數位資產正式納入美國懷俄明州州法，並將虛擬貨幣視為金錢
美國懷俄明州（Wyoming）於2019年1月18日提出S.F. 0125法案，經參眾議院三讀及州長簽署通過後，將在同年7月1日生效，代表數位資產（digital assets）正式納入懷俄明州州法第34編第29章。該法定義數位資產為表彰經濟性、所有權或近用權，並儲存於可供電腦讀取之格式（computer readable format）中，又區分為數位消費資產（digital consumer assets）、數位證券（digital securities）及虛擬貨幣（virtual currency）等三類。
數位消費資產，是指為了消費、個人或家用目的使用或購買的數位資產，包含：(1)除法律另有規定外，開放區塊鏈代幣（open blockchain tokens）視為個人無形資產（intangible personal property），(2)非屬本章數位證券和虛擬貨幣範圍內之數位資產；數位證券則是指符合懷俄明州州法第17編第4章有價證券定義的數位資產，但排除數位消費資產及虛擬貨幣；又，虛擬貨幣是指使用數位資產作為交易媒介（medium of exchange）、記帳單位（unit of account）或具儲存價值（store of value），且尚未被美國政府視為法定貨幣（legal tender）。
本次修法規定數位資產均為個人無形資產，另將數位消費資產視為該州州法下之一般無形資產，數位證券視為該州州法下之有價證券及投資性財產，虛擬貨幣則視為金錢，有論者表示本次修法有助於促進數位資產流通，並鼓勵各州跟進修法。然此舉是否有助於該州推行數位資產產業，尚待持續觀測，始能得知其對業界與政府監管所造成之影響。
潘元偵
法律研究員 編譯整理
S.F. 125, 65th Leg., Gen. Sess. (Wyo. 2019).
Yogita Khatri, Christine Kim, Wyoming Lawmakers Pass Three Bills in Boost for State’s Crypto Industry, coindesk, Feb. 20, 2019, https://www.coindesk.com/wyoming-lawmakers-pass-three-bills-in-boost-for-states-crypto-industry (last visited Feb. 25, 2019).
Adrian Barkley, Bitcoin Gets Positive Boost In Wyoming, CryptoDaily, Feb. 20, 2019, https://cryptodaily.co.uk/2019/02/bitcoin-gets-positive-boost-in-wyoming (last visited Feb. 25, 2019).
Caitlin Long, What Do Wyoming's 13 New Blockchain Laws Mean?, Forbes, Mar. 4, 2019, https://www.forbes.com/sites/caitlinlong/2019/03/04/what-do-wyomings-new-blockchain-laws-mean/#3148c9795fde (last visited Mar. 10, 2019).
華盛頓橄欖球隊(Washington Football Team，簡稱D.C. NFL)原名為華盛頓紅皮隊(Washington Redskins)，其名稱”Redskins”因具有種族歧視含意，一直以來都充滿爭議，雖然在漫長的法律程序中，成功的維護了他們的”Redskins”商標，然最終仍不敵輿論的壓力，在2020年7月放棄了這個已使用87年之久的商標。 如何為球隊重新命名一個品牌名稱以替代那悠久且著名的原品牌名稱，且新名稱要能夠讓球迷具有認同感，對球隊來說本就不是件容易的事，何況還需要考慮到9月即將開始的NFL(The National Football League)賽季，這更名時程看來就顯得更加緊迫。除了考量到NFL為全球性的賽事，商標命名時所需考量的市場變成全球市場而使這任務更顯艱鉅之外，現在球隊將因為其球迷的行為，使得其新品牌的命名橫添變數。 