何謂「AI創作物」？
日本智慧財產戰略本部之「次世代智財系統檢討委員會」於2016年4月18日公布的報告書針對「AI創作物」有諸多討論，截取部份內容如述。
以現行著作權法來看，自然人創作產生的創作物，受到著作權保護並無疑問。倘若係自然人利用AI做為道具產出的創作物，若具備(1)創作意圖；(2)創作貢獻，兩種要件，亦得取得權利。然而，若該創作物僅透過人類指示，過程係由AI自主生成，此時該創作物即屬於AI創作物，目前非屬著作權法保護之範圍。惟上述三種情況在外觀辨識上極為困難。換言之，人類創作物與AI創作物之界線已愈趨模糊。
AI創作物可能具備多種態樣，包括：音樂、小說等，甚至包括新技術及服務的生成。以音樂、小說為例，由於日本著作權法係以「創作保護主義」為前提，只要該創作物完成時具有原創性，即受著作權保護，AI的特性可能會造成該當著作權保護之著作物數量遽增；若AI產生的成果屬於技術或服務，以專利審查需具備新穎性、進步性等要件而言，得獲取專利權難度相對比較高。
而日本政府在討論AI創作物是否具有「保護必要性」，主要係以智財權「激勵理論」出發，該理論核心在於保護人類的投資行為應獲得合理報酬，才有續行創作的動機。
本文為「經濟部產業技術司科技專案成果」
何亦婕
法律研究員 編譯整理
紐西蘭隱私專員辦公室日前針對「是否及如何揭露涉及隱私案件之機關（公務機關或非公務機關）名稱」發布政策；該政策自2014年12月1日起生效。 根據紐西蘭1993年隱私法的規定，隱私專員可決定公開有助於貫徹隱私法立法意旨的資訊等；只要符合此規定，原則上隱私專員也可揭露涉及所調查隱私案件之機關名稱。據此，紐西蘭隱私專員辦公室即於日前針對是否及如何揭露上述機關名稱制定並公布政策。 須說明的是，即使機關確有違法情事，其名稱亦不必然會被揭露，如果有法律上原因或有理由認定不適揭露時，則隱私專員將不會簽署授權揭露之文件。 根據該政策，如機關違反隱私法之行為將導致難以回復之損害、其行為將導致嚴重之後果、該機關被認定為故意違反法律、揭露機關名稱有利於公益，或存在不揭露機關名稱將導致同領域、產業之其他機關受到不合理之牽連或不利益等情形時，則違反機關之名稱較可能被揭露。反之，如果僅屬單一事件、機關之行為較不至於致不利影響，或存在揭露機關名稱反不利於公益等情形時，則機關名稱則較可能不會被揭露。
從「數位政府」到「數位社會」—日本訂定DS-100重塑官民數位法制框架日本數位廳（デジタル庁）於2026年6月12日訂定了《數位政府推動標準指引》（デジタル・ガバメント推進標準ガイドライン），並於同年7月15日更新了涵蓋DS-100、DS-110、DS-120等相關系列標準，總稱為《數位社會推動標準指引群》（デジタル社会推進標準ガイドライン群）（簡稱指引群），目的在於打破過去日本政府各部會「各自為政、系統本位」的舊架構，轉變為以「使用者為中心、整體最佳化」的數位政府，將原本適用於政府內部規則，拓展為支撐整個社會數位化的共通基礎，使指引群開始成為官民協作領域的實務標準，規範重點如下： 1.指引類型：DS-100於體系中扮演「綱領」的角色，並於旗下文件劃分為標準指引（Normative）與實踐指引（Informative），前者作為政府資訊系統維護及管理之共通規則，具備了必須遵守的要求；後者則可作為技術實踐之參考。DS-100原則上適用於日本境內所有的政府資訊系統，日本各府省（中央部會）在進行資訊系統的預算編列、採購、開發、AI導入、雲端服務要求、專案管理（如工程審查）與維運時，都將受到此指引的強制約束，倘若有公務機關不遵守，可能會面臨預算遭數位廳擋下或專案被要求重審的情況。 2.改革政府業務與服務：分為以服務為優先（Service First）與以使用者為中心（User-Centric）。前者規範政府部門於開發或導入系統前，須檢視並簡化行政流程，並非僅將舊有的紙本直接「電腦化」；後者則強調系統與服務須依據企業與民眾之使用經驗進行設計。 3.標準化政府資訊系統的全生命週期管理：指引群涵蓋了企劃與構想、採購與發包、設計與開發、營運與維運、廢止與轉移等從無到有的五個階段之標準作業程序。 4.明確劃分管理角色：可分為PMO（Portfolio Management Office）與PJMO（Project Management Office），前者為公部門層級或跨部會所屬的專案管理組織，負責專案統籌指導與品質控管；後者則為計畫推動與資訊系統管理的執行團隊。此外，為解決政府專案管理能力不足的問題，指引建議透過活用專業人才、辦理內部人員技能認證，同時也鼓勵引進民間數位人才。 5.強化雲端與資安防護：包含雲端服務中斷風險評估、供應鏈風險管理、生成式 AI 的適切利用等各項具體要求。 日本透過建立明文化的AI、資通安全及雲端服務採購要求，使採購法制與資安治理產生連動，同時活用數位技術，實現行政服務便利性提升、行政營運效率性與透明性提升，並以官民協作為軸心改善行政服務，實現數位社會之方向，皆可作為我國未來持續推進政府數位轉型、完善資訊服務採購相關配套機制與優化政府數位服務之借鏡。
