監理機關聯合會發布輔助與自動車輛駕駛之教育與訓練研究報告澳洲及紐西蘭公路監理機關聯合會（Austroads）於2020年3月18日發布「輔助駕駛及自動駕駛車輛之駕駛人教育及訓練報告（Education and Training for Drivers of Assisted and Automated Vehicles）」，該報告目的在於研究有哪些技巧、知識與行為，為目前與未來人們使用具有輔助或自駕功能車輛所需具備的；並檢視註冊與發照之相關機關應擔任何種角色，以確保駕照申請人具有足夠能力以使用相關科技。報告中所關注之輔助與自駕車輛，為具有SAE自動駕駛層級第0至第3級之輕型或重型自駕車輛；目前澳洲道路規範並未禁止第3級之自駕車使用，但駕駛人仍應保持對車輛之控制且不得同時進行其他行為。 報告認為目前之駕駛執照發照架構尚不需改變，但註冊與發照機構仍可於輔助與自動駕駛車輛的學習與評估中扮演一些角色，包含： 鼓勵經銷商、製造商與相關利益團體進行有關如何安全運用相關系統，同時避免過度依賴之教育與訓練。 支持將自駕車技術相關之特定重要資訊整合進所有層級之教育與訓練中，但不使用強制性之評估程序進行能力評估。 應關注如何於澳洲設計規範（Australian Design Rules, ADRs）或澳洲新車評估計畫（Australasian New Car Assessment Program, ANCAP）中規範特定車輛之安全公眾教育、整合重要資訊於既有的知識與技術訓練，以及建立強制之學習計畫。 未來澳洲及紐西蘭公路監理機關聯合會將繼續發展相關計畫以實施本報告中之相關建議，以使教育訓練系統更加完善。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。