流行音樂「取樣」之著作權概念
流行音樂之抄襲，於我國著作權法之評價上，是以著作權法第91條第1項「擅自以重製之方法侵害他人之著作財產權者」來評價，我國智慧財產法院已有相關判決可供參酌，如智慧財產法院 103 年刑智上易字第 47 號刑事判決。惟流行音樂之創作，往往受到流行趨勢及過去其他作品的啟發，但將任何的風格上的模仿皆認為係著作權之侵害顯然並不恰當，而旋律相似度高達九成左右者屬於抄襲固然無庸置疑，然僅取樣(sampling)使用少數詞曲，用以表達概念或致敬之使用他人創作情形，其判斷標準，或可參考美國法院之判決見解。
2003年的Newton v. Diamond案中，第九巡迴上訴法院認可「微量取用」(de minimis use)原則，認為在有數十秒的取樣情形時，當一般聽眾不認為是挪用，即構成微量取用，並無實質近似，且若未取樣原曲之重要部分，亦不構成抄襲。但2005年時，聯邦第六巡迴上訴法院在Bridgeport Music, Inc. v. Dimension Films案中，對微量取用的情形提出「明確性規則」(bright- line rule)，認為必須要取得授權方得取樣；而美國最高法院則在1994年的Campbell v. Acuff-Rose案中，認為雖有擷取他曲旋律，但整體曲風不同時，採取轉化性原則，認為構成合理使用。
本文為「經濟部產業技術司科技專案成果」
李祖劭
法律研究員 編譯整理
三星電子十六日表示，目前大舉開發色弱者使用的顯示器等新概念顯示器，可令色弱者與正常人一樣享受多媒体功能、增加了色彩保真功能(Magic Vision)的產品「SyncMaster 730C」和「SyncMaster 930C」。 Magic Vision具有將顯示器的紅、綠、青三原色分別分類為十個等級的功能，由此使用者可依照最適合自己的色彩敏感度來調節顯示器的色彩。 三星電子還計劃近期推出具有1500：1的明暗比、6ms（千分之一秒）響應速度、符合人體工學的三重鉸鏈(3-Hinge)底座的顯示器「SyncMaster750P」和具有世界最快響應速度—4ms的顯示器「SyncMaster 930B」。 三星電子強調，明暗比和響應速度的性能大幅提升，將可能終結「液晶顯示器不適合遊戲及動態視頻」這一爭議。
韓國通過最新個人資料保護法修正案近年韓國國內發生多起重大資訊安全疏失，例如：2014年韓國三大信用卡公司客戶資料外洩，成為韓國史上最嚴重的個人資料洩漏事件。為加強控管，韓國政府於2015年7月通過最新個人資料保護法修正案（Personal Information Protection Act, PIPA）。修正案新增懲罰性損害賠償及法定損害賠償規定。未來該國違反個人資料保護法的機關，將會面臨鉅額罰金及損害賠償。韓國政府期望藉此來促使企業加強資料安全管理。 根據最新修正案條文，若某機關因故意或重大過失，造成個人資料被遺失、竊取、洩漏、偽造、竄改或損毀，經法院判決後，最高將會被處以實質損害金額三倍的懲罰性損害賠償。此外，除非該機關能舉證當事人的損害與機關之行為沒有因果關係，否則當事人可請求最高3百萬韓元（約台幣8萬元）的法定損害賠償。 此次，韓國個人資料保護法修正案另一個重點在擴大韓國個人資料保護委員會（The Personal Information Protection Committee）的職權。該委員會將成為資訊安全爭議的最終裁決機關，且擁有相關資訊安全管理相關政策制定及修正的提議權。 由於此修正案將於2016年7月正式實行。韓國政府建議各大機關應儘快依照新修正案內容檢討並更新其隱私權政策及資料安全防護機制，避免在新法上路後遭罰。
新加坡科技與研究局針對未來工廠提出研究規劃及方向新加坡科技與研究局（Agency for Science, Technology and Research）於2017年7月26日提出未來工廠（Toward the factories of the future）概念及相關研究方向，自動化（Automation）、機器人（robotics）、先進電腦輔助設計（advanced computer-aided design）、感測和診斷技術（sensing and diagnostic technologies）將徹底改變現代工廠，可製造的產品範圍廣泛，從微型車乃至於飛機皆可生產。積層製造（Additive Manufacturing），又稱3D列印（3D printing），可使用單一的高科技生產線來創造許多不同的產品項目，而不需要傳統大規模生產的設計限制和成本，伴隨未來高效能電腦和感測技術之進步，積層製造速度也會隨之加快。而智慧工廠（smart factories）將與物聯網（IOT）、雲端計算（cloud computing）、先進機器人（advanced robotics）、即時分析（real-time analytics）與機器學習（machine learning）等技術與積層製造技術結合，將大為提升生產速度及產量。 為加速及改善積層製造的製程，最重要的方法之一，是使用材料物理學的基本原理來模擬製造過程，而近期更引進跨學科之研究，「模擬」最終產品化學成分和機械性能的微觀結構。因積層製造是一個複雜又困難的過程，透過變化既有規則之模擬（Game-Changing simulations），若建立完成模型且模擬成功，將成為積層製造的殺手級技術。在未來的五到十年，我們將看到更多的零件從積層製造技術生產出來，而且這種技術有機會成為未來工廠的生產基礎。由於現行材料及製造流程與機器必須配合一致，些許的差異皆會生產出不同品質之產品，故未來積層製造工廠的結果穩定重現性（repeatability）和標準化（standardization），將是產品商業化的主要障礙與挑戰。