何謂「群眾募資(crowdfunding)」?
「群眾募資(crowdfunding)」過去原泛指一切提出資金需求計畫，向社會大眾招募資金的行為；目前則指資金需求者透過群眾募資網路平台提出資金需求，由平台代為籌資後再將資金轉交與資金需求者之活動。
群眾募資可紓解創業家有創意無資金無擔保品的資金困境，因此主要運用於難以透過傳統金融管道取得資金之產業，例如文化創意產業。然而除了商品生產或短期計劃的募資，廣義的群眾募資運用尚包含永續的事業資本募集以及週轉資金募集。目前各種群眾募資模式可分為捐贈模式、股權模式及債權模式：
1、捐贈模式：群眾捐錢贊助某個特定方案，但不期待因個人的捐助而獲得任何金錢上的回報。但通常會獲得提案者承諾提供之實物或者是體驗服務作為回饋。
2、資本模式(或稱股權模式)：群眾透過網路平台將金錢投入某個專案，未來可以獲得因該專案所成立之公司的股票，或者是獲得盈餘或收益的分配。
3、債權模式：群眾透過網路平台將金錢借給某個專案或某人某公司，承諾未來會償還所借之金額及利息。
本文為「經濟部產業技術司科技專案成果」
謝孟珊
資深法律研究員 編譯整理
根據世界智慧財產組織（World Intellectual Property Organization, WIPO）2012年12月發布的報告，中國大陸的專利申請數量於2011年首度超越美國，成為全球最大的專利申請國。這個頭銜在過去的一百年間，只有德國、日本和美國擁有過。 中國國家知識產權局是目前全球最大的專利（商標）局，其所受理的專利、實用新型專利、設計專利以及商標申請數量繼2010年超越日本後，於2011年更進一步達到52.6萬件，超越美國的50.4萬件成為全球第一。事實上，中國大陸商標的申請數量自2001年起就已是全球首位，而設計專利更早在1999年就達到此紀錄。WIPO的理事長Francis Gurry表示，雖然僅比較各國專利申請數量的多寡並不代表一切，然而這個數據仍某種程度的顯示了創新板塊移轉的趨勢。 WIPO報告指出，2009年至2011年，全世界的專利申請數量增加了29.4萬件，其中中國知識產權局占全球成長的比重達72%；且2011年全球的專利申請總數達到214萬件，首度突破二百萬大關，相較於2010年成長了7.8%，是連續第二年成長率高於7%。這些數據顯示出儘管近年經濟低迷，全世界在智慧財產權的申請數量上仍呈現高度穩定的成長。 該報告亦指出，2011年中國大陸根據「專利合作條約」（Patent Cooperation Treaty, PCT）所提出的國際專利申請總數排名第四，僅次於美國、日本以及德國，計有1萬6000餘件，較2010年成長33.4%，是全球增長最快的國家。其中，中國的中興通訊（ZTE Corporation）以2826件專利申請，超過日本松下榮登全球公司專利申請量榜首；華為（Huawei Technologies Co., LTD）則以1831件排名第三。
政府重申並未放寬輸往中國大陸半導體晶圓製程設備之出口管制由於國際出口管制組織「瓦聖那協議」（ Wassenaar Arrangement,WA）於去年(93)底修訂半導體晶圓製程技術水準之出口管制規定，由0.35微米放寬為0.18微米；國貿局為配合「瓦聖那協議」之修訂，亦於今年9月公告半導體晶圓製程技術之出口管制修正為0.18微米。 然，我國半導體晶圓製造廠商申請赴中國大陸投資，主要依據經濟部之「在大陸地區投資晶圓廠審查及監督作業要點」辦理，其中第四點申請要件明顯規定「大陸投資事業製程技術限於0.25微米以上」。此外，在國貿局「限制輸出貨品總彙表」更有規範半導體晶圓製造等相關設備之輸出規定121：需要有國貿局簽發輸出許可證；輸出規定488：（一）輸往大陸地區者，應檢附經濟部投資審議委員會核准投資文件；輸往大陸以外地區者，應檢附保證絕不轉售大陸地區之切結書。（二）外貨復運出口者，另檢附原海關進口證明文件。（三）屬戰略性高科技貨品列管項目者，除應申請戰略性高科技貨品輸出許可證，並檢附上述文件外，應另依戰略性高科技貨品輸出入管理辦法規定，檢附下列文件：１、進口國核發之國際進口證明書、最終用途證明書或保證文件。２、外貨復運出口者，如原出口國政府規定需先經其同意者，應另檢附原出口國政府核准再出口證明文件；其於原進口時領有我國核發之國際進口證明書、最終用途證明書或保證文件者，應再檢附該等文件影本。 國際貿易局強調，我國目前開放半導體晶圓製程技術輸往中國大陸仍限為0.25微米以上，並未放寬輸往中國大陸之出口管制。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。