何謂「TLO」?
「TLO」係「技術移轉機關(Technology Licensing Organization)」之簡稱，專指大學研究成果申請專利後，將該等技術移轉給企業等之機關，如同產學間的仲介角色。
日本於平成10年(西元1998年)5月6日通過「促進大學等實施技術研發成果移轉給民間企業法（簡稱大學等技術移轉促進法或TLO法）」，目的在於將大學之研究成果技轉給民間企業，促進研究成果之實用化。
在承認TLO存在之同時，日本做了以下法令之配套：依據TLO法第8條，實施特定大學技術移轉之事業期間，第1年到第10年之授權金及專利申請審查手續費用減免1/2、產業競爭力強化法第19規定，若國家委託之研發成果，歸屬於受託者時，該研發成果之移轉授權不須經國家之承認、同時大學法人法第22條允許國立大學得為出資。同時TLO法亦承認若中小企業透過TLO取得研究成果之授權時，得降低中小企業投資育成株式会社支出資要件。
本文為「經濟部產業技術司科技專案成果」
蔡佳穎
法律研究員 編譯整理
加拿大政府於2010年12月通過反垃圾郵件法，並將於2011年底前生效，加國訂定此法律目的在於藉由遏止垃圾郵件、身分盜用、網路釣魚、間諜軟體、病毒、殭屍網路及誤導性的商業表示等行為，建立新的規範機制與罰則，解決此類線上威脅，從而促進電子商務發展。 目前引發兩派看法，自電子商務角度以觀，企業經營者倚賴電子郵件與消費者互動，而新法要求企業經營者在發商業行銷郵件前須先獲得同意，且必須有明確的取消訂閱機制供收信人選擇。雖在交易過程中獲得的電子郵件地址，將被視為已默示同意發送信息，但只能於最後一次購買日期後兩年內發信，如此企業必須另外建立符合法令規定的郵件清單並加以管理，對企業經營者而言著實是一種負擔。且因為新法定有罰則，若違反法令，加拿大廣播及電訊管理委員會（Canadian Radio-television and Telecommunications Commission, CRTC）有權對個人處以最高100萬元的行政罰款，對公司最高罰款可達1,000萬元，如此使因業務需要而發送大量電子郵件的公司，包括電信公司、銀行等感到惶惶不安。同時另一方面有論者質疑此法律的執行成效，因大部分的垃圾郵件非自加拿大當地所發出，要如何達到減少並遏止前述線上威脅，效果存疑。 另一派見解則認為，在此法案通過前，加拿大是八大工業國中，唯一没有具體的垃圾郵件管理辦法的國家。雖然此法影響電子商務產業，然而知名企業也可能會濫發商業郵件，且縱使發送郵件公司並非在加拿大本地發送垃圾郵件，其未必在加拿大無分支機構，垃圾郵件確實對加拿大人民造成損害，因此制定並施行反垃圾郵件法是必要的。
日本公布2014年度智慧財產推進計畫日本於2013年6月由智慧財產戰略本部發布了「智慧財產政策願景」，作為自公布後未來十年中長期智慧財產政策的核心，其後每年均依此制定各年度的智慧財產推進計畫。 延續前揭「智慧財產政策願景」內容，智慧財產戰略本部於今年7月4日公布「智慧財產推進計畫2014」，除仍以「為強化產業競爭力，構築全球性智財系統」、「中小、新創企業的智財管理強化支援」、「對應數位網路社會的環境建構」、「強化以內容為中心的軟實力」等四項領域作為核心之外，另經由2013年10月起設置的「檢證。評價。企畫委員會」選擇十二項議題進行充分的討論，並以此十二項議題作為制定今年度「智慧財產推進計畫2014」的基礎。 此外，委員會並針對單一部會進行施政將有所困難，有必要進行跨部會橫向協力的五項課題設置特別任務小組，列為「智慧財產戰略本部最重點的五支柱」，分別為：1、職務發明制度根本性的修正；2、營業秘密保護整體性的強化；3、中小、新創企業和大學的海外智財活動支援；4、數位內容的海外拓展及與搏來客行銷間的協力；5、加速建構以促進數位典藏的利活用。日本智財戰略本部並期待此「智慧財產戰略本部最重點的五支柱」能發揮司令塔的功能，對相關連的政策發揮引導的功用。
因應虛擬貨幣發展，日本內閣通過修法草案，允許創投基金得持有加密資產日本經濟產業省（METI）2024年2月16日於官網公布，內閣已審議通過《產業競爭力強化法》（Act on Strengthening Industrial Competitiveness）、《投資事業有限合夥契約法》（Limited Partnership Act for Investment, LPS法）等法律修正案。修法目標係為驅動企業投資新創、促進新創事業發展，其中允許創業投資基金（Venture Capital Fund, VC）得持有加密資產（crypto assets）即為本次修法亮點之一。 根據本次《投資事業有限合夥契約法》修正案，加密資產將被增列到「投資事業有限合夥」（Investment limited partnership, Investment LPS）得收購和持有的資產清單中。實務上日本創投基金多依《投資事業有限合夥契約法》規定，採投資事業有限合夥之組織型態存在。故若修正案最終能落實，將使新創事業得以透過向創業投資基金發行加密資產之方式進行籌資，可以大幅提高「加密貨幣與區塊鏈領域」之Web3新創獲得國內創業投資基金投資的機會，有助於日本建立更強大的區塊鏈技術（Blockchain Technology）和去中心化金融（decentralized finance, DeFi）市場。 日本本次修法，同時兼顧保護投資者利益與金融創新，頗值得我國借鏡。我國金管會雖已相繼公布「虛擬通貨平台及交易業務事業防制洗錢及打擊資恐辦法」以及「管理虛擬資產平台及交易業務事業（VASP）指導原則」，惟相關規範尚未完成細節。金管會主委今年初（2024年1月30日）表示，將朝設置專法強化投資人保障及管理之方向進行委外研究，草案預計今年9月出爐。面對區塊鏈技術暨加密資產快速發展帶來的監理挑戰，我國應持續積極關注國際組織及各國主管機關之監理發展方向，以研擬合適之法制規範。
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現