美國通過《音樂現代化法》（Music Modernization Act, MMA）
美國於2018年10月11日正式簽署通過《音樂現代化法》（Orrin G. Hatch-Bob Goodlatte Music Modernization Act, MMA），該法搭起時代鴻溝的橋樑。《音樂現代化法》囊括三個從2017年分別通過的子法，並成為《音樂現代化法》中的三個大標題：
第一部份：音樂授權現代化（Music Licensing Modernization）
音樂作品本身的著作權、重製權是「大權利」（Grand Right），而公開傳輸權則是「小權利」（Small Right）。前者是恢復市場機制、自由議價，愈自由愈好；後者則是愈方便、愈能夠使音樂作品被世人看見愈好。《音樂現代化法》實踐了這個理想。《音樂現代化法》成立職司音樂著作授權的非營利組織「音樂機械灌錄集體授權組織」（The Mechanical Licensing Collective, MLC）。該組織是針對「數位音樂串流業者」量身打造，進行音樂數位使用（Digital Uses）的概括式授權（Blanket License）。再者，根據舊法，授權金是法定的，但《音樂現代化法》予以音樂創作人對其作品的授權金額保有協商權（Authority to Negotiate）。同時透過音樂資料庫的建立和免費線上檢索系統，方便音樂使用人查詢與媒合。
第二部份：經典音樂法（CLASSICS Act）
溯及賦予1923年1月1日至1972年2月14日之間的音樂，就未經授權而進行「數位錄音傳輸」（Digital Audio Transmissions）之行為，使之有從首次公開發行後95年的著作權保護。這裡授權的客體所會得到的權利相近於1972年後錄音著作「非互動式數位串流服務」所得到的保護。
第三部份：音樂製作人分潤（Allocation for Music Producers）
在科技世代，一個偉大的音樂創作，並非作曲人獨力完成的，《音樂現代化法》以分潤制度，讓音樂製作人、混音師及音訊工程師首次獲得法律上的權利。
本文為「經濟部產業技術司科技專案成果」
朱翊瑄
法律研究員 編譯整理
United States Congress，H.R.5447 - Music Modernization Act https://www.congress.gov/bill/115th-congress/house-bill/5447/text （最後瀏覽日：2018年11月6日）
United States Congress, S.2334 - Music Modernization Act of 2018 https://www.congress.gov/bill/115th-congress/senate-bill/2334/text （最後瀏覽日：2018年11月6日）
United States Congress, H.R.3301 - CLASSICS Act https://www.congress.gov/bill/115th-congress/house-bill/3301/text（最後瀏覽日：2018年11月6日）
United States Congress, H.R.881 - AMP Act https://www.congress.gov/bill/115th-congress/house-bill/881/text（最後瀏覽日：2018年11月6日）
United States Copyright Office, Orrin G. Hatch–Bob Goodlatte Music Modernization Act https://www.copyright.gov/music-modernization/（最後瀏覽日：2018年11月6日）
日本內閣府於2023年5月26日召開第2次「AI戰略會議」（AI戦略会議），並公布「AI相關論點之初步整理」（AIに関する暫定的な論点整理）。鑒於AI對於改善國人生活品質、提高生產力無疑有相當助益，考量生成式AI甫問世，社會大眾對其潛在風險尚心存疑慮，內閣府遂以生成式AI為核心，延續先前已公布之「AI戰略2022」（AI 戦略 2022）、「以人為中心的AI社會原則」（人間中心の AI 社会原則），以「G7廣島峰會」（G7広島サミット）所提出之願景—「符合共同民主價值的值得信賴AI」為目標，提出「風險因應」及「應用與開發」兩大關注重點，供政府有關部門參考之同時，並期待可激起各界對於生成式AI相關議題之關注與討論： 一、風險因應：AI開發者、服務提供者與使用者應自行評估風險並確實遵守法規及相關指引；政府則應針對風險應對框架進行檢討，對於已知的風險，應先以現有的法律制度、指引與機制進行處理，假如現有法制等無法完全因應這些風險，則應參考各國作法盡速對現行制度進行修正。 AI的透明度與可信賴度於風險因應至關重要。若能掌握AI學習使用哪些資料、所學習資料之來源、AI如何產生結果等，就能針對使用目的選擇適合的AI，也較易因應發生之問題，並避免AI產生錯誤結果或在對話中洩漏機密資訊等。對此，本文件呼籲AI開發者及服務提供者依據現行法令和指引主動揭露資訊，政府則應對透明度和可信賴度相關要求進行檢討，並應依普及程度及各國動向對既有的指引進行必要之修正。 二、應用與開發：本文件建議政府部門積極使用生成式AI於業務工作上，找出提升行政效率同時不會洩漏機密之方法，並向民眾宣導AI應用之益處與正確的使用方式，以培養民眾AI相關技能與素養，藉以更進一步建構AI應用與開發之框架，如人才培育、產業環境準備、相關軟硬體開發等。
巴西通過290號規範性指令，促進已獲外國監管機構註冊之醫療器材於國內快速上市巴西國家衛生監督局(Agência Nacional de Vigilância Sanitária, Anvisa)為強化國際監管機構間信任，並促進具有臨床效益的健康產品快速流通，於2022年8月通過第741號合議理事會決議（Resolução da Diretoria Colegiada - RDC N° 741），宣布若已透過等效外國監管機構（Autoridade Reguladora Estrangeira Equivalente, AREE）–即具有與 Anvisa一致之監管方式的外國監管機構–認定符合公認之品質、安全性和有效性標準之醫療產品，可利用AREE的註冊或授權證明相關文件，於巴西當地申請上市註冊的過程中，獲得簡化審查的優惠措施。在此框架下，Anvisa於2024年4月4日通過第290號規範性指令 （Instrução Normativa - N° 290），內文指出醫療器材及體外診斷醫材產品可於2024年6月3日起，於註冊上市的過程中提交AREE之證明文件以進入簡審程序。 第290號規範性指令明確指出，目前獲巴西政府認可之醫療器材AREE及對應之註冊或授權證明，包含以下機構：（1）美國食品及藥物管理局（U.S. Food and Drug Administration, FDA）之上市前批准（PMA）、510(k)或De Novo；（2）加拿大衛生部（Health Canada, HC） 之醫療器材許可證；（3）澳洲醫療用品管理局（Therapeutic Goods Administration, TGA）之澳洲治療用品登記冊 ；（4）日本厚生勞動省（Ministry of Health, Labour and Welfare, MHLW）之上市前批准。另外，欲適用簡化程序的註冊產品，則需與AREE頒發授權證明之產品具有「本質上相同性」（Dispositivo Médico Essencialmente Idêntico），具體包含產品之技術規格、適應症、預期用途、製造商、製造流程，以及安全與性能上的一致性。 此政策透過值得信賴的監管單位把關，不僅可促進國際間醫療器材之貿易流通，更可能有效減少巴西當局於審查過程的行政成本，進而提升國內的產品審查效率。然值得注意的是，在各國醫療器材監管法規與行政裁量基準不完全一致的現況下，各國政府對於醫療器材之分類、臨床數據及健康風險的解釋與判斷結果也不見得相同，Avisa未來在醫療器材上市審核的過程中，將如何看待及利用來自AREE之證明文件，有待未來持續觀察其實施成效。
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。
線上遊戲「虛擬財產」法律性質與產業發展趨勢之研究