性隱私內容外流風波－從美國立法例論我國違反本人意願散布性隱私內容之入罪化
蕭郁溏
法律研究員 編譯整理
美國食品及藥物管理局（Food and Drug Administration, FDA）於2020年2月14日，發布於海內外應對2019年新型冠狀病毒之行動聲明，其包括： 主動監控供應鏈：由於疫情可能影響醫療產品供應鏈，FDA已與數百家藥品與醫療器材製造商保持聯繫，並與歐洲藥品管理局等全球監管機構保持同步，以評估監控潛在之製造中斷的警訊，且與生物製劑製造商聯繫，以評估有關原料之供應問題。若FDA確定醫療產品可能會短缺，則可能會採取與製造商緊密合作、加快對替代供應之審查等措施來防止短缺。 針對海外生產之FDA產品合規性之查驗與監控：FDA採取基於風險之模型來確認要進行查驗之公司，基於某些特定條件，會被認為具有較高風險之場所會被優先查驗，這些條件包括固有之產品風險、患者接觸產品之程度、過去查驗之歷史紀錄等等。除了查驗之外，其他防止不符FDA標準之產品進入美國市場之工具包括進口警示、增加進口採樣與篩查、替代查驗之紀錄要求（requesting records）。FDA可對市場上不合法之產品或違法之公司或個人採取監管與強制措施，例如警告信、扣押或禁制令。 消費品安全：美國海關暨邊境保護局將輸入美國、受FDA監管之產品交由FDA審查，其必須遵守與美國國內產品相同之標準，在FDA決定其可接受性之前不得將其分銷至美國。FDA並成立跨機關之專案小組，密切監控聲稱可預防、治療或治癒新型冠狀病毒疾病之詐欺性產品和虛假產品，並採取可能之執法行動。 對於診斷、治療與預防疾病之努力：FDA致力於促進安全有效之醫療對策的發展，提供法規建議、指導和技術援助，以促進針對用於此病毒之疫苗、治療和診斷測試之開發和可用性。FDA已核發緊急使用授權（Emergency Use Authorization, EUA），以便立即使用由美國疾病管制與預防中心所開發之診斷試劑，並已制定用於檢測病毒之EUA審查範本，其中概述申請EUA前所需之資料要求，目前已提供給表示有興趣開發該病毒之診斷工具之多位開發者。 後續行動：FDA將密切監視疫情並與跨部門合作夥伴、國際合作夥伴、醫療產品開發商與製造商合作，以幫助推進針對病毒之應對措施。
英國消費者保護法明確將數位內容商品消費納入規範，加重企業經營者責任英國在今年10月1日正式實施新的消費者保護法，除了明確規定30天內可以退還瑕疵商品外（舊法並無規定明確的期間），最主要重要變革在於納入數位內容商品消費的相關條款，以促進目前蓬勃發展的數位內容產業。 依照新法的規定，所謂的數位內容係指以數位形式（in digital form）所產製或提供之資料，據此包括了任何可以下載的商品以及串流服務，例如app、音樂、電影、遊戲以及電子書。其中關於消費者之保障如下： 一、在一定要件下有權利要求企業經營者修復或替換有瑕疵之數位內容商品； 二、若數位內容商品之瑕疵無法回復時，得要求企業經營者退還百分之百所支付的款項； 三、除此之外，若是數位內容商品因故而造成消費者的載具損害時，例如因所販售的軟體帶有電腦病毒而使消費者電腦中毒，企業經營者應負損害賠償責任。 根據英國娛樂產業公會（Entertainment Retailers Association），英國在去年(2014)有關數位內容商品（音樂、影片、遊戲）的消費額達到28億英鎊（約897億新台幣），英國舊消費者保護法並未針對數位內容商品有明確的規範，尤以近年數位內容商品的糾紛不斷（尤以遊戲為大宗），此次修法無疑是對常在網路購買數位商品的消費者一大保障。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
美國公布「2050淨零排放之路：美國長期策略」美國於2021年11月1日公布「2050淨零排放之路：美國長期策略」（The Long-Term Strategy of the United States: Pathways to Net-Zero Greenhouse Gas Emissions by 2050），確立美國未來十年溫室氣體減量發展方向，希望透過聯邦政府與各州、地方政府間合作，並結合社會整體力量，使美國可以在2050年實現淨零排放，並支持更加永續、具彈性且平等的經濟發展，實現完全的零碳污染、強化經濟及提升大眾健康。 本報告首先強調從現在開始至2030年約十年間溫室氣體排放減量的重要性，並說明美國接下來將以溫室氣體排放減量，作為未來達成淨零排放目標之基礎。為了達成淨零排放，美國計畫自能源、產業的排放結構著手推動轉型，報告中公布五項具體目標： 電力脫碳化：近年來因為風力及太陽能等潔淨能源發電成本急遽降低，能源轉型的腳步也逐漸加快，在此基礎上，美國訂定2035年達到100%潔淨電能的目標，並預計電力部門可於2050年以前達到真正的淨零排放。 電動化或轉換為潔淨能源：推動各部門電動化，使交通、建築物及工業製程可以使用合理成本且具一定效率的電力作為主要能源；針對航空、海運及部分工業製程等以現行科技水準較難實現電動化的經濟活動，則推動轉換為氫能、永續生質能等較潔淨的燃料。 減少能源浪費：透過新技術的開發，提升能源使用效率，例如於新建建築物使用能源效率較優的設備、更新既有建物之設備、改善工業製程的能源效率等。 降低甲烷等非二氧化碳溫室氣體排放：採取適當措施以減少甲烷、氫氟碳化合物、氮氧化物等非二氧化碳溫室氣體之排放，包括於石油及天然氣系統加裝甲烷洩漏感測器，以監控其洩漏狀態，以及將冷卻設備中的制冷劑從氫氟碳化合物更換為環境友善的其他物質。 移除大氣中二氧化碳：增加自然碳匯，或以目前可實際運用的技術吸收大氣中的二氧化碳。 美國預計結合聯邦、地方政府，以及產業、學術機構、投資人等社會各界，透過政策執行，強化推動能源、運輸、土地利用等經濟活動的溫室氣體減量工作；同時，配合資金導入，支持並給予各部門足夠的誘因投入潔淨技術的開發，並透過合作，以減少技術開發時可能遭遇的障礙及付出的成本，帶動美國整體朝淨零目標邁進。