美國司法部提出更嚴格的著作權法草案
這項草案由美國司法部長 Alberto Gonzales在一個反盜版的高峰會議中所提出的構想。草案內容擴大對智慧財產權的保護範疇，其中涵蓋試圖非法拷貝音樂、電影、軟體，或是其他具著作權物品的未遂行為。並且，草案賦予調查人員可以扣押因販賣盜版而購置的財產，例如做為未來拷貝用的空白CD。另外，也討論到違反著作權者，將強迫對著作所有權人進行賠償，累犯者也必須面臨較嚴厲的刑責。
Alberto Gonzales在記者會中提及： “這項法律的制訂，反映出布希政府及司法部一貫的承諾，也就是我們會竭盡所能的對抗盜版問題”
唱片業團體對此法案表示高度讚揚。然而，公益團體 Public Knowledge卻指出，司法部亦需考慮其他能夠保護消費者合理使用權的方法。
近年，國會強化著作權法幫助媒體公司對抗其作品遭受氾濫的非法拷貝。並且，執法者已逐漸鎖定在電影撥放幾小時後，就將其置於網路上的拷貝集團。
美國最高法院在六月以 9-0的裁定，讓娛樂業者能對盜版行為予以痛擊。裁定中指出，假若檔案交易(file-trading)公司涉及引誘使用者違反著作權法時，檔案交易公司亦需負責。
著名英國科學研究分析公司科睿唯安 （Clarivate）於2021年2月18日公布《2021年商標生態系統報告》，此報告由科睿唯安委託Vitreous World 於2020年底時分別對英國、美國、德國、義大利、法國、中國大陸以及日本等七個國家共300位專業顧問進行線上訪問，了解商標專業人士對於各國商標價值、商標保護以及技術優化之相關見解為何。此份報告之主要發現如下： 全球商標侵權狀況持續上升中：相較於2017年共有74%受訪者提及曾遇到商標侵權案件、2018年為81%、2019年則有85%。本次調查時竟有高達89%受訪者表示常經手商標侵權案件，且逾半數者表示，其企業在遭遇商標侵權後更改了品牌名稱，此類狀況於日本特別嚴重。 高階主管態度影響企業獲利機會：89%受訪者表示，企業高階主管人員對於智財問題無意識或不予關注時，組織往往無法利用商標或其他智財權利以適時抓緊商機、進入新市場或建立新合作關係。其中亦有五分之一受訪者提到，其企業董事會相關成員完全不參與企業智財議題討論。 社群媒體名稱成為許多商標侵權管道的起源：此次共有50%受訪者表示，社群媒體名稱成為首要的商標侵權源頭；但中國大陸受訪者有73%表示，網域名稱仍為商標侵權常見管道。 今全球產業趨勢已進入知識創新時代，企業欲保持競爭力需善用智財權以維持內部能量，且為防免智財侵權威脅並把握新市場藍海，須由企業全體成員齊心關注努力，而不僅是商標部門人員的責任，管理階層更應了解企業智財狀況，適時更新智財管理與布局策略，增強市場地位。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 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）