日本公平交易委員會就反托拉斯法下之智慧財產權之利用指南為部分修正
於2016年1月21日，日本公平交易委員會(Japan Fair Trade Commission，下稱JFTC)公布了修正後的「反托拉斯法下之智慧財產權之利用指南(Guidelines for the Use of Intellectual Property under the Antimonopoly Act)」，就有關標準必要專利權利行使有無違反反托拉斯法之相關問題進一步為解釋，俾利往後企業為商業行為時之參考。以下為其修正概要：一、當標準必要專利權人同意依據FRAND原則授權時，其若再提出訴訟要求排除有意願取得授權者(willing licensee)為該標準必要專利權之利用或是拒絕授權與有意願取得授權者時，該行為會被認定違反反托拉斯法。二、基於一般商業行為所為並善意進行商業談判者，會被認定屬有意願取得授權者(willing licensee)，不論其之後是否就該專利有效性為爭執，或是對該專利是否屬實質必要專利為爭執。三、阻止他公司運用該專利進行研究、發展或販賣產品會被認定為不正商業行為，不論該行為是否在商品市場上產生限制競爭或獨占之結果。
JFTC為了釐清行使智慧財產權時所可能面臨是否違反反托拉斯法之相關問題，於西元(下同)2007年9月8日發布「反托拉斯法下之智慧財產權之利用指南(Guidelines for the Use of Intellectual Property under the Antimonopoly Act)」與「標準化與專利池協定指南(Guidelines on Standardization and Patent Pool Arrangements)」。標準必要專利(SEP)之相關爭議原則需依這些指南為判定，但這些指南對於一些表面上屬於權利行使(例如：標準必要專利之權利人所提起之侵權訴訟)的行為定性所提供的解釋卻十分有限。因此JFTC決定修改專利指南，並且公布草案予各方利害關係人表示意見，此乃JFTC於斟酌所得之各方意見後，所為之修正。
本文為「經濟部產業技術司科技專案成果」
蔡佳穎
法律研究員 編譯整理
Partial Amendment of “Guidelines for the Use of Intellectual Property under the Antimonopoly Act”, http ://www.jftc.go.jp/en/pressreleases/yearly-2016/January/160121.html (平成28年1月21日)
「知的財産の利用に関する独占禁止法上の指針」の一部改正について, http://www.jftc.go.jp/houdou/pressrelease/h28/jan/160121.html
歐盟執委會（European Commission, EC）於2020年6月23日發布2020歐洲創新計分板報告（European Innovation Scoreboard 2020, EIS），其以「整體結構條件」（Framework conditions）、「投資」、「創新活動」和「影響力」（Impacts）四大指標評比歐盟成員國以及其他歐洲國家的研究與創新績效、創新環境等；各指標下再細分為10個次標和27個子標，例如人力資源、友善創新環境建構、政府部門研發創新支出、企業專業職能訓練、專利與商標申請、高科技產品出口等。 歐洲計分板將歐盟會員國創新表現分為四組，以2020年綜合創新能力分別為：（1）創新領導者（Innovation Leaders）：包含丹麥、芬蘭、荷蘭、瑞典等國，為創新表現大於歐盟成員國平均創新度20%以上者；（2）優秀創新者（Strong Innovators）：包含奧地利、比利時、法國、德國、葡萄牙等，創新表現大於歐盟成員國平均者；（3）中等創新者（Moderate Innovators）：包含希臘、匈牙利、義大利、西班牙、波蘭等國，其創新表現小於歐盟平均者；以及最後一組（4）適度創新者（Modest Innovators）：包含羅馬尼亞及保加利亞，為創新表現低於歐盟平均之50%。 此外，在各特定領域上，該報告亦有對不同國家進行排名。例如在創新研究體系領域，表現最好者為盧森堡、丹麥、荷蘭；中小企業帶領創新則以葡萄牙和芬蘭表現最佳；創新協力合作（Innovation linkages and collaboration）以奧地利、比利時、芬蘭最佳。而在全球綜合創新表現上，南韓為創新表現最佳，其向加入專利合作條約（Patent Cooperation Treaty, PCT）國家提交之專利申請數、商標申請數、設計專利申請數量最多，分別為世界其他先進國家的2-10倍不等（申請數量以每十億GDP為一單位計算）；其次是加拿大、澳洲、日本、歐盟、美國與中國。歐盟已是第二年超越美國，並在其他主要競爭者中（美國、中國、巴西、俄羅斯、南非等）保持優先，唯優勢差距開始減少。此外，EIS跨年度分析評比，是以歐盟2012年創新表現為基準。報告中將歐盟2012年之創新表現預設為100，在2012-2019年間，中國的創新表現評分自79成長至97，而美國則在93-99間穩定變動；特別是2019和2020兩年，美國創新表現均維持在99，而無顯著之進步。故報告預測若依此趨勢，中國創新表現將在近年超越美國。
