美國國家製造創新網絡2016年度報告
依2014年復甦美國製造與創新法（Revitalize American Manufacturing and Innovation (RAMI) Act of 2014），美國國家製造創新網絡計畫於2016年2月公布年度報告（Annual Report）。國家製造創新網絡計畫的目標是處理發生於執行面的、介於初期基礎研究與技術布建之間的製造技術轉型（manufacturing related technology transition）挑戰。
國家製造創新網絡計畫的關鍵核心之一，是連結創新與製造，而「研發機構」（Institute）在這當中扮演最為關鍵的角色。此所稱之研發機構，係指2013年「國家製造創新網絡先期規劃」（NNMI-PD）以及2014年復甦美國製造與創新法（RAMI Act of 2014）第278s條(c)項所界定之「製造創新中心」（center for manufacturing innovation）——其採公私合營制（public-private partnership），其成員可包括各該業界之業者與學研機構，以及商務部長認屬適當之產業聯盟（industry-led consortia）、技職教育學校、聯邦政府所屬實驗室、以及非營利機構等。「研發機構」將以上之利害關係各方匯聚形成一個創新生態系（innovation ecosystem），以共同因應高風險之製造業挑戰並協助製造業者維持並提升產能與競爭力。
我國於民國105年7月由行政院核定通過之「智慧機械產業推動方案」，亦規劃透過「智機產業化」與「產業智機化」，建構智慧機械產業生態體系，整合產學研能量，並深化智慧機械自主技術中長期布局與產品創新。
本文為「經濟部產業技術司科技專案成果」
基因改造食品的安全性，向來引起全球關注，各界爭議不休。美國農業部在上（5）月29日公開表示，在奧勒岡州（Oregon）的私人農場中發現基因改造小麥，這是否屬於單一個案，還是意味著基改防線已有所瓦解，對於美國基改管理體系具有重大意義。以目前而言，美國尚未核准任何基因改造小麥。 美國是全球最大的小麥供應國，每年有4000萬噸小麥輸入亞洲；其中，日本更是美國最重要的海外市場。在本案爆發之後，日本於第一時間暫停來自美國西北的小麥進口至美國境內，這股緊張氣氛預計將快速漫延至其他亞洲國家。 事實上，在這事件同時，於綠色和平（green peace）及其他NGO團體串聯下，全球200萬民眾走上街頭，抗議美國孟山都（Monsanto）及其研發的基因改造食品，包括美國、加拿大、阿根廷等，估計共有52國、436個城市響應，一齊表達對於基因改造食品的不安感。在基因改造食品的長期爭議下，美國有若干州考慮採取立法管制，特別是要求基因改造作物或產品必須要標示清楚，以保護消費者的權益。最新的進展是，在本（6）月4日，康乃迪克州（Connecticut）議會以134比3，通過基因改革食物法案，要求各項食物必須明確標示是否含有基因改造成分。在這之後，緬因（Maine）州也立即跟進，以141比4通過類似的基改標示法案。而案件爆發地–奧勒岡州，則還沒有進一步消息。
荷蘭公司控《中國好聲音》商標侵權，索賠300萬北京法院於2016年3月17日開始審理關於「夢想強音文化傳播有限公司」和「北京正議天下文化傳媒公司」未經授權使用荷蘭Talpa公司商標一案。 Talpa公司主要業務為開發、製作電視節目模式，〈The Voice of〉是該公司開發的一款歌唱比賽真人秀電視節目模式，為該公司知名產品。Talpa已向中國、澳州、美國、歐盟等在內約70個國家，註冊了「The Voice of 」商標，商標圖示為一隻手拿麥克風之圖像。 《中國好聲音》製作單位於2012年向荷蘭Talpa 買下節目模式與商標圖示，用以製作音樂真人秀《中國好聲音》；今年Talpa並未與其續約，故《中國好聲音》製作單位未取得Talpa公司商標專用權。 惟負責《中國好聲音》第五季海選活動之夢想強音文化傳播公司和北京正議天下文化傳媒公司，在好聲音全國海選活動與宣傳中，大量使用與Talpa註冊商標幾乎相同的圖形及文字；Talpa公司認為，此為類似商品上使用與註冊商標相同或近似商標行為，已造成消費者混淆，依中國大陸人民共和國商標法第57條，構成侵害商標專用權。據此，Talpa公司要求上開兩間公司立即停止商標侵權行為，並要求登報道歉與連帶賠償律師費、公證費、翻譯費及各項損失300萬元。 本文同步刊登於TIPS網站(http://www.tips.org.tw)
美國Amazon開始免費提供CD之線上即時MP3資料服務美國Amazon於1月10日正式發表在美國國內開始提供消費者使用其所購入CD之MP3資料的免費雲端服務「AutoRip」。 消費者一旦在Amazon.com的網站上購買音樂CD以後，音樂CD的MP3資料就會自動加入雲端音樂服務Amazon Cloud Player上的使用者個人儲存空間。購買手續完成以後，資料立刻自動加入，無需等待CD本身的送達。在這項服務範圍內的CD約有5萬片，不僅是在服務開始後購買的才能享受，服務還回溯至1998年以來曾在Amazon.com上購買過CD的消費者。 Amazon Cloud Player在公司的Kindle Fire，以及iPhone與iPad等搭載iOS作業系統的終端設備，與各家智慧型手機等搭載Android作業系統的終端設備等等都可利用，旨在提供消費者無論何時無論何地皆可以享受音樂的行動價值。此外，音樂資料不僅可以透過串流播放的方式利用，也能直接免費下載存檔利用。 目前，這項服務的對象區域僅限於美國境內，在日本、台灣都還無法利用，不過在網路上也已經有許多網友開始殷切期盼這項服務後續的推出。值得一提的是，Amazon這項服務的推出也進一步突顯了企業因應網路著作權利用型態發展的一個重要轉變。
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