英國金融行為監督總署公布《加密資產指引》諮詢文件
英國金融行為監督總署（Financial Conduct Authority, FCA）與英國財政部、英格蘭銀行於2018年3月共同組成「加密資產專案小組」（Cryptoasset Taskforce），為英國政府「金融科技產業戰略」（Fintech Sector Strategy）之一環。2019年1月23日，FCA公布《加密資產指引》（Guidance on Cryptoassets）諮詢文件，除在配合加密資產專案小組之調查、研究外，亦在於落實FCA作為金融監理主管機關，盤點及釐清法規適用之職責，以妥適因應金融科技發展。公眾意見徵集期間至2019年5月4日，FCA並預計在同年夏季提出最終版本的報告。
依據《加密資產指引》，FCA臚列了四項監理代幣（token）可能的法源依據，包含：
（1）受監管活動指令（Regulated Activities Order）下的「特定投資項目」。
（2）歐盟金融工具市場指令II（MiFID II）下的「金融工具」。
（3）電子貨幣條例（E-Money Regulations）下之「電子貨幣」。
（4）支付服務條例（Payment Services Regulations）。
由於加密資產市場與分散式記帳技術發展迅速，參與者迫切需求更清晰之監理規範，包含交易匯兌、主管機關等，避免因誤觸受管制之活動（regulated activities）而遭受裁罰。其次，FCA亦希望能強化消費者保護，依照加密資產商品類型，讓消費者知道可以尋求何種法律上之保障。
本文為「經濟部產業技術司科技專案成果」
杜冠穎
法律研究員 編譯整理
FINANCIAL CONDUCT AUTHORITY [FCA], CP19/3: Guidance on Cryptoassets (2018), https://www.fca.org.uk/publications/consultation-papers/cp19-3-guidance-cryptoassets (last visited Feb. 27, 2018)
FINANCIAL CONDUCT AUTHORITY [FCA], Guidance on Cryptoassets (Consultation Paper) (2018), https://www.fca.org.uk/publication/consultation/cp19-03.pdf (last visited Feb. 27, 2018)
大多數國家是認為動植物為法定不得授予專利之標的，歐盟以往因為歐洲專利公約實施細則(Implementing Regulations to the Convention on the Grant of European Patents，下簡稱實施細則)跟擴大上訴委員會(the Enlarged Board of Appeal，簡稱EBA)決定不一致而造成爭議，EBA於2020年5月做出的新決定，對於動植物是否為可授予專利之標的做出一致性解釋。 在歐洲專利公約(European Patent Convention，簡稱EPC)第53條第2款規定用以生產動植物的基本生物學方法不可授予專利，並於2017年生效的實施細則第28條第2項將其進一步擴張解釋成，僅運用基本生物學方法所產生的動植物不可授予專利，這與EBA在2015年所做出的決定(G 2/12、G 2/13)並不一致，在2015年的決定中提到，運用基本生物學方法來界定動植物的請求項仍可以被接受，因此實施細則第28條第2項與2015年的決定產生衝突。 於2019年，技術上訴委員會(Technical Board of Appeal)在案例T 1063/18中發現了這個問題，並提到EBA討論，EBA表示，考慮到法條涵義可能因時間產生變化，需要對EPC第53條第2款進行動態解釋(dynamic interpretation)，實施細則第28條第2項與EPC第53條第2款並未矛盾，而是進一步擴展為，僅通過基本生物學過程，或是由基本生物學方法界定動植物之情況，皆屬於不可授予專利之情況，而推翻之前的決定。而為維持法律安定性，本決定(G 3/19)對於2017/07/01前生效或申請的案件並不具效力。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
Google提供免費大量的專利及商標資料美國專利商標局(下稱USPTO)於6月2日和Google簽訂一協議，為期兩年Google將免費協助USPTO提供超過10TB(terabytes)大量的專利及商標相關資訊，提供使用者一次下載大量資料。其下載網站為http://www.google.com/googlebooks/uspto.html，該網站載明，所有的原始資料都來自於USPTO，Google未修改任何資料，只將檔案轉為zip壓縮檔。 早期專利及商標的資料是由使用者付費後方可由政府的DVD取得，所以公司往往花費龐大的費用在於取得所需要的資料。 USPTO表示，IP群體渴望USPTO可提供大批機器可閱讀的格式，然而USPTO未具備相關的技術能力。目前此協議是過渡的解決方案，USPTO正發展策略，希望未來能讓合作承包商獲得大量專利商標相關資料，並提供給大眾使用。 Google工程經理Jon Orwant表示，Google非常高興能與USPTO合作，以促進專利及商標資料更具存取性(accessible)及有用性，更重要的為，使公開的資料更容易蒐集與分析。 為可經由Google下載相關專利及商標資料，包括已獲證圖像(grant images)，已獲證全文(grant full text)，已獲證目錄資料(grant bibliographic data)，已公開申請案(published applications)，轉讓(assignment)，維護費用事項(maintenance fee events)，USPTO Red Book及分類資料(classification information)等。USPTO表示，未來將與Google再合作提供額外的資料，包括專利及商標申請歷史檔案及其相關資料。
美國加州《AB-5法》（Assembly Bill No. 5）美國加州於2019年9月通過AB-5法案（Assembly Bill No. 5），預計於2020年1月正式施行，本法目的在於強化零工經濟下非典型勞務提供者（如平台外送員）的權益保護，於加州現行勞動法令之基礎上，增訂關於各類勞務提供者之特別規定。 依本法主要規範，係推定替雇主（hirer）提供服務的工作者為僱傭契約關係下之僱員（employee），就最低工資、失業保險、勞災、醫療保險等面向，業者應對這些工作者提供等同受僱人之相關權益及保障；若要被例外認定為非成立僱傭關係之獨立承包商，則必須滿足不受公司於工作方面的控制指示、從事與公司通常業務範圍無關之業務、以及有實質接案自由等三要件，並要求業者應以上列標準判定其勞務提供者為僱員或獨立承包商，同時需於例外認定為獨立承包商時提出相關證明。 同時，本法亦考量到施行後其效力對既有營業形態之衝擊，分別採取以下措施： 針對例如派報員、商業捕撈（commercial fishermen）等業別，於本法正式施行後一定期間內，豁免前述列舉之特定領域勞務提供者適用本法來認定其與業者間的契約關係。亦即，在法案生效後的短期內，特定業者暫時不需適用該法所定要件來檢視與勞務提供者間之契約關係，避免本法貿然實施可能導致其無法經營日常業務的困境。 對於醫療保健專業人員、持有牌照之律師、建築師、會計師、證券經紀商等法明文列舉之特定職業，排除適用本法判定勞動關係的特別規定，而非暫時豁免適用。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）