英國將於西密德蘭郡大規模推行5G試驗計畫
英國數位、文化、媒體暨體育部（Department for Digital, Culture Media & Sport, DCMS）於2018年3月公布5G測試平台及試驗計畫（5G Testbeds and Trials Programme）中之都市聯網計畫（Urban Connected Communities Project）政策文件，將於英國大規模推展5G試驗。同年9月4日，數位部部長宣佈其5G試驗團隊正與西密德蘭郡聯合管理局（the West Midlands Combined Authority, WMCA）及相關產業夥伴合作準備正式商業案例，預計將於2019年推行第一個計畫項目。
本項目內容側重於醫療及汽車業，包含：
1. 透過流暢的視訊方式進行遠距醫療諮詢（Outpatient appointment）或緊急醫療情況之諮詢，而該視頻之內容除可回放外，與家人及看護間並可進行共享查看，以提升醫療照護之效率與品質。
2. 「聯網救護車」：醫療輔助人員得於事故現場即時獲得專家建議，例如與顧問或臨床專家進行視訊。並於救護車內即能傳送患者之即時資訊至醫院，使患者抵達醫院時能進行快速且妥適處理。
3. 即時傳輸公共巴士上之閉路電視（CCTV）畫面，以便立即採取行動制止反社會行為（anti-social behaviour）。
計畫將可獲得高達5000萬英鎊之資金，並於柏明罕、考文垂以及伍爾弗漢普頓（Birmingham, Coventry and Wolverhampton）設立試驗中心執行相關計畫。
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
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 ）」
美國國家標準與技術研究院「隱私框架1.0版」美國國家標準與技術研究院（NIST）於2020年1月16日發布「隱私框架1.0版」（NIST Privacy Framework Version 1.0），為促進資料的有效利用並兼顧對隱私權的保障，以風險管理（risk management）的概念為基礎建構企業組織隱私權管理框架。本隱私框架依循NIST於2018年所提出的「健全關鍵基礎設施資安框架1.1版」（Framework for Improving Critical Infrastructure Cybersecurity Version 1.1）架構，包含框架核心（Core）、狀態評估（Profile）與實施層級（Implementation Tier），以利組織能夠同時導入隱私與資安兩種框架。由隱私框架核心所建構的風險管理機制，透過狀態評估來判斷當前與設定目標的實施層級，進而完成組織在隱私保護上的具體流程與資源配置。 NIST基於透明、共識、兼顧公私利害關係人的程序訂定本隱私框架，用以促進開發者導入隱私設計思維（privacy by design），以及協助組織保護個人隱私，其目標包含透過支持產品或服務設計中的倫理決策（ethical decision-making）及最小化對隱私的侵害來建立客戶的信任；在當前與未來的產品或服務中，因應持續變化的技術與政策環境遵守對隱私的保護義務；以及促進個人、企業夥伴、稽核者（assessor）與監管者（regulator）在隱私權保護實踐上的溝通與合作。 本隱私框架並非法律或法規，亦不具備法律效果，而是做為數位時代下NIST協助企業導入隱私權管理制度的參考工具，企業或組織將能基於本隱私框架靈活應對多樣化的隱私需求，掌握其產品或服務所隱含的隱私權侵害風險，並識別隱私權相關法律規範，包含加州消費者隱私法（California Consumer Privacy Act）與歐盟一般資料保護規則（General Data Protection Regulation, GDPR）等，提出更具創新性與有效性的解決方案，並有效因應AI與物聯網技術的發展趨勢。
JST（日本科學技術振興機構）發表關於大學智財的政策建言於回顧過去10多年來在大學智慧財產相關的政策措施以後，日本科學技術振興機構（JST）智慧財產戰略中心於7月5日就「政策建言－回首長達十多年的大學智財相關政策措施並探求今後的發展」總結作出發表。根據外識學者專家所組成的JST智慧財產戰略委員會所作成的研議，其就大學智財此後所追求的目標願景，以及為達成該願景各個部門（政府、大學、技轉中心與JST）各自所應扮演的角色提出了整體的建議。 在建言中提到，大學智財的目標願景乃在於「以未來運用為導向擬定智財策略」與「確保研究成果轉化智慧財產，積極回饋國民社會」，並列舉各部門為達成目標願景所應執行之任務。 建言中主要提到的各部門任務如下所述： 【日本政府的任務】 ‧對於大學的智財評價，不應只限授權金收入，也應考慮共同研究、創新育成（由大學孕育而生的新創企業）的創出效果。 ‧應建構於獲得革新性的研究成果時，能夠搶先取得基礎專利、強化週邊專利的策略性的、機動性的強而有力的智財支援體制。 【日本大學、技轉中心的任務】 ‧為創造強勢的專礎專利，應能確保具備優秀判斷力的人材，與應進行充分的先前技術檢索。 ‧應以大學成果的早期實用化為導向，推進與中小、新創企業的合作關係。 ‧思考大學間、技轉中心間多樣而有效果的合作形態，積極謀求提升技轉機會。 ‧強化對學生與研究者的智財教育與智財進修。 【JST的任務】 ‧研析早期而積極的智財發掘與迅速而機動的資金投入等等主動性的支援模式。 ‧進行熟悉海外技術移轉的專業人材的配置與培育，且就對大學專利之權利侵害提供設置諮詢窗口等的支援措施。 ‧促進大學閒置專利的海外技術移轉。 ‧研議於鉅額資金投入而有多數大學、企業參與之特定大型計劃的場合，不受日本版the Bayh-Dole Act條款的限制，而由特定公共的機關等執行專利的管理。
保險新品～開放原始碼保單由於開放原始碼的風氣盛行，使得許多 軟體業者 在使用開放原始碼軟體開發自家的軟體產品時，常不小心 逾越開放原始碼的授權範圍而陷身於 侵權的風險中。大抵一般比較常見的侵權情形，如企業開發專有軟體時， 利用單一或多樣以上的開放原始碼元件來建置，如交易工具或財產庫存管理應用程式等，而將這些程式流通於內部企業網路或是傳遞給外部客戶使用時，已構成”散佈”行為，是觸犯了開放原始碼 GPL （ General Public License ，通用公共許可 ）授權 。 日前位於紐約的 開放原始碼風險管理公司（ Open Source Risk Management ， OSRM ）結合 Lloyd's 保險業者 Kiln 及 Miller 保險經紀公司推出開放原始碼保單來承擔企業使用開放原始碼的風險，該保險單最高賠償金額為 1000 萬美元。平均而言，企業若是投保 100 萬美元的保單，每年大約必須支付 2 萬美元的保險費。