數位商品交易金流機制之法律問題
近年，全球普遍掀起以永續經營為科技創新研發指導方針的構想，世界各國無不竭盡心力思考各種可行的實踐方式，以求國家科技研究發展的同時，亦能達成與自然和諧共存的目標。為落實可再生能源(renewable energy)的使用，挪威和瑞典兩國已於2009年秋天針對綠色認證(green certificates)進行相關的討論，並於2010年12月8日簽署合作議定書。 綠色認證是針對使用可再生能源（如風力、太陽能、和水力發電等）所生之特定電力認證。因其目的乃為強調再生能源的使用，故相關環保團體期待藉由此種認證方式來提升再生資源的使用率。早在2003年5月1日開始，瑞典即已有綠色認證市場的存在，而該跨國合作議定書之簽署，對於瑞典而言，不僅能擴張其既有之相關市場版圖外，兩國更能藉此進行跨國合作，提高能源生產量並提升與其他競爭國家之市場競爭力。更重要的是，雙方皆期待能提供其國民更穩定的能源價格。 目前，挪威和瑞典皆同時傾向以風力發電為該合作議定書未來發展的主要方向。不過，在考量兩國自身的環境條件後，挪威會輔以水力發電為其發展方向，而瑞典則會著重在以生物面向為發電基礎的方式為其第二發展方向。該綠色認證系統預計於2012年1月1日正式啟動，並且為期至2020年止。未來，此綠色認證系統上路後，對於挪威和瑞典兩國之可再生能源發展和永續經營的落實，究竟會產生何種火花，值得持續關注。
美國網紅控訴前員工竊取其成功經營社群媒體之機密計算公式美國J. Cathell公司於2022年12月21日以《保護營業秘密法》（Defend Trade Secrets Act of 2016）、《喬治亞州營業秘密法》（The Georgia Trade Secrets Act）控訴前員工Martin侵害其營業秘密「設計社群媒體發文及服裝策畫計算公式」。 J. Cathell公司是知名引領潮流、設計與旅遊的網紅兼部落客Jess Cathell所成立，其個別社群媒體皆有上千、萬名之追蹤者。其所經營之J. Cathell公司透過Instagram（@j.cathell）與網站（www.jcathell.com）提供前往特定目的地旅遊而設計的服裝，亦融合特定風格與特殊活動，同時提供販售連結。另有經營Facebook（J. Cathell Facebook）、Pinterest（J. Cathell Pinterest）、Like To Know It（下簡稱LTK）（J. Cathell LTK）等社群媒體。該服裝與風格設計是由Jess Cathell針對其客群研析出專屬、非公開之計算公式（營業秘密）所得出之結果。 被告Martin自2020年9月起任職於J. Cathell公司、擔任Jess Cathell的助理。Jess Cathell主張其提供Martin專屬計算公式之使用權限，並投注大量成本教導如何運用計算公式詮釋服裝策畫結果、設計社群媒體發文內容。前述資訊對J. Cathell公司皆具有獨立之實際或潛在經濟價值、他人亦可因被揭露之資訊，或使用該資訊而獲利。 Jess Cathell主張僅有自己、Martin能接觸專屬計算公式，並運用該公式產出設計社群媒體發文及服裝策畫結果。Jess Cathell為了保密，不曾以紙本記錄留存專屬計算公式相關資訊；用於追蹤銷售與其他績效指標的系統，皆以帳號、密碼保護。而Martin知悉該密碼，且於Martin任職期間多有提醒前述資訊之秘密性，Martin針對這些資訊具有保密義務。 Jess Cathell於2022年4月左右，發現WEAR TO WANDER公司（下簡稱WTW公司）成立Instagram、Pinterest、Facebook、LTK等帳號與WTW公司網站，於前述社群媒體發文的格式及概念，與J. Cathell公司於社群媒體發布的內容幾乎相同，並於同年8月發現Martin是WTW公司的創立者。Jess Cathell主張因Martin、WTW公司不當使用其營業秘密「設計社群媒體發文及服裝策畫計算公式」，在短短11個月內，WTW公司的Instagram即獲得近9萬名追蹤者，造成J. Cathell公司之財務與競爭損害，遂於同年12月向法院提出營業秘密侵害訴訟。 本案為首件社群媒體經營產業相關之營業秘密訴訟案件，後續判定將值得關注。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
Rosetta Stone對Google提起商標侵權訴訟Rosetta Stone是以製作語言學習軟體，教導顧客學習外國語言為主的一家公司，其總部是設立在美國之Virginia州。於2009年7月10日在總部所在地之地方法院對Google提起商標侵權訴訟，宣稱上個月Google之AdWords廣告政策的變更，其中針對商標的部份，會使得購買Google廣告之客戶包括盜版軟體業者等，可以使用未經實際商標權人許可之商標或近似之標語於其廣告內容中。 在Google搜尋引擎中之刊登廣告者可以選擇特定關鍵字來引出他們的廣告，一但顧客輸入這些關鍵字時，這些Google之廣告刊登者及讚助商連結等，也會出現在搜尋結果之中，讓顧客連上他們網頁，Google以此模式從中獲利。 Rosetta Stone表示Google此舉如同協助第三人”劫持”顧客去妨害其銷售及其商業行為。 Rosetta Stone之總顧問Michael Wu表示：「Google搜尋引擎幫助第三人去誤導顧客及不當使用Rosetta Stone之商標成為一個關鍵字使用在其廣告內文或是標題，導致於誤導顧客連結至他們的網站，而從此廣告刊登之業務中獲利。」Rosetta Stone擁有美國註冊之商標及標語如「global traveler」、「language library」、「dynamic immersion」、「the fastest way to learn a language guaranteed」而Google卻促使顧客對Rosetta Stone之商標造成混淆誤認甚至盜用於廣告上。 除Rosetta Stone之外，目前已有American Airlines及Geico等公司同樣對Google這樣的政策變更提起訴訟。 另一方面，Google之發言人表示：「尚未接到訴訟相關文件，不予置評」。
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