何謂「大學技術經理人協會(AUTM)」？
大學技術經理人協會( The Association of University Technology Managers, AUTM)是一個專門贊助並增進全球學術科技移轉的非營利組織，成立於1974年，其前身為大學專利管理協會(Society Of University Patents Administrators），至今已經擁有超過3000位來自超過300間大學技術轉移室的經理人成為會員，為美國產學合作的重要組織。
該協會運作之目的為充實成員對於技術轉移的知識、贊助技術轉移活動的進行、增進產業及學界的合作與交流，以及打造友善的跨國技轉環境。
該協會每年對美國及加拿大的大學、教學醫院，以及研究機構進行問卷調查，以了解各大學級研究機構的技術授權情形，並發布年度授權活動調查報告 (AUTM Licensing Activity Surveys)。其亦每年舉辦年會，提供來自全美各地的大學、研究機構、營利及非營利組織，以及全球對技術轉移議題有興趣的單位一個資訊交流的場合，會中除了舉辦針對技術轉移議題的研討會以外，並會提供相關企業或組織展示其技術移轉之服務及成果的機會，提供與會者認識技術移轉之世界趨勢的機會。
本文為「經濟部產業技術司科技專案成果」
李祖劭
法律研究員 編譯整理
日本內閣下設之日本經濟再生本部(日本経済再生本部)，為實現2017年6月於「未來投資戰略2017」所提出之建立實驗資料共享體制政策，於2017年8月31日起舉辦自動駕駛官民協議會(自動走行に係る官民協議会)，邀請政府相關部門及民間專家等關係人士，檢討自動駕駛實驗結果、實驗資料之共享，以及根據民間需求進行實驗計畫之工程管理等制度的整備方向，預計於年內針對複雜的駕駛環境制定共通指標，以釐清哪些資料是應收集之實驗資料，建構自動駕駛實驗資訊共享、收集體制。自動駕駛官民協議會預計在未來幾次會議中，針對應收集之實驗資料、標準格式、體制、實驗計畫的進程管理、官民合作事項等進行討論，並將在未來投資會議中報告檢討結果，其結果將與明年度之成長戰略一同反映於「官民ITS‧構想藍圖」(官民ITS構想・ロードマップ)中。
傳統織物及布料之圖樣是否能申請商標註冊—以「鬼滅之刃」為例最近不論在日本或是台灣，都吹起了一股鬼滅之刃的風潮。據統計，今年（2020）10月份所上映的鬼滅之刃劇場版，僅僅花了10天就達到超過100億日圓的票房收入。連日本首相菅義偉都在國會時質詢時說出「我也要用『全集中呼吸』來答辯」這番話。在這股風潮之下，出版者集英社有感於盜版猖獗，針對作品主角所穿的日本傳統服飾「羽織」的外觀圖樣申請商標，掀起網路上正反不同的討論。但是這樣的外觀圖樣是否可以申請商標呢？ 依據日本商標法第6條規定，如果無法做為區辨與他人業務相關商品或服務之標準時，亦即不具「自他識別力」時，不得做為商標申請註冊如：地模樣（台灣稱「連續圖樣」商標）原則上即不得申請註冊。一般來說，如果連續圖樣非如Louis Vuitton 的經典Epi皮革般廣為人知，均難以做為商標申請註冊。 因此，若是鬼滅之刃中所使用的日本傳統市松（連續方格）花紋（為主角炭治郎所穿）及大麻葉花紋（為主角禰豆子所穿），較不易被認定具有自他識別力，而主管機關也不會希望因為商標而造成日本傳統和服業者的困擾。 此外，包括Cosplay玩家在內的反對者，也認為這些本來就是傳統的圖案，如果可以註冊商標，恐壟斷連續圖樣的使用。目前日本特許廳上針對相關申請案正在審理中，是否會核准註冊，值得後續關注。
英國推動智慧電網 – 對隱私疑慮的回應與提供用戶能源使用量資訊之規劃 金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。