英國與新加坡監管沙盒機制概述
黃天佑
組長 編譯整理
2023年5月17日，日本國會通過了《著作權法》部分條文修正案，並於同月26日公布（2023年第33號法）。 隨著數位化的進步，內容的創作、傳播和使用變得更加容易，不再只是過去主流的出版社、電視台等「專業人士」才能從事，而是一般普羅大眾也可以參與創作，並將內容貼在網路上。與此同時，既有著作之重新利用的需求等情形均日益增加，然而此類內容的問題在於難與著作權人取得聯絡，不一定可順利使用。 為了解決上述問題，本次修正重點之一係新增第67之3條，根據該條規定，儘管著作之利用人採取了確認著作權人授權意願等措施，但仍無法確認著作權人授權意願時，得向文部科學省所屬之文化廳申請裁定，經文化廳長裁定允許利用並繳納補償金後，利用人得於該裁定所定之期間內（申請書所載之期限最長不得超過3年）先行使用該著作。新裁定利用制度放寬了確認著作權人意願之程序與要求，降低使用門檻，並同時規定著作權人可聲請撤銷使用，如果文化廳長裁定撤銷使用，則利用人應停止繼續使用該著作，著作權人得依利用人實際使用期間之比例領取補償金。另為簡化及加快程序，關於新裁定利用制度之申請受理、要件確認與補償金額的決定等部分事務，文化廳長得指定特定之民間機構作為聯絡窗口負責相關行政手續之處理（第104條之33以下相關規定）。 新裁定利用制度的建立，將有助於促進著作之流通利用，即認為已充分週知著作權人，且盡可能地確認著作權人等是否可以使用的意思，仍不能確認意思狀態之著作，而採取一定措施放寬使用是妥適的。因考慮到週知等需要時間，乃決定從公布日（2023年5月26日）起3年內施行。 本文同步刊登於TIPS網（https://www.tips.org.tw）
美國加州於6月28日通過新版個資隱私法規加州立法體系在2018年6月28日通過了美國最嚴格的個人資料隱私法規，該法案無異議通過，並已經加州州長Jerry Brown簽署同意，將於2020年1月1日施行，以賦予科技產業修正其內部政策的緩衝期間。 該法案之所以如此速戰速決，據媒體解讀是為了避免該法案內容成為加州11月選舉併公民投票之公投提案的一部分。如以公投方式通過這部法規，日後修正時將重新以公民投票進行，有造成修法困難的疑慮；而以立法者立法方式通過這部法規，賦予立法者有對其修訂改正權限，於日後能以一般修法程序進行修法。 該法案內容與2018年5月25日實施的歐洲GDPR規範相近似，將造成加州原先隱私權規範些許改變，與倡議最初法案不同的地方在於，揭露接受個資第三人的相關資料時需揭露該第三者之類型（category）而非其身分。 隨著本年度加州消費者隱私保護法（The California Consumer Privacy Act）的修法，大型科技公司如Google和Facebook等蒐集有大量消費者個人資料者，都將受到重大影響，依據該法，一般使用者可以向企業確認被蒐集的個資種類以及個資販賣流向，亦可以請求中止個資的蒐集及販賣，提升了一般使用者在以往對於個資使用上的地位。 自歐洲GDPR規範實施以來至目前，美國聯邦法尚未有相應強度之規範，本次加州修法可認係GDPR實施以來美國國內第一部因應而修正之法律。
美國OMB發布M-26-04備忘錄，確立聯邦採購之「無偏見原則」與透明度義務美國白宮管理與預算辦公室（Office of Management and Budget，以下簡稱OMB）在2025年12月11日發布M-26-04備忘錄（以下簡稱本指引），目標是落實第14319號行政命令「防止聯邦政府中的覺醒AI」（Preventing Woke AI in the Federal Government）。本指引闡述「追求真相」（Truth-seeking）、「意識型態中立」（Ideological Neutrality）兩大「無偏見AI原則」（Unbiased AI Principles），並強制要求聯邦機構在採購大型語言模型（LLM）時，必須將此二原則納入合約條款。 為確保符合規定，本指引要求聯邦機構在進行採購時，應避免強制供應商揭露過於敏感的技術資料（如模型權重），而是採取以下兩層級的資訊揭露架構： 1. 基本透明度要求（Minimum Threshold for LLM Transparency） 各機構於招標階段，應要求供應商提供以下資訊： (1) 可接受的使用政策：界定產品適當與不適當用途的文件。 (2) 模型、系統和/或資料的摘要卡（Model, System, and/or Data Cards）：包含訓練摘要、風險緩解措施及基準測試評分。 (3) 終端用戶資源與意見回饋機制：包含用戶教程及針對違反無偏見原則產出的回報管道。 2. 強化透明度門檻（Threshold for Enhanced LLM Transparency） 若機構擬將模型整合至其他軟體或服務中，則需獲取更深入的開發與運作資訊，例如： 1. 預訓練和後訓練（Pre-Training and Post-Training）：如影響產出事實性（factuality）的活動、系統提示詞（System Prompts）、以及內容審查過濾器的具體運作。 2. 模型評估：針對政治議題的偏見測試結果與方法論。 3. 模型中嵌入的企業控制（Enterprise-Level Controls）: 如可客製化的系統指令或來源引用功能。 4. 第三方對模型的修改：非原廠開發者所施加的額外控制層。 本指引對聯邦行政機構具有行政拘束力。機構必須於2026年3月11日前更新採購政策，並將上述要求納入新舊合約中。值得注意的是，本指引引入了「實質性要求」（Materiality Requirement），即若供應商拒絕針對違反無偏見原則的產出採取糾正措施，將構成合約違約之重要事由，機構得據此終止合約。 觀察美國OMB此次發布的內容，係透過將「意識形態中立」轉化為具體的採購合規要件，OMB利用聯邦政府龐大的購買力，在採購合約中確立供應商的「透明度義務」，OMB指引不僅建立了明確的法遵標竿，更可能發揮示範效應，將政府端的無偏見規範逐步推廣至私營部門，轉化為產業的最佳實踐標準。
我國生物與遺傳資源權利歸屬及管理思維初探