何謂「Spitzencluster-Wettbewerb」？
Spitzencluster-Wettbewerb由德國聯邦教育與科學部（Bundesministerium für Bildung und Forschung，BMBF）自2007年起開始推行，屬該國高科技戰略2020（hightech-strategie 2020）之政策配套措施之一，更是歐盟發展歐洲研發區位計畫（European Research Area）之一環。所謂聚落係建立在德國傳統工業區位分布上，利用群聚效應因應產業技術發展的複雜問題（產業問題非單一技術可解決），使各具專長之學研機構與企業共同分享產業問題研議出解決方案，分擔研發風險與成本等，增強合作效率，促進產業創新及升級。聚落多以成立協會（association）為主，平均每一聚落有近70個企業參與，原則上開放跨國參與者參與聚落之產學合作，並對會員收取會費。
本計畫作為重要的區域產學研合作計畫，乃承襲自德國過去不斷推動的區域產學研合作計畫，其特色是採取競爭方式選出德國境內優秀之聚落，並補助其相關研發計畫。自2007年至2015年間，已有三次選拔，並選出共15個領先聚落，分別涉及領域橫跨航太、資通訊、能源、生技等技術發展。至2015年為止總計已補助超過1300個計畫。2015-2017年將規劃有三次選拔，每回合挑選至多10個聚落獲得補助。目前本計畫已補助3.6億歐元預算，至2017年底將再投入5億歐元預算。
本文為「經濟部產業技術司科技專案成果」
由歐盟二十七個會員國資料保護主管機關組成的第二十九條資料保護工作小組（The Article 29 Working Party）最近公布其應適用何國資料保護法規之意見書。 歐盟資料保護指令（EU Data Protection Directive）第四條對於蒐集或處理個人資料所應適用之法規有所規範，依該條規定，機構必須依其成立之國別適用該國資料保護法規；機構若於其他國家裝置設備處理資料，則須遵守設備所在地之法令。 隨著全球化的趨勢與新興科技的發展，目前處理資料機構之運作方式已與當初制定指令時有所不同，許多機構在世界各國設置營運點，向全球各地提供各類型服務，尤其是網際網路的發展，使得遠端服務及在虛擬環境下分享個人資訊更為容易，但同時也增加辨識資料處理所在地之困難度，因此工作小組提出該意見書，希望藉此釐清資料保護指令第四條之適用。 工作小組於該意見書中指出，資料保護指令所指的應適用法規，並非資料控制者（data controller）所在地之法規，而是附屬於該資料控制者並實質進行資料處理之機構的所在地法規。蓋因同一資料控制者可能在數國成立附屬機構，在此種狀況下判別適用法規的標準，應視實際上相關資料處理活動的發生地，亦即處理資料機構所在地。 而針對處理個人資料所使用之設備，工作小組表示，即使處理資料之機構並未擁有設備，而使用該設備處理個人資料時，亦可適用指令第四條之規定，需遵守設備所在地之相關法規；但工作小組同時特別釐清，以電信電纜或郵政服務等方式傳輸資料並不會落入資料保護法規之範疇。
時尚奢華品牌-Gucci與服飾品牌-Guess間之商標戰爭Gucci America, Inc. (Gucci) 於2009年對Guess?, Inc. (Guess)提出商標侵權訴訟，美國聯邦地方法院(United States District Court, SDNY)於2012年5月在無陪審團審判的結果下，判定Guess禁止使用「紅-綠條紋」、「G字菱形圖」、及「環環相扣的G圖」等三項商標，並須賠償Gucci 466萬美元之損害賠償。 緣，Gucci聲明Guess係惡意侵害及仿冒Gucci的商標設計，企圖造成消費者的混淆誤認，並淡化Gucci的商標權，故針對「紅-綠條紋」、「G字菱形」、「環環相扣的G圖形」、及「手寫Guess logo」等商標設計聲明其禁止銷售、販賣及使用，並主張因Guess的惡意仿冒，請求1.2億美元的損害賠償。 Guess於訴訟過程中提出抗辯，(1) Guess無理由仿冒Gucci的商標、 (2) Gucci至少超過七年以上放任Guess使用其所聲稱的Gucci商標設計且未提出訴訟；此外，(3) 消費者並不會將Guess的產品與Gucci的產品誤認，因Guess與Gucci所訴求的客戶市場並不相同。 Scheindlin法官於裁定書中敘明，Gucci無法直接證明因Guess之商標侵害造成其品牌上的極大損害，故最終損害賠償金額僅判定466萬美元 。 本案之法院結果將影響其他時尚品牌之商標或產品外觀近似的侵權案件。
美國國家標準與技術研究院公布人工智慧風險管理框架（AI RMF 1.0）美國國家標準與技術研究院（National Institute of Standards and Technology, NIST）於2023年1月26日公布「人工智慧風險管理框架1.0」（Artificial Intelligence Risk Management Framework, AI RMF 1.0），該自願性框架提供相關資源，以協助組織與個人管理人工智慧風險，並促進可信賴的人工智慧（Trustworthy AI）之設計、開發與使用。NIST曾於2021年7月29日提出「人工智慧風險管理框架」草案進行公眾徵詢，獲得業界之建議包含框架應有明確之衡量方法以及數值指標、人工智慧系統設計時應先思考整體系統之假設於真實世界中運作時，是否會產生公平性或誤差的問題等。本框架將隨著各界使用後的意見回饋持續更新，期待各產業發展出適合自己的使用方式。 本框架首先說明人工智慧技術的風險與其他科技的差異，定義人工智慧與可信賴的人工智慧，並指出設計該自願性框架的目的。再來，其分析人工智慧風險管理的困難，並用人工智慧的生命週期定義出風險管理相關人員（AI actors）。本框架提供七種評估人工智慧系統之信賴度的特徵，包含有效且可靠（valid and reliable）：有客觀證據證明人工智慧系統的有效性與系統穩定度；安全性（safe）：包含生命、健康、財產、環境安全，且應依照安全風險種類決定管理上的優先次序；資安與韌性（secure and resilient）；可歸責與資訊透明度（accountable and transparent）；可解釋性與可詮譯性（explainable and interpretable）；隱私保護（privacy-enhanced）；公平性—有害偏見管理（fair – with harmful bias managed）。 本框架亦提出人工智慧風險管理框架核心（AI RMF Core）概念，包含四項主要功能：治理、映射（mapping）、量測與管理。其中，治理功能為一切的基礎，負責孕育風險管理文化。各項功能皆有具體項目與子項目，並對應特定行動和結果產出。NIST同時公布「人工智慧風險管理框架教戰手冊」（AI RMF Playbook），提供實際做法之建議，並鼓勵業界分享其具體成果供他人參考。