自1980年來即是球隊粉絲的菲利浦•馬丁•麥考利(Philip Martin McCaulay)，已經留意到球隊更名的可能性，近年將可能的名稱先申請商標，除了華盛頓勇士隊(Washington Warriors)外，還包含華盛頓紅狼(Washington Red Wolves)、華盛頓紀念碑(Washington Monuments)、華盛頓熊貓(Washington Pandas)等多達40個商標，而且從美國專利商標局(United States Patent and Trademark Office)資料，麥考利顯然不是唯一一位這樣做的人，究竟是要取得他人的授權，或是經過漫長的命名流程，面對9月就要到來的賽季，已經沒有太多時間留給球隊考慮。 隨著時間變遷，商標法中妨害公序良俗的認定亦會改變，因此品牌長期經營亦須時時檢視該商標在當下的涵義，及早變更因應的方向。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
日本數位市場競爭中期展望報告提出數位市場競爭短中期策略日本數位市場競爭本部（デジタル市場競争本部）於2020年6月發布了「數位市場競爭中期展望報告」（デジタル市場競争に係る中期展望レポート案），該報告認為大型數位平台業者透過龐大的用戶資料，不斷地（1）擴大並連結用戶、（2）垂直整合上下游產業並（3）從虛擬鎖定實體的銷售，對市場形成動態競爭（ダイナミック競争）結果。此一結果將導致數位市場極易形成掠奪性定價或併購的風險、資料集中的風險、資料可靠性的風險，甚至是個人價值判斷的風險。 為促進數位市場的治理與信任，該報告提出了以下短期與中長期的政策方向： 鼓勵企業數位轉型以增加數位市場的多樣性：推廣數位轉型指標、擴大沙盒制度適用、加速數位政府戰略。 建立數位市場競爭制度：運用經濟分析強化競爭管制、推動《數位平臺交易透明法》（デジタルプラットフォーム取引透明化法）法制化、建立大型數位平台調查機制。 建構去中心化的資料治理技術：透過資料持有、交換的「去人工干預」，形成一個可信任的網路世界。 該報告已於2020年8月7日完成公眾意見募集，預計於2020年年底前提出最終報告。目前日本新經濟聯盟認為，高頻率的競爭策略以及智慧化交易模式下的反壟斷政策，除了不正競爭的禁止外，政府更應著重在透明化檢視機制的建立。此外報告目前並未處理到平台資料治理的課題，聯盟對此認為政府應更積極地從資料壟斷的概念，調整數位市場准入的障礙。
英國Ofcom完成第一階段數位通訊審查英國Ofcom在2015年7月16日公布數位通訊審查第一階段之報告，指出英國未來可能面臨的挑戰問題，希望使消費者以及企業在未來的十年甚至以後能享有高品質的數位通訊服務。Ofcome先前在2015年3月提出預計進行數位通訊政策審查，檢視競爭、投資、研發以及所有數位通訊服務的使用情形，包括寬頻、行動電話、以及捆綁式服務等。 Ofcom針對四個主要領域部分提出建議： 1.市場的投資與研發，有助於服務普及。 Ofcom預估10Mbit/s為必要的寬頻速度，可以提供每天熱門的線上服務使用，例如影視音隨選服務。然而，目前英國僅有8%家戶可以取得此等速度服務。因此，Ofcom檢視法規如何使未來超高速寬頻的商業應用發展更完備。同時，Ofcom預估將來4G行動寬頻將達98%，但未來消費者與企業的期望也將隨之增高，因此仍有待於再加強網路投資。 2.競爭，藉此能提供有品質的服務和良好的價格。 在此次的檢討中，Ofcom將檢視以下議題: (1) 保留目前運作模式:電信網絡部門Openreach有別於BT，在功能上不同，利用一般性市場審查來說明任何與競爭相關之問題。 (2) 將目前的運作模式延伸: 透過對於BT的新規範，例如利用較強的誘因來控制批發價格，藉此改善服務品質，或甚至當BT出現問題時，以處罰方式進行。 (3) 將Openreach從BT中劃分，藉此可以對末端使用者有良好的競爭利益。 (4) 去管制並且促進網路競爭。 3.賦予消費者以及業者有選擇的權利，尤其是可以自由選擇或轉換這些服務提供業者。 對於Ofcom而言，所要考量的重點在於消費者在選擇服務時，是否以擁有充分的資訊可以參考。同時要思考消費者在轉換服務業者時，其是否具有障礙。 4.持續追蹤法規議題，為使市場能構良好運作，應該去管制。 例如OTT網路通訊服務，對於行動業者而言將需要較少的管制，或是是否將現有的規範直接延伸規定。 未來，在此項檢討之後，ofcom將再進行第二階段的檢視，預計於2015年10月8日進行回應討論，以促使整體英國具有良好的通訊服務環境。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。