歐盟提出先進製造先進歐洲報告與行動方針
英國為了達到稅制綠化的目標，特別在2007年底設置了一個集合產官學背景人員及消費者與環保組織代表組成的稅制檢討委員會－綠色財政委員會（Green Fiscal Commission, GFC）。GFC定位為獨立的組織，其任務是在未來的一年半期間，針對英國如要導入綠色稅與環境稅的稅制變革（green taxes and environmental tax reform, ETR），檢視完成其所涉及的相關議題，特別是導入困難之處何在，以期將過往對財貨“good“（例如勞動活動所產生的所得或收入）課稅的精神，規劃轉向為對環境有害的結果“bad“(如環境損害）予以課稅，GFC預計在2009年4月提出正式的報告，而報告探討的重點將會集中在以下三大部分： - 有關環境稅如何執行與操作之資訊與證據 - 有關社會大眾與利害關係人對於環境稅所持態度之資訊與證據 - 針對研究報告內容對外進行適當的溝通 英國欲進行綠色稅制改革，主要是基於歲收中和（revenue neutral）的考量，意指對財貨的租稅減免（tax cuts on ‘goods’）短缺，應透過對有害活動課稅所增加的稅收，予以平衡。英國政府希望可以藉由GFC的研究成果，成果進行綠色稅制改革，讓英國的稅收來源在2020年可以達到至少有20%是源自於綠色稅。
現有法制對公立大學教授技術作價之現況與困難 RFID應用發展與相關法制座談會紀實 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。