歐盟執委會委員宣布將對電子商務領域進行反壟斷調查
掌管競爭事務的歐盟執委會委員Margrethe Vestager於3月26日在柏林記者會上宣布，接下來的競爭調查將鎖定在電子商務領域。這項調查將涵蓋歐盟所有會員國，旨在調查是否有公司透過契約或其他障礙，限制消費者在歐洲境內進行跨境交易。縱使越來越多的歐洲商品和服務是經由網路來交易，歐盟內部的跨境線上交易卻成長緩慢。造成此現象的原因可能是由於語言隔閡、消費者喜好及會原國間法令的差異。然而，亦有跡象顯示，有些公司會採取相關措施來限制跨境線上交易。
因此，對於該領域的調查重心會放在如何加強識別及因應這些限制跨境交易的措施；以配合執委會的目標: 創造一個相連的數位單一市場。執委會委員 Margrethe Vestager會在接下來的星期提出該提案於委員會。
歐洲消費者屬於線上服務之狂熱使用者。在2014年，約有半數的歐洲消費者在線上消費；然而，在這半數內，僅有15% 的線上消費者是向歐盟其他會員國之業者購買。這顯示在歐盟境內，電子商務仍然有巨大的跨境障礙。例如: 技術障礙，如地理隔閡，將限制消費者從其所在地或使用其信用卡進入特定網站。
執委會委員Vestager因此決定向委員會提出對於電子商務領域的競爭調查，以促進執委會實現單一數位市場的目標。
該調查是執委會企圖把歐盟分裂的線上市場整合為單一數位市場的策略之一。經過分析後，若執委會認定有競爭爭議，會開啟案件調查，以確保電子商務領域已遵守禁止限制商業行為及濫用獨占地位之歐盟法規(歐盟運作條約第101條和第102條)
德國經濟與能源部於2017年11月公布車輛及其系統新技術補助計畫期中報告，補助的研究計畫聚焦於自動駕駛技術及創新車輛技術兩大主軸。 在自動駕駛研究中，著重於創新的感測器和執行系統、高精準度定位、車聯網間資訊快速，安全和可靠的傳輸、設備之間的協作、資料融合和處理的新方法、人機協作、合適的測試程序和驗證方法、電動汽車之自動駕駛功能的具體解決方案。其中以2016年1月啟動的PEGASUS研究項目最受關注，該計畫係為開發高度自動化駕駛的測試方法奠定基礎，特別是在時速達130公里/小時的高速公路上。 在汽車創新技術的研究發展上，著重於公路和鐵路運輸如何降低能源消耗和溫室氣體排放，包括透過交通工具輕量化以提高能源效率、改善空氣動力學之特性、減少整體傳動系統的摩擦阻力、創新的驅動技術。另外，也特別注重蒐集和利用在車輛操作期間產生的資料，例如在於操作和駕駛策略的設計，維護和修理，或車輛於交通中相互影響作用。 本報告簡介相關高度實用性技術研究計畫，同時展望未來研究領域，以面對現今產業數位化的潮流和能源效率及氣候保護的發展的新挑戰，因此，資通訊技術、自動控制技術以及乾淨動力來源技術，將會是未來交通領域研究的重點。
歐盟通過經濟安全關鍵技術領域建議，以利會員國進行關鍵技術風險評估歐盟執委會（European Commission）於2023年10月3日公布「關於歐盟經濟安全關鍵技術領域之建議」（Recommendation on Critical Technology Areas for the EU’s Economic Security），以便與各會員國進行經濟安全關鍵技術之風險評估。該建議源自於歐盟於6月發布之「歐盟經濟安全戰略」（European Economic Security Strategy）目的在於地緣政治緊張之局勢下，將最大限度的減少經濟流動所帶來之風險，為歐盟經濟安全制定全面的戰略方針。此「建議」列出十大關鍵技術領域的清單，係根據以下標準進行風險評估： （1）技術是有促成及轉型之本質（Enabling and Transformative Nature of the Technology）。 （2）民用與軍用融合技術之風險（The Risk of Civil and Military Fusion）。 （3）科技可能被用於侵害人權之風險（The Risk the Technology Could Be Used in Violation of Human rights）。 根據上述標準所列出十個關鍵技術領域後，其中有四個領域項目被認定是最敏感之技術領域，分別有半導體、人工智慧技術、量子技術及生物技術四大類別。 歐盟積極制定此計畫，以確保先進技術不落入敵國手中，減少對於如中國等國家單一供應商之依賴；歐盟預計於今年年底與會員國進行廣泛的風險評估，以確保下一步可能所採取的措施，可能包含出口管制及對外之審查投資，預計於2024年初提案。
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。
日本總務省公布「2006年版資訊通信白皮書」日本資訊通信領域主管機關「總務省」 7 月 4 日 公布「 2006 年版資訊通信白皮書」。本年度白皮書除按照慣例闡述資訊通信政策之實施現況（第 2 章）以及今後推動方向（第 3 章）外，更本諸過去數年「 u 化社會」（ ubiquitous network society ）願景之研析成果與發展脈絡，將 u 化社會之願景與現實生活的技術或應用發展趨勢兩相比較，指出於逐步邁向該等願景的同時，社會整體經濟結構的特性也開始有所變化。 基於前開變化主係肇因於技術變遷、應用普及、逐步邁向 u 化社會願景之故，本年度白皮書第 1 章乃將之稱為「 u 化經濟」（ ubiquitous economy ），並認為自宏觀角度而言，資通產業對於國家經濟實力之貢獻有增無減；另自微觀角度而言，個別用戶的重要性將會更加凸顯，資訊的流通傳遞也會更有效率，而本諸知識迅速累積分享的結果，生產力同樣可望大幅提昇。今後亦當本諸此等認知，規劃能令個別用戶放心使用之安全環境，弭平基礎建設未能完全普及之數位落差現象，預先具體指明可能發生之爭議課題，妥善探究適合 u 化社會願景實現之因應對策，以利全體國民均能充分享用 u 化社會所能帶來的福祉。