美國加州公共事業委員會提出自動駕駛車輛試點計畫
加州公共事業委員會（California Public Utilities Commission, CPUC）提出自駕車試點計畫，允許在未有配置人類駕駛之情況下測試自駕車，此次計畫包含兩個試點項目，將於5月被五人委員會審核，並決定是否批准。
第一個試點項目允許參與廠商之自駕車上路測試，並須配置經培訓的人類駕駛於自駕車內，以應付隨時的突發狀況；第二個試點項目則允許無人駕駛之自駕車上路測試，惟在無人類駕駛隨車之情況，必須符合加州機動車輛管理局（Department of Motor Vehicles, DMV）之規定，如遠端監控車輛狀態及操作，以保障乘客安全。
參與廠商必須定期向CPUC及DMV繳交營運報告，包含測試期間車輛碰撞（collision）及解除自動駕駛（disengagement）次數。
此次試點計畫已開放廠商申請，科技大廠及叫車服務公司如Google、Tesla、Uber以及Lyft等目前亦已正進行自駕車之設計與測試。若此提案通過，CPUC將進一步規劃自駕車載客服務之相關辦法，使自駕車測試之法制更臻完善。
本文為「經濟部產業技術司科技專案成果」
甘琳
法律研究員 編譯整理
今年5月26日，歐盟高等法院做出裁決，認為魔術方塊不應擁有立體商標權的保護，結束了長達十年的魔術方塊立體商標權爭議。而本案於11月10日已結束聽證會（full hearing），多數意見仍然支持法院的觀點。 歐盟高等法院認為，魔術方塊的立體造型外觀，已成為他3D多面旋轉功能不可或缺的一部分，如果賦與其商標權保護，由於商標權可無限期展延的特性，等於永久阻止所有相同或類似造型外觀的產品上市，間接妨礙了技術上的突破與創新，形成一種相同或類似技術上的獨占地位（monopoly）。裁決更指出，其應以專利權作為申請標的，以保障發明人智慧財產權，而非以商標權變相延伸專利權的保護範圍。 在類似的案例中，雀巢的四指造型巧克力被歐盟法院（CJEU）駁回，理由之一為產品形狀為達到技術結果的必須條件（該造型提供了掰開巧克力的獨特方式），與本案有異曲同工之妙。 然而，反對見解認為，如不賦與魔術方塊立體商標，等於鼓勵仿冒者用相同或類似外觀作為商標使用，而不論該仿品外觀是否確實賦與相同之技術結果，間接限縮了立體商標權的保護效力。 我國立體商標審查基準中也有類似的規定，排除具有功能性的外觀造型註冊立體商標。然而，應該思考的毋寧是，當產品技術水準無法成功申請專利權保護時，如同時駁回該產品外觀的立體商標註冊，則該如何維護該產品的智慧財產權，又該如何防止他人抄襲與仿冒，是本案遺留下的重要問題。
日本自動駕駛損害賠償責任研究會報告為釐清自駕車事故發生時，該如何適用日本《汽車賠償法》相關規定，國土交通省於2016年11月設置「自動駕駛損害賠償責任研究會」，檢討︰(1)自動駕駛是否適用《汽車賠償法》上運用供用者概念？(2)汽車製造商在自動駕駛事故損害中應負何種責任？(3)因資料謬誤、通訊不良、被駭等原因導致事故發生時應如何處理？(4)利用自動駕駛系統時發生之自損事故，是否屬於《汽車賠償法》保護範圍等議題，並於2018年3月公布研究報告。針對上述各點，研究會認為目前仍宜維持現行法上「運行供用者」責任，由具有支配行駛地位及行駛利益者負損害賠償責任，故自駕車製造商或因系統被駭導致失去以及支配行駛之地位及行駛利益者，不負運行供用者責任。此外，研究報告亦指出，從《汽車賠償法》立法意旨在於保護和汽車行駛無關之被害者，以及迅速使被害者得到救濟觀之，自動駕駛系統下之自損事故，應仍為《汽車賠償法》保護範圍所及。
聯邦選委會研議規制網路選舉活動日前（美國時間 3 月 24 日 ），美國聯邦選舉委員會（ the Federal Election Commission; FEC ）就擴張聯邦選舉法令適用範圍及於網際網路一事，提出最新版本草案。 草案認為，諸如網頁之橫幅廣告或搜尋網站贊助商之廣告連結等，須支付對價始能刊登之網路廣告，應與利用其他種類媒體刊登或播送之廣告接受相同處遇。此外，於網誌（部落格）支持特定候選人或發表政治性質言論者，則應與吾人向來使用之傳統媒體享有同等言論自由。最後，收件人數 500 以下之電子郵件，性質並非付費廣告之影音宣傳品，選民自發進行之線上宣傳活動等，均應排除於法令規制範圍之外。 去年該委員會即曾就此議題提出規制較為嚴格的版本，而遭部分網誌作家及國會議員強烈批判；其後委員會之法律專家就此重加研議，明確釐清適用範圍，改採較為寬鬆之規制取向。雖然目前之版本尚難謂完全明確，不過言論自由人士對於目前發展仍表樂觀其成。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。