「挑戰智慧美國」(the Smart America Challenge) 計畫
美國聯邦政府於2013年12月啟動「挑戰智慧美國」(the SmartAmerica Challenge)計畫，目標是匯集產官學研以呈現網實整合系統(Cyber-Physical System, CPS)與智慧聯網如何能夠創造就業機會、新的商業機會、以及為美國帶來社經上之利益。2014年6月，24個技術團隊及超過100個組織機構共同於華府進行智慧聯網應用展示，藉此展現智慧聯網如何促進運輸、緊急服務、健康照護、安全、節能、以及製造。於整合性之解決套案上，「挑戰智慧美國」計畫選定加州的聖荷西市(The City of San Jose)，由聖荷西市政府與Intel公司共同建立「智慧聯網智慧城市示範平台」(IoT Smart City Demonstration Platform)。研究團隊於城市各處廣泛裝置感測器，蒐集空氣品質、噪音、交通流量、能源效率等相關資料，藉此試驗城市如何利用智慧聯網技術來改善在地市民的整體生活。在我國，2014年則可稱為智慧城市發展元年，經濟部技術處與工業局等中央政府機關與新北市、桃園縣、新竹市、台中市等地方政府皆相繼投入並推動智慧城市計畫。搭配軟硬體之技術整合與相關產業之參與、以及法人與學術機構之投入，我國透過智慧聯網與網實整合系統以發展智慧城市之未來值得期待。
本文為「經濟部產業技術司科技專案成果」
去（2006）年12月6日，澳洲眾議院核准之前參議院所通過的人類胚胎複製解禁法案，此法案由前健康部長亦是現任參議員Kay Patterson所提出，由於投票所涉及議題過於敏感，故各政黨開放其所屬議員自由投票，最終結果為贊成82票，反對62票。解禁法案主要是准許醫療性複製，但複製出來的胚胎不得植入子宮，且需於14天內被破壞或銷毀。另外，Kay Patterson表示，解禁法案將於健康及科學主管機關草擬卵子捐贈與研究授權指導方針的六個月後，開始施行。最後，此一修法應於3年後接受檢視。 目前澳洲與複製技術相關之法規有：人類複製禁止法（Prohibition of Human Cloning Act 2002）及人類胚胎研究法（Research Involving Human Embryo Act 2002）。人類複製禁止法顧名思義，即不允許任何形式的人類複製，而禁止項目包括：製造人類複製胚胎、將人類複製胚胎植入人類或動物體內、進出口人類複製胚胎………等等。前述修法通過後，澳洲國內將可進行為醫療目的之複製胚胎行為，為其國內胚胎幹細胞發展開一扇窗。 近年來，由於複製技術及胚胎幹細胞研究正逐漸成為顯學，加上醫療應用潛力極大，故即使於社會輿論壓力下，仍有許多國家修立法准許醫療性複製，包括：瑞典、英國、韓國等等。澳洲這次的修法，是否代表全球對於複製技術規範之態度有了某種程度之轉變？值得持續觀察。
德國推行氣候保護協議和綠色領導市場措施，加速基礎工業氣候中和技術發展德國經濟及氣候保護部科學顧問委員會於2023年2月8日公布《向氣候中和產業轉型：綠色領導市場和氣候保護協議》（Transformation zu einer klimaneutralen Industrie: Grüne Leitmärkte und Klimaschutzverträge）報告，擬透過綠色領導市場（Grüne Leitmärkte）和氣候保護協議（Klimaschutzverträge）兩種工具措施，在基礎⼯業中⼤規模推廣氣候中和⽣產技術。 科學顧問委員會指出，目前僅靠碳定價已無法調整在氣候保護面向的市場失靈問題，加上基礎工業（例如鋼鐵、水泥、合成氨等）的氣候友好型技術投資上缺乏經濟效益，因此政府需要採取額外措施來實現基礎工業的氣候中和。 綠⾊領導市場則是國家建立或支持以氣候中和⽅式⽣產的原物料（例如綠⾊鋼鐵）的市場，政府採購中可優先使⽤綠⾊原料，也可以透過監管措施，規定私⼈和企業在⼀定範圍內只能使⽤含有⼀定⽐例綠⾊原料的產品。氣候保護協議則是國家與企業間，就⽣產氣候友好型產品簽訂契約，保證企業將獲得15年的補償⾦，以補償採行氣候中和⽣產術所產生較⾼的成本，同時亦保護企業免受碳定價波動和其他⾵險的影響。
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 ）」