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
歐盟單一專利法院（(Unified Patent Court, UPC）預計於2023年6月1日正式運作，歷經英國脫歐等事件後，於去年（2021）12月2日奧地利批准單一專利法院協議暫行議定書（Protocol to the Agreement on a Unified Patent Court on provisional application, PAP-Protocol）並提交後，正式進入最後階段。 UPC為歐盟所設立之國際法院，對歐盟授予之專利具管轄權，負責審理歐洲專利的侵權與訴訟案。UPC之裁決結果將適用於所有UPC成員國，透過建立單一的審理制度，避免各國法院標準不一致的情形。截至目前（2022年12月20日），已有16個歐盟成員國批准單一專利法院協議（下稱協議）。 現有歐洲專利（EP）將直接適用UPC制度，為降低影響，協議給予專利權人申請退出單一專利制度（Unitary Patent, UP）的選擇權，若未於規定時間內提出申請，仍可於UPC啟用後7年內提出。其他針對UPC提出幾點說明： 一、UPC成員國之歐洲專利，皆受到UPC管轄。 二、UPC分為初審法院（Court of First Instance）與上訴法院（Court of Appeal），初審法院為UPC成員國之地方或區域法院並非單一法院。 三、訴訟期限於初審分為三階段，總時程約為12至14個月，上訴法院受理後原則不會再發回初審法院，審理過程約為12個月。 四、UPC管轄權僅限於專利事務，如侵權訴訟、專利撤銷、申請強制令等。 五、UPC受協議、歐洲專利公約及有關的國際協議、規範等約束。
促進頻譜使用效率－美國啟動獎勵拍賣機制 日本《科學技術指標》日本《科學技術指標》為文部科學省直接管轄之國立實驗研究機關「科學技術與學術政策研究所（NISTEP）」於每年度發布，主要為讓閱讀者基於客觀而定量的數據，體系性地掌握日本國內科學技術活動的基礎資料，將科學技術活動區分為「研究開發費」、「研究開發人才」、「高等教育與科技人才」、「研究開發產出」、以及「科技與創新」等5個類別，同時制定約180個指標以表達日本國內狀況。本年度公布的《科學技術指標2019》，則新增了「日本與美國各部門擁有博士學位者」、「各產業研究人才集中度與高端研究人才活用程度間之關係」、「主要國家取得博士學位之人數的變動狀況」、「運動科學研究類論文動向」、「主要國家貿易額度的變動狀況」、「各國與各類型獨角獸企業數」等20個指標。 依《科學技術指標2019》分析，日本的研究開發費與研究者人數於日、美、俄、法、英、中、韓等七個國家中皆位居第三，論文數則為世界排名第四，受高度矚目的論文數世界排名第九，專利家族（Patent Family）數世界排名第一而與去年相同。就產業的部份，研究者中擁有博士學位者之比例依據產業類型的不同而有所差異，與美國相較，高階人才之實際就業情況未能充分發揮其所學。另一方面，就每一百萬人中有取得博士學位的人數，在各主要國家當中，僅有日本呈現減少的趨勢。
美國國家標準暨技術研究院規劃建立「人工智慧風險管理框架」，並徵詢公眾對於該框架之意見美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）為管理人工智慧對於個人、組織以及社會所帶來之風險，於2021年7月29日提出將建立「人工智慧風險管理框架」（Artificial Intelligence Risk Management Framework, AI RMF）之規畫並徵詢公眾意見，截止日為9月15日，並預計於10月發布正式報告。 依照NIST說明，公眾所建議之人工智慧風險管理框架，可促進人工智慧之可信賴性，其中包含如何應對並解決人工智慧於設計、發展及使用過程中所遭遇之「精確度」（accuracy）、「可解釋性」（explainability）、「偏見」（bias）等議題。此外，上開管理框架預計為非強制性、供企業自願性使用於人工智慧設計、發展、使用、衡量及評估之人工智慧標準。 依現有公眾意見徵詢結果，其中DeepMind公司建議於人工智慧設計初期，必須預先構思整體系統之假設是否符合真正社會因果關係。舉例言之，當設計一套可預測民眾健保需求程度之系統時，如輸入參數僅考量民眾於醫療上的花費，將使僅有可負擔較高醫療費用之民眾被歸類為健保需求程度較高者，從而導致健保制度排擠經濟負擔程度較差之公民，故在設計系統時，應從預先設定之假設事實反面（counter-factual）思考並驗證是否會產生誤差或公平性之問題（例如預先思考並驗證「醫療費用支出較低之民眾是否即可被正確歸類為健保需求度低之民眾」）。惟進行上述驗證需要大量社會資料，因此DeepMind也建議NIST應建立相關機制，使這些社會資料可以被蒐集、使用。 此外，亦有民眾建議管理框架應有明確之衡量方法以及數值指標，以供工程界遵循。同時鑒於人工智慧發展極為快速，未來可能有不同於以往之人工智慧類型出現，故亦建議NIST應思考如何在「建構一套完整且詳細之人工智慧治理框架」與「保持人工智慧治理框架之彈性與靈活性」之間取得平衡。 最後，目前也有許多徵詢意見指出，許多人工智慧治理之目標會相互衝突。舉例言之，當NIST要求人工智慧系統應符合可解釋性，則人工智慧公司勢必需要經常抽取人工智慧系統中之「數據軌跡」（audit logs），惟數據軌跡可能被認為是使用者之個人資料，因此如何平衡或完善不同治理框架下之目標，為未來應持續關注之議題。