淺析英國建築能源效率政策—Green Deal之融資運作政策研究
近年專利蟑螂（Paten Troll）、非專利實施實體（Non-Practicing Entity, NPE）的興起，使得國際上智慧財產權的運用出現巨幅變化。美國政府、企業及學界皆認為專利蟑螂濫訴現象為亟待解決之課題，而相繼投入研究，並於近日陸續發表重要之研究報告。 繼今年（2012）8月，美國國會研究處 (Congressional Research Service)提出對抗專利蟑螂之研究報告後（“An Overview of the "Patent Trolls" Debate”）。隸屬國會的政府課責署（Government Accountability Office, GAO, 另譯審計總署）所資助的研究團隊，亦於杜克大學科技與法律評論（Duke Law & Technology Review）發表相關研究。研究團隊採取實證的研究方法，於2007年～2011年間，每年度隨機抽樣100家涉及專利訴訟的公司，總計抽樣500家公司。依據該項研究結果，去年（2011）由NPE所提起的專利訴訟，佔研究樣本的40%，相較於5年前的數據，成長幅度高達2倍。本項研究可歸納以下兩項要點： 1.專利訴訟主體的變化 由NPE為原告所提起的專利訴訟數量呈現極速成長；由企業為原告者則逐年下降；同為非專利實施實體之大學，其作為原告所提起之訴訟則未達1％。 2.訴訟並未進行實質審理 由NPE提起之訴訟，其目的在於獲取和解金或授權金，故絕大多數係申請作成即時判決（summary judgement），即當事人一致認為對重要事實不存在爭議，而向法官申請不為事實審理，僅就法律問題進行裁決。 就此，該研究團隊認為，NPE已成為專利制度，甚至係整體經濟之一環，故提出應以「patent monetization entities」取代過往NPE的稱呼，強調此類公司以專利授權或專利訴訟作為公司營利之來源，如此將更為貼切。
菲律賓推動基改稻米 窒礙難行根據國際間重要農糧組織ISAAA（International Service for the Acquisition of Agri-Biotech Applications）所公布的2004年統計報告，全球基改作物栽種面積已達八千一百萬公頃，在2003年僅有六千七百萬公頃，成長幅度高達20％，尤其是在開發中國家。菲律賓是亞洲第一個支持商業化生產基因改造食物的國家，從2000年起即開始商業交易基因改造作物。由於其所研發之轉殖”IR-72”稻米品種栽培並不普遍，也未被消費者、農夫及麵粉業者廣泛地接受，因此不合適商業化生產，雖然菲律賓嘗試其他較受歡迎的品種來進行基改轉殖，但迄今尚未成功。 基於基因稻米對於環境安全和人體健康所帶來的影響是無法預知的，綠色和平組織抗議菲律賓政府加速推動生技農作物的計畫。菲律賓所面臨的挑戰不單僅是綠色和平的抗議，另一個因素因為氣候的不穩定而影響了稻米的產量，今年生產量僅148萬噸，距離目標?151萬噸，因此仍需仰賴進口稻米來彌補這不足的差距。 菲律賓稻米研究中心執行長Leo Sebastian認為，基改稻米並不是解決稻米供應不足的唯一方式，引介栽種高生產量的稻米品種或者改善灌溉系統等都是可行的方式。
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。
美國聯邦審計署發布先進空中交通議題研究報告，將有利於航空轉型美國聯邦審計署（Government Accountability Office, GAO）於2022年5月9日發布「航空轉型：經利害關係人確認之先進空中交通議題」（Transforming Aviation: Stakeholders Identified Issues to Address for 'Advanced Air Mobility'）研究報告。未來，先進空中交通（Advanced Air Mobility, AAM）服務可透過小型或高度自動化（highly-automated）電動垂直起降航空器（eVTOL）翱翔於天際，不僅可提供載人或載物服務、減少交通壅塞，並可應用於救援與醫療運輸等領域。GAO透過訪談36位利害關係人，意識到AAM發展關鍵在於相關法制環境之整備速度。基此，GAO於研究報告中，整理當前各AAM新創業者於開發與落實上面臨之4大問題，分別簡述如下： （1）航空器檢定標準：美國聯邦航空總署（Federal Aviation Administration, FAA）對於航空器之檢定規範，目前尚未涵蓋具備AAM新功能之載具，如電力推進或垂直起降等。 （2）起降場與電力之基礎設施：FAA尚未制定垂直機場降落設施，及航空器電池充電需求之電力基礎設施相關標準。 （3）提高公眾載具安全性接受度：AAM產業須證明此類航空器之安全性、可靠性、低噪音與商用可行性，以支持該產業之發展與成長。 （4）作業人員所需之各種培訓與認證標準：飛行員與維修技術作業人員需接受相關新功能培訓。惟利害關係人指出可能面臨高教育成本、缺乏工作場域多樣性、機會意識（awareness of opportunities）不足，及培訓能力有限等問題。