泰國智慧財產制度在2017年國際智財指數中得分排名靠後

  由美國商會(the United States Chamber of Commerce)於2007年成立的全球智慧財產中心(Global Intellectual Property Center,以下簡稱GIPC)發布2017年國際智慧財產指數排名,前三名分別為美國、英國和德國,而泰國在45個經濟體中排名第40名,在滿分35分的評分中僅得到9.35分。指數的計算方式係基於專利、著作權、商標、營業秘密、執法、國際條約的批准和執行狀況等6個智財保護面向,共35個指標組成。

  GIPC指出,泰國關鍵優勢在於具備商標、著作權和設計專利的基本註冊和保護制度,具備智財權執行的基本法律架構,配合新技術的發展試圖調整著作權的法規,改進部份海關防止仿冒的措施。而得分低的主要原因則為專利保護不足、數位著作權制度不完整、智財資產商業化的繁鎖程序和額外成本、仿冒猖獗和執法不力等。

  泰國智慧財產局(the Department of Intellectual Property,以下簡稱DIP)局長表示美國商會未充分考慮泰國在智慧財產權發展方面的努力。泰國是按與貿易有關之智慧財產權協定(Agreement on Trade-Related Aspects of Intellectual Property Rights,以下簡稱TRIPS)的要求提供智財保護,然GIPC的部份指標較TRIPS的要求嚴格,導致泰國得分偏低;且指標評估者僅為美國商界人士,而非所有利害相關人。不過DIP也表示,儘管在推動泰國智慧財產權保護方面存在諸多困難,同時需要與包括衛生部、海關廳、財政部、國家警察總署、特安廳以及數位經濟和社會部等部門合作開展,DIP仍將繼續推動各項工作進展,努力提高泰國在國際智財指數的排名。

【本文同步刊登於TIPS網站(http://www.tips.org.tw)】

相關連結
※ 泰國智慧財產制度在2017年國際智財指數中得分排名靠後, 資訊工業策進會科技法律研究所, https://stli.iii.org.tw/article-detail.aspx?d=7747&no=64&tp=1 (最後瀏覽日:2026/03/11)
引註此篇文章
你可能還會想看
競業禁止新方向-「勞資雙方簽訂離職後競業禁止條款參考原則」

德國法蘭克福高等法院判定ISP業者毋須揭露線上音樂下載使用者個人資料

  法蘭克福地區高等法院2005年1月25日駁回下級法院判決,後者判定一在家中經營非法音樂下載服務之網路使用者,其個人資料應被予以揭露。   高等法院認為,ISP業者僅提供網路接取的技術服務,毋須監測在其網路內傳輸的資料。只有當ISP業者知悉其本身網路傳輸內容涉非法時,始應被要求去攔截該網路接取。   目前德國法界實務已普遍認可是項判決結果,去年慕尼黑地區高等法院亦做出類似裁判。   然類似案件發生在英美者,則有部分ISP業者被判定,須提供網路音樂檔案持續交換者的個人細部資料。英國倫敦高等法院即於2004年一判決中,認定ISP業者應提供網路上使用者非法進行點對點音樂電影檔案傳輸之個人資料。

金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險

.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告,探討人工智慧(Artificial Intelligence, AI)在金融領域的應用進展及對全球金融穩定的影響,分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處,但同時可能加劇某些金融部門的脆弱性(Vulnerability),進而構成金融穩定風險。報告特別提出之脆弱性包括:「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」,以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中,廣泛應用AI可能導致模型風險上升,因某些模型難以驗證、監控及修正,且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外,在大型語言模型(Large Language Model, LLM),大規模非結構化資料的使用及訓練資料來源的不透明性,使資料品質評估更加困難。特別是在預訓練模型(Pre-trained Model)中,金融機構對眾多資料來源的評估方式不熟悉,進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源,模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰,包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測,評估現行金融政策框架是否充分,並增強監管能力。建議可定期或不定期調查AI應用情形,並透過報告及公開揭露制度獲取相關資訊。此外,主管機關可考慮利用監督科技(SupTech)及監管科技(RegTech)等AI驅動工具強化監管效能,以應對AI在金融領域帶來的挑戰與風險。

溫室氣體減量及管理法重要議題簡析

TOP