美國FTC以廣告不實的理由對二款具有診斷功能的醫療app開罰
美國FTC於2月23日對於兩款聲稱具有診斷能力的醫療app進行裁罰，理由是這兩款app宣傳不實資訊，故應予下架並裁處罰鍰。
Melapp與Mole Detective兩款app，均係付費app，售價大約在1.99至4.99美元不等，宣稱只要使用者從不同角度拍下自己身上的痣，app就能夠判斷這個痣屬於黑色素瘤（Melanoma，為一種罕見的皮膚癌類型，且惡性程度高）的機率，app將罹患黑色素瘤的風險區分為：高、中、低三級。但FTC認為業者的說法並沒有足夠的臨床依據加以證明，因此涉及廣告不實的行為。截至目前為止，Melapp與Mole Detective的開發業者都已經繳納罰鍰，但發行商L-Health拒絕繳納這項罰款，因此FTC的委員會在經過表決之後，決定在2015年2月23日向北伊利諾州地方法院提起訴訟，請求法院執行此項由FTC作成的裁罰。
具有診斷效果的app在美國其實開發已久，但在此案前，尚未見到行政機關對之積極的加以管制，此次由FTC出面對於廣告不實的部分加以裁罰，而非由主管藥物、醫材的FDA進行裁罰，或許與眾人的想像不同，但從FTC的這個行動，我們也發現美國政府已開始關切此類宣稱具有醫療診斷效果的app，醫療app未來的發展情勢將會如何，特別是本案中將被FTC起訴的L-Health會不會再另行提起其他法律爭訟，以確保其產品在市面上的合法性？毋寧是未來世界各地醫療app發展的重要參考資訊。
新修正商業會計法第 64 條規定，商業對業主分配之盈餘，不得作為費用或損失。但具負債性質之特別股，其股利應認列為費用。本條但書即是企業對於員工分紅應與以費用化之法源。配合此一新修正規定，金管會前已邀集業界及產業公會、四大會計師事務所與相關政府單位等，針對員工分紅費用化相關問題共同討論以研擬員工分紅費用化之相關會計處理及配套措施。 金管會及有關單位研討後決定， 在會計處理方面，企業應於期中報表依章程所訂之比率，預估員工分紅及董監酬勞金額入帳。期後董事會決議發放金額有重大變動時，該變動應調整當年度（原認列員工紅利之年度）之費用。至於次年度股東會決議若有變動，則依會計估計變動處理，列為次年度損益。 至於員工分紅配發股數之計算基礎以公平價值評價，上市上櫃公司應以股東會開會前一日之公平市價（考慮除權及除息之影響）計算股票紅利股數；興櫃公司及未上市上櫃之公開發行公司則應以股東會前最近期經會計師查核簽證之財務報告淨值計算股票紅利股數。企業發行員工認股權憑證及買回庫藏股轉讓予員工，應以公平價值法認列為費用。 以上決議將自 民國九十七年一月一日 起的財務報表開始適用。 由於員工分紅費用化，對一向以股票分紅作為獎勵員工的科技產業，可能造成不小的衝擊，因此，金管會也提出「員工認股權憑證制度」及「庫藏股票制度」的配套措施，並將修正「發行人募集與發行有價證券處理準則」與「上市上櫃公司買回本公司股份辦法」。金管會表示，有關本案規劃措施及實施日期，將由經濟部彙整各部會意見，提報行政院，相關措施將配合實施日程發布。
荷蘭科學研究組織(Netherlands Organisation for Scientific Research, NWO)與公私夥伴關係自2012年開始，荷蘭科學研究組織(Netherlands Organisation for Scientific Research, NWO)會擇定幾個重點領域，該重點領域係包含：農業食品，園藝及繁殖材料，水 ( Agri & Food, Horticulture & Propagation Materials, Water)、生物經濟，化學，跨部門的信息和通信技術方案(Biobased Economy, Chemistry, Cross-sector theme ICT)、創意產業(Creative Industry)、能源產業(Energy)、生命科學與健康(Life Sciences and Health)…等等領域，並由其中擇定有發展前景的計畫(top program)，以公私夥伴關係推動發展，其每年投注於該重點領域研究金額大約245,000,000歐元，而投注於公私夥伴關係計畫中的金額更高達100,000,000歐元。公部門與產業間以及研究者間權利義務關係依合作強度以及產業投入的資金而有所不同。荷蘭此類公私夥伴關係依發動者不同而分三種不同類型： 1.科學家發動的公私夥伴關係(Science Takes Initiative) 2.共同發動的公私夥伴關係(Joint Initiative) 3.由產界發動之公私夥伴關係(Business Takes Initiative) NWO在評估是否給予補助時，可以採取面談或現場參觀評估之方式，而NWO亦得附帶條件要求補助所購買的特殊儀器設備提供他人使用。而NWO補助所生的研究成果應盡可能公開並有利於未來的研究使用，例外情形則可延後公開。 又研究成果原則上係歸屬受補助者，但NWO在於特定研究補助之目的有此必要，得於事前與受補助者簽訂書面協定取得研究成果之權利。又若該研究計畫是在國外執行且完全由該國之學術機構負責，在該國的專利法並不損及荷蘭方之當事人依荷蘭專利法可享的權利下，則該國之學術機構就研究成果之開發及利用得依該國專利法之規定。國際合作的公私夥伴間彼此的權利義務會因個案約定而有不同。
金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.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} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。