猶他州選民詳細資料遭網站公開，引起社會大眾關注據猶他州政府檔案存取及管理法（the Government Records Access and Management Act，簡稱GRAMA），該州選民註冊資料及投票歷史紀錄檔案屬於得公開資訊，據此，猶他州民得給付1,050元美金並填寫申請表，向政府申請取得全州選民數據庫之資料。 上開法令作為申請之依據，UTvoters.com創辦人Tom Alciere透過向該州政府申請並取得該州選民資訊後，建置該網站。透過該網站系統，任何人可查詢該州選民選舉資料。Tom Alciere指出，倘選民認為他們資訊被公布網站上並不合理，他們可以要求移除網站上的資訊，但這些資訊仍被記錄在該州數據庫中，且仍可被公開取得。 該州負責選舉主任委員Mark Thomas指出，倘能證明自身安全因資料遭公開而陷入危險，或具有某些情況如屬政府官員（例如州市長或參議員）等資料，基於安全考量，得移除數據庫之資料。 該州選民認為他們資料如同信用卡被竊一般的遭到洩漏，且不應被公開於網路；該州參議員Karen Mayne亦認為該不合理制度須做改變，政府一方面應鼓勵民眾參與投票，但非在過程中犧牲與公開選民的個人資料。 相關修正案之建議，限制該類資料僅能作為「政治」上的使用，且應排除與網路連結。若違反，則將面臨6個月以上有期徒刑及1,000美元以上之罰金。
澳洲於9月初生效《政府負責任地使用人工智慧的政策》（Policy for the responsible use of AI in government）2024年9月1日，澳洲生效《政府負責任地使用人工智慧的政策》（Policy for the responsible use of AI in government，下稱政策）。澳洲數位轉型局（Digital Transformation Agency，以下稱DTA）提出此政策，旨於透過提升透明度、風險評估，增進人民對政府應用AI的信任。 1. AI之定義 此政策採經濟合作暨發展組織（OECD）之定義：AI系統是一種基於機器設備，從系統接收的資訊進而產出預測、建議、決策內容。 2.適用範圍 (1)此政策適用於「所有非企業的聯邦個體（non-Corporate Commonwealth entities, NCE）」，非企業的聯邦個體指在法律、財務上為聯邦政府的一部分，且須向議會負責。此政策亦鼓勵「企業的聯邦實體」適用此政策。 (2)依據2018年國家情報辦公室法（Office of National Intelligence Act 2018）第4條所規定之國家情報體系（national intelligence community, NIC）可以排除適用此政策。 3.適用此政策之機構，須滿足下列2要件 (1)公布透明度聲明 各機構應在政策生效日起的6個月內（即2025年2月28日前）公開發布透明度聲明，概述其應用AI的方式。 (2)提交權責人員（accountable official，下稱AO）名單 各機構應在政策生效日起90天內（即2024年11月30日前）將AO名單提供給DTA。 所謂AO的職責範圍，主要分為： I.AO應制定、調整其機構採取之AI治理機制，並定期審查、控管落實情況，並向DTA回報；鼓勵為所有員工執行AI基礎知識教育訓練，並依業務範圍進行額外培訓，例如：負責採購、開發、訓練及部署AI系統的人員，使機構內的利害關係人知道政策的影響。 II.當既有AI 應用案例被機構評估為高風險AI應用案例時，通知DTA該機構所認定之高風險AI應用案例，資訊應包括：AI的類型；預期的AI應用；該機構得出「高風險」評估的原因；任何敏感性資訊（any sensitivities）。 III.擔任機構內協調AI的聯絡窗口 IV.AO應參與或指派代表參與AI議題之政策一體性會議（whole-of-government forums）。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
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。