美國新墨西哥州法院認定Meta構成「公共妨害」，命其強化兒少保護措施新墨西哥州政府於2023年對Meta提起訴訟，主張Meta明知其Facebook、Instagram等平台設計加劇該州青少年心理健康危機，卻未能有效防範兒少性剝削風險。2026年3月，陪審團依《不公平交易行為法》（Unfair Practices Act）認定Meta違規並處以3.75億美元民事金錢制裁（civil penalty）；2026年8月6日，新墨西哥州第一司法區地方法院就本案作成最終判決，認定Meta旗下平台構成「公共妨害」（public nuisance），命其另支付5.67億美元設立減輕基金（Abatement Fund）。兩者合計，Meta於本案之金錢責任約達9.42億美元。 法院要求Meta於5年期間執行下列措施，並每半年向法院及州政府報告： 1.年齡保障：強化AI年齡辨識，疑似未滿13歲者須完成驗證，未於期限內驗證者將標記為刪除；經確認未滿13歲者，須刪除帳號及相關個人資料，並建立申訴機制。 2.未成年人安全預設：未成年人帳號預設私人設定，禁止未成年人帳號被推薦予不相關成年人，並禁止不相關成年人私訊未成年人帳號，若須降低保護程度須經家長同意。 3.防制性剝削與性勒索：強化偵測、通報與真人審查機制。 4.生成式AI安全：禁止並防止未成年人與Meta AI進行性化或浪漫互動，以及成年人利用AI模擬或討論與未成年人之性化或浪漫互動。 5.使用時間限制及資訊揭露：Meta應於夜間及上課時段禁止向未成年人推播訊息，並預設隱藏其按讚數，其使用Facebook與Instagram之時間合計每月上限為90小時；另應強化平台安全風險揭露及網路安全教育。 值得注意的是，法院並未命Meta停止或重新設計推薦演算法、無限捲動及自動播放等功能，認為此類產業普遍性功能之規範應留待立法或行政部門處理，其理由有二：其一，此類功能屬產業普遍設計，個案裁判逕行介入恐造成不對等競爭負擔；其二，此類功能涉及第三方內容之呈現方式，貿然介入可能牴觸憲法言論自由保障及《通訊端正法》（Communications Decency Act）第230條。 整體而言，本案顯示美國對數位平台兒少保護之監管，正由傳統內容管理延伸至年齡保障、產品安全預設、性剝削防制及生成式AI安全等面向，至於本案後續是否影響其他州之同類訴訟，值得持續關注。
FDA發佈人工智慧/機器學習行動計畫美國食品藥物管理署（U.S. Food & Drug Administration, FDA）在2021年1月12日發布有關人工智慧醫療器材上市管理的「人工智慧/機器學習行動計畫」（Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD) Action Plan）。該行動計畫的制定背景係FDA認為上市後持續不斷更新演算法的機器學習醫療器材軟體（Software as Medical Device, SaMD），具有極高的診療潛力，將可有效改善醫療品質與病患福祉，因此自2019年以來，FDA嘗試提出新的上市後的監管框架構想，以突破現有醫療器材軟體需要「上市前鎖定演算法、上市後不得任意變更」的監管規定。 2019年4月，FDA發表了「使用人工智慧/機器學習演算法之醫療器材軟體變更之管理架構—討論文件」（Proposed Regulatory Framework for Modifications to Artificial Intelligence/Machine earning (AI/ML)-Based Software as a Medical Device (SaMD) - Discussion Paper and Request for Feedback）。此一諮詢性質的文件當中提出，將來廠商可在上市前審查階段提交「事先訂定之變更控制計畫」（pre-determined change control plan），闡明以下內容：(1)SaMD預先規範（SaMD Pre-Specification, SPS）：包含此產品未來可能的變更類型（如：輸入資料、性能、適應症）、變更範圍；(2)演算法變更程序（Algorithm Change Protocol, ACP）：包含變更對應之處理流程、風險控制措施，以及如何確保軟體變更後之安全及有效性。 根據「人工智慧/機器學習行動計畫」內容所述，「事先訂定之變更控制計畫」構想被多數（包含病患團體在內）的利害關係人肯認，並於相關諮詢會議當中提出完善的細部建言。FDA將根據收到的反饋意見，於2021年以前正式提出有關人工智慧/機器學習上市後監管的指引草案（Draft Guidance），並持續研究提高演算法透明度、避免演算法偏見的方法。