德國法院判決Google沒有進行事先審查網站內容之義務
德國最高法院在2018年2月27日判決，Google在搜尋結果連結顯示之前，並無須確認該網站是否存在毀謗性言論，亦即，Google沒有義務事先審查搜尋結果中連結的內容。
此案件的背景是由兩個受到網路言論攻擊的人所提出，其主張為防止其他網路使用者攻擊他們言論的網站出現在Google搜尋結果的連結上，因此希望Google其中的一個部門—Alphabet公司，設置搜尋過濾器，就用戶曾經在網站上發表過不良評論以及損害賠償的相關資訊不會在未來的搜尋結果出現。
本案涉及關於「被遺忘權」(“Right To Be Forgotten”)的討論，所謂被遺忘權是由2014年5月，歐盟法院(ECJ)所作成之裁定，即人們可以要求Google和微軟Bing（MSFT.O）等搜尋引擎於搜尋人名出現的網頁結果中，刪除不適當或不相關的訊息。
本案中，對於Google沒有對搜尋結果進行過濾，Google是否因此有侵害被遺忘權之爭議，德國最高法院表示，搜尋引擎經營者僅須於收到明確且具識別性侵犯個人權利的通知時，採取相關行動即可，並毋須事先檢查該網站之內容是否合法。蓋立法者及社會皆普遍認為，若將搜尋引擎審查網站的內容定為其一般性義務，則其商業模式的本質將備受嚴重質疑，且又由於數據具有管理上的困難性，若無此類搜尋引擎的幫助，人們不可能在網路上獲得有實質有意義的使用，因此搜尋引擎不須將此列為其義務。
- 零售業個資安全宣導暨安全維護計畫規劃說明會
- (已額滿)114年「企業營業秘密保護實務座談會」(北部場)–營業秘密因應數位環境之保護風險及管理對策
- 2025科技研發法制推廣活動— 科專個資及反詐騙實務講座(實體)
- 2025科技研發法制推廣活動— 科專個資及反詐騙實務講座(直播)
- 【台北場1】通訊傳播事業個資法遵教育訓練
- 【台中場】通訊傳播事業個資法遵教育訓練
- 【新北場】通訊傳播事業個資法遵教育訓練
- 【高雄場】通訊傳播事業個資法遵教育訓練
- 【台北場2】通訊傳播事業個資法遵教育訓練
- 114年「企業營業秘密保護實務座談會」（南部場）
- 114年「企業營業秘密保護實務座談會」（中部場）
- 114年資訊服務業者個資安維辦法宣導說明會
- 【線上】資訊服務業個資安維計畫說明會
- 【實體】資訊服務業個資安維計畫說明會暨交流工作坊
- 【台北場1】通訊傳播事業個資保護實務專題講座
- 【台北場2】通訊傳播事業個資保護實務專題講座
- 【台北場3】通訊傳播事業個資保護實務專題講座
- 金融相關資服業者線上個資安維宣導說明會
王怡茜
法律研究員 編譯整理
Maria Sheahan & Mark Potter, Google not obligated to vet websites, German court rules, REUTERS, Mar. 13, 2018, https://www.reuters.com/article/us-google-lawsuit-germany/google-not-obligated-to-vet-websites-german-court-rules-idUSKCN1GB18K （last visited：Mar. 13, 2018）.
Danny Sullivan, The Myths & Realities Of How The EU's New "Right To Be Forgotten" In Google Works, SEARCH ENGINE LAND, MAY 16, 2014, https://searchengineland.com/eu-right-forgotten-191604 （last visited：Mar. 13, 2018）.
為禁止藥廠間持續利用「給付遲延和解協議」(pay-for-delay settlements)來延遲低價學名藥品上市，美國參議院司法委員會(Senate Judiciary Committee)，日前已表決通過由參議員Herb Kohl 所提之「保障低價學名藥品近用法草案」 (Preserve Access to Affordable Generic Drugs Act 【S. 369】)，並已提交兩院，進行後續之討論及審查。而就該新法草案內容，大致上，是為解決品牌藥廠因採逆向給付(Reverse Payment)和解協議以阻礙學名藥品上市時，將帶來長期用藥與醫療成本增加等問題之目的而設。 而就前述所提及之訴訟協議模式來說，原則上，在品牌藥商為解決藥品專利訴訟問題之前提下，透過給付學名藥品廠商數百萬美元報酬(即補償金)之方式，來做為換取學名藥廠同意並承諾願將該公司學名藥產品延緩上市條件之對價，並藉此以保存系爭藥品原先既存之市場利潤。而對此類將嚴重影響大眾日後近用低價藥品權益之和解協議，美國聯邦貿易委員會(Federal Trade Commission；簡稱FTC)業已於近期內，作出完整之分析報告，其指明，若政府能終止此類和解協議，除將可於往後十年間，可為聯邦政府減低近120億美金之預算支出外；同時，亦可為民眾節省下近350億美金之醫療成本。 此外，由於受FTC該份分析報告之影響，於先前司法委員會之表決過程中，委員對此類訴訟和解所採之態度，也產生重大轉變，亦即，其從最初肯認可提出充分證據並證明將不會損及正常藥廠間競爭之和解協議，轉而改為，應嚴格限制此類訴訟和解協議之產生；同時，為嚇阻藥廠間給付遲延訴訟協議之達成，於此項新法草案中，亦新增相關處罰之規定。 最後，參議員Kohl強調：「一旦此項草案通過，除將可終結過往那些罔顧消費者權益之不當競爭行為外；從長期影響之角度來看，該法案亦可為公眾省下每年約數十億美金之用藥花費」。。
