俄亥俄州通過醫療用大麻合法化
在俄亥俄州長於2016年6月18日簽署通過HB523法案後，俄亥俄州正式成為美國第25個將醫療用大麻合法化的州。這項法案將在今年11月生效，並且允許重症患者使用及採買醫療用大麻。
與原本在2015年11月被退回的法案相比，娛樂性用途大麻直接被排除在本次法案適用範圍外，而且不允許個人在家裡種植或是直接抽食。因此，與一般人想像中，如同荷蘭般的大麻合法化政策相當不同。
當然，某種層面上來說，這項法案對重症病患是一大福音，他們可以合法取得大麻，不再因為持有大麻而被當成罪犯。但是俄亥俄州這部法案對於大麻使用者於現實生活中情況能帶來多大的改善，仍讓人懷疑。因為在俄亥俄州現行法律及行政系統下，俄亥俄州政府並未隨著新的法案，推行相關行政措施。一般來說，在大麻合法化之區域，通常會要求雇主不得禁止員工使用與持有醫療用大麻，或是不可以因當事人有使用、持有或散佈醫療用大麻之紀錄或習慣，而拒絕錄用或是解聘之，同時，會禁止對員工施行藥物檢查。倘若雇主有前列之行為，通常會面臨處罰，例如：主管機關會取消該名雇主原先所享有之稅捐優惠或其他惠優措施。此外，員工得因雇主反禁藥之行為，對雇主提起訴訟。是以，在缺乏相關行政配套措施的情況下，俄亥俄州的大麻使用者未來在工作場所中，仍將會面臨許多挑戰以及障礙。
總而言之，俄亥俄州通過這部法案，在法律上可謂是一大里程碑，但尚與一般大眾認知的「大麻合法化」仍存有很大的差距。同時，未在行政作為上採取相對應的保障措施，仍可以想像將來醫療用大麻使用者在社會上仍將面臨許多障礙。
林秉昱
法律研究員 編譯整理
Michael W. Groebe, Governor Kasich LEgalizesMarijuana After Boy Band Member Could Not, The National Law Review, (Aug 1st 2016), http://www.natlawreview.com/article/governor-kasich-legalizes-marijuana-after-boy-band-member-could-not (last visited Aug 3rd, 2016).
David, Ohio becomes the 25th medical marijuana state!, Cannabis Now June 9th, 2016 https://cannabisnow.com/ohio-becomes-25th-medical-marijuana-state/ (last visited Aug 3th, 2016)
Marijuna-authorize use for medical porposes-controls,OH H.B. 523, https://www.legislature.ohio.gov/legislation/legislation-documents?id=GA131-HB-523
美國專利商標局（The United States Patent and Trademark Office，簡稱USPTO）與以色列專利局（The Israel Patent Office，簡稱ILPO）宣布以色列專利局將參與合作專利分類（The Cooperative Classification Patent，以下簡稱CPC）系統。以色列專利局是以色列智慧財產權審查及註冊的主管機關，主要負責智慧財產權如專利、設計、商標的審查、註冊及異議。 CPC已於2013年1月正式啟用。美國專利商標局及歐洲專利局(European Patent Office，簡稱EPO)自2010年10月共同發展一個可用於雙方不同審查程序的相容分類系統，降低工作上不必要的重複作業以強化效率。美國專利商標局局長Michelle K. Lee.表示：「合作專利分類系統了除證明美國專利商標局與以色列專利局良好的關係及合作精神外，更能夠幫助國內外申請專利的創新者與企業。」 美國專利商標局已於2016年7月提供以色列專利局CPC的相關訓練。美國專利商標局及以色列專利局預計進一步著手進行更深入的CPC相關訓練與交流事宜。以色列專利局及美國專利商標局之間的合作正持續擴展當中，並已達到以CPC為以色列專利局所收藏之專利進行分類的目標。以色列專利局局長Asa Kling表示：「隨著新系統的轉變，以色列專利局將強化審查專業及效率，並改善提供給以色列申請人的服務。」
美國聯邦地方法院撤銷農業部對基因改造甜菜根之同意案今（2010）年8月中，美國聯邦地方法院法官Jeffrey S. White撤銷了美國農業部（United States Department of Agriculture，簡稱USDA）對基因改造甜菜根（genetically modified sugar beets）之同意案，並發出非永久性之禁制令（non-permanent injunction），從2011年開始禁止商業種植基因改造甜菜根。 事實上，早在去（2009）年由多個環保與消費者團體所提起的訴訟中，White法官即已認定美國農業部並未適切地評估商業化種植基因改造甜菜根所可能帶來的生態影響，特別是遠血緣繁殖（out-crossing）的風險，因此，該同意案實已違反國家環境政策法（National Environmental Policy Act，簡稱 NEPA）之規定，但當時法院並未具體指明補救之辦法；在今年8月上旬的聽證會結束後，White法官認為原告已充分闡明基因改造甜菜根可能對環境造成「無可修補之傷害」，在考量到可能造成之經濟影響後，聯邦地方法院特意裁定允許農民仍可按期收穫尚在成長中之基因改造甜菜根，直至2011年春季始完全禁止。然而，美國農業部則是初步回應，他們打算在明年准許基因改造甜菜根在受到控制的情況下有限度地栽種，持續地努力讓傳統、有機與生物科技生產系統得以共存。 由甜菜根所製取的（食用）糖，大約供應了美國國內50%的需求；其中，從2007年開始種植的基因改造甜菜根，其耕地面積在2010年時已達470,000公頃，佔全美甜菜根收成總數的95%之譜!本案深刻地點出基因改造生物體（Genetically Modified Organism，簡稱GMO）所涉及之安全風險與經濟效益的衡平問題，後續所引發的討論值得我們追蹤下去。
美國財政部發布「非銀行金融、金融科技和創新」之金融科技創新報告美國財政部於今（2018）年7月31日發布一份重要報告，呼籲對金融科技領域的創新要採取更靈活，更有利的監管方法。這份報告主題為「非銀行金融、金融科技和創新」，其內容提及加密貨幣和分散式帳本技術（Distributed Ledger Technologies，DLT），並指出該些技術正由金融穩定監督委員會（Financial Stability Oversight Council）的工作組來主導進行跨部門的研究。整體來說，該報告表明美國政府大力推動新興金融技術的發展，並使現有的監管框架現代化，主張更加精簡和適當的監督，以消除發展過程中的障礙。並對於可能阻礙金融科技發展的法規，提出合理化建議，包括協調各州間加密貨幣交易的資金移轉立法。 美國財政部提及金融服務業正在開發的一系列DLT應用程式，其優勢仍有高度不確定性，因而進一步倡導使用監理沙盒，並鼓勵創建實驗室、工作組、創新辦公室，和其他讓行業參與者直接接觸監管機構的管道。監管機構和創新者之間的共生關係，是支持美國經濟和保持全球競爭力所必需的。該報告最後結論提到美國必須與新興技術並肩一起進步，要以不限制創新的方式來適當調整原有的監管策略。美國監管機構必須比過去更加靈活地履行職責，不能給創新的發展帶來不必要的阻礙。 「本文同步刊登於TIPS網站（https://www.tips.org.tw）」
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。