日本推動智慧醫療照護與巨量資料應用之趨勢觀察
何亦婕
法律研究員 編譯整理
日前澳洲聯邦法院針對四家唱片公司 (包括Universal、Sony、Warner以及 Festival Mushroom)聯合控告提供檔案分享Kazaa軟體的業者—Sherman Networks一案作出判決。法官Murray Wilcox駁回原告聲稱Sherman Networks違反澳洲交易行為法(Trade Practices Act)以及Sherman Networks本身有從事著作權侵害的主張。但是，法官Wilcox指出Sherman Networks授權使用者侵害原告的著作權，並有鼓勵年輕人侵害著作權的情況。Sherman Networks在Kazaa網站的網頁中放置批評反對P2P軟體的唱片公司的標語--Join the Revolution，以及贊助攻擊唱片公司的文宣--Kazaa Revolution。這些標語、文宣並未明白地鼓吹使用者分享檔案，但是這會對於青少年認為以漠視唱片公司之著作權的方式來挑戰唱片公司是一件很「酷」的事情，而Kazaa的使用者多數是青少年。 法官 Wilcox判決被告必須支付90%的訴訟費用，並指出在Sherman Networks符合下列條件之一的情況下，Kazaa可以繼續營運： 1. 必須在現有的以及未來的版本中納入強制性關鍵字過濾技術 (non optional key word filter technology)，並且竭盡所能地要求既有使用者將版本更新至含有此技術的版本。 2.Altnet搜尋軟體，又稱之為TopSearch，只能提供未有侵害到他人著作權之作品的清單。 除此之外，法官 Wilcox亦為本案的上訴程序設下二個條件，第一個是上訴時間最快為明年2月，上訴法院為Full Court，第二個是Kazza軟體的修改須取得法院的認可或是唱片公司的同意。
歐盟執委會提出《歐洲晶片法案》應對半導體短缺並加強歐洲技術領先地位歐盟執委會於2022年2月8日提出《歐洲晶片法案》（European Chips Act），以確保歐盟在半導體技術和應用的供應鏈安全、彈性和技術領先地位。近來全球半導體短缺，迫使汽車及醫療保健設備等眾多領域工廠關閉，部分歐盟成員國的汽車產量於2021年下降三分之一，顯示在複雜的全球地緣政治背景下，半導體價值鏈極度依賴數量有限的參與者。《歐洲晶片法案》將動員公共及私人投資歐洲半導體產業，金額超過430億歐元；並制定政策措施以預防、準備、預測和迅速應對未來任何供應鏈中斷情形，幫助歐盟實現2030年將現行晶片市場占比提升至20%的願景。《歐洲晶片法案》共分成八大章節，涵蓋歐洲晶片倡議、供應安全、監測和危機應對、治理模式、保密處罰及程序等議題。其中《歐洲晶片法案》主要由三大支柱組成，規範內容如下： 支柱一：歐洲晶片倡議（法案第3條至第9條）。歐洲晶片倡議將對現有關鍵數位技術重新進行戰略定位，以強化歐盟成員國和相關第三國及私營部門的「晶片聯合資源承諾」。歐盟預計將投入110億歐元用於加強研究、開發和創新，以確保部署先進半導體工具、原型設計實驗產線、測試和用於創新生活應用的新設備，培訓員工深入了解半導體生態系統和價值鏈。 支柱二：供應安全（法案第10條至第14條）。建立半導體「集成生產設施（Integrated Production Facility, IPF）」和「開放歐盟代工廠（Open EU Foundry, OEF）」，透過吸引投資與提高生產能力來建立供應安全的新框架，用以發展先進節點創新及節能晶片。此外，晶片基金將為新創企業提供融資管道，協助技術成熟並吸引投資者；投資歐洲基金（Invest EU）將設置專屬半導體股權投資的選項，以擴大歐洲半導體研發規模。 支柱三：監測和危機應對（法案第15條至第22條）。建立歐盟成員國和執委會間的協調機制，用以監測半導體供應、估計需求和預測短缺。透過蒐集企業的關鍵情報能發現歐洲主要弱點和瓶頸，從而監控半導體價值鏈穩定。歐盟將彙整危機評估報告並協調各成員國採取歐盟建議的應對方案，以便共同做出迅速正確的決定。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」