美國交通部提出自駕車全面性計畫，以促進自動駕駛系統規範環境之整合、透明性與現代化美國聯邦運輸部（US Department of Transportation）於2021年1月11日發布「自駕車全面性計畫（Automated Vehicles Comprehensive Plan, AVCP）」，建立了交通部促進合作、透明性與管制環境現代化，並將自動駕駛系統（Automated Driving Systems）安全整合入交通系統之策略。基於過去「自駕車政策4.0」建立之原則上，自駕車全面性計畫定義了三個目標以達成其願景： 促進合作與透明性：交通部將會促進其合作單位與利益相關人可取得清楚且可靠之資訊，包含自駕系統的能力與限制。 使管制環境現代化：交通部將會現代化相關規範並移除對創新車輛設計、特性與運作模組之不必要障礙，並發展專注於安全性之框架與工作以評估自駕車技術的安全表現。 運輸系統之整備：交通部將會與利害相關人合作實施安全的評估與整合自駕系統於運輸系統之基礎研究與行動，並促進安全性、效率與可取得性。 政策文件中也就相關目標提出了關鍵目的以及行動，包含先前交通部所提出的「自駕系統安全性框架（Framework for Automated Driving System Safety）」草案，將透過建立框架定義、評估並提供自駕系統的安全性需求，並同時保留創新發展之彈性；另外此政策文件也提出了如何將自駕系統融合現有技術應用之實際案例。交通部將會定期的檢視相關行動與計畫，以反應技術與產業發展，並減少重複性之行動，並將資源投注於重要領域。
澎湖發展風力發電 催生大規模離岸風場「能源」將是本世紀最受注目的議題之一 。為了有效規劃能源配置，台電擬定風力發電十年計畫，規畫在十年內建造30萬瓩的風力發電容量，其中在風車的故鄉—澎湖，計畫催生231部風力發電風車，並將興建台澎海底電纜傳輸電力。未來，澎湖將成為台灣首座大規模的「離岸風場」。 目前我國政府正大力發展再生能源，其中台電計畫在西部沿海大量興建風力發電廠，另外，在離島的澎湖也將大量興建風力電廠。風是澎湖獨特的天然資產，目前台電在澎湖白沙鄉中屯已經建有8部風車，未來將繼續在澎湖設置231部風車。 在荒漠或海上興建風電場，是世界新趨勢，英國 2003年第一個離岸風場開始營運，下一世代新的離岸風電場總容量更將高達120萬瓩，德國兩個離岸風場容量高達30萬瓩，風場發出來的電將傳輸到歐洲中央電網。這些離岸風場不光是建在小島上，還包括以鋼或木頭架在淺海中的風車。
美國國家標準暨技術研究院規劃建立「人工智慧風險管理框架」，並徵詢公眾對於該框架之意見美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）為管理人工智慧對於個人、組織以及社會所帶來之風險，於2021年7月29日提出將建立「人工智慧風險管理框架」（Artificial Intelligence Risk Management Framework, AI RMF）之規畫並徵詢公眾意見，截止日為9月15日，並預計於10月發布正式報告。 依照NIST說明，公眾所建議之人工智慧風險管理框架，可促進人工智慧之可信賴性，其中包含如何應對並解決人工智慧於設計、發展及使用過程中所遭遇之「精確度」（accuracy）、「可解釋性」（explainability）、「偏見」（bias）等議題。此外，上開管理框架預計為非強制性、供企業自願性使用於人工智慧設計、發展、使用、衡量及評估之人工智慧標準。 依現有公眾意見徵詢結果，其中DeepMind公司建議於人工智慧設計初期，必須預先構思整體系統之假設是否符合真正社會因果關係。舉例言之，當設計一套可預測民眾健保需求程度之系統時，如輸入參數僅考量民眾於醫療上的花費，將使僅有可負擔較高醫療費用之民眾被歸類為健保需求程度較高者，從而導致健保制度排擠經濟負擔程度較差之公民，故在設計系統時，應從預先設定之假設事實反面（counter-factual）思考並驗證是否會產生誤差或公平性之問題（例如預先思考並驗證「醫療費用支出較低之民眾是否即可被正確歸類為健保需求度低之民眾」）。惟進行上述驗證需要大量社會資料，因此DeepMind也建議NIST應建立相關機制，使這些社會資料可以被蒐集、使用。 此外，亦有民眾建議管理框架應有明確之衡量方法以及數值指標，以供工程界遵循。同時鑒於人工智慧發展極為快速，未來可能有不同於以往之人工智慧類型出現，故亦建議NIST應思考如何在「建構一套完整且詳細之人工智慧治理框架」與「保持人工智慧治理框架之彈性與靈活性」之間取得平衡。 最後，目前也有許多徵詢意見指出，許多人工智慧治理之目標會相互衝突。舉例言之，當NIST要求人工智慧系統應符合可解釋性，則人工智慧公司勢必需要經常抽取人工智慧系統中之「數據軌跡」（audit logs），惟數據軌跡可能被認為是使用者之個人資料，因此如何平衡或完善不同治理框架下之目標，為未來應持續關注之議題。