資訊揭露立場分歧：著作權集體管理團體條例修正草案
著作權集體管理團體條例（集管條例）自2010年2月10日公布施行以來，終於今年（2019）5月中旬展開修法公聽會，智慧局提出三大項修法目的：「一、強化專責機關監督輔導；二、提升集管團體公信力與透明度；三、健全著作權授權市場環境。」依此分別提出修正條文。
其中，關於集管團體的財務治理透明化的規定，智慧局參考歐盟指令與德國集管條例，增訂集管團體之資產負債表、收支決算表、現金流量表等財務報表之揭露的法律義務（修正第21條第1項），且「應上網供公眾查閱」（增訂第22條第2項），係為建立集管團體公信力並強化良善治理與健全體質。
在場集管團體持不同意見，認集管團體僅係對身為會員的權利人以及利用人負責，且每年均已被主管機關與會員檢視相關報表，似無公開上網讓不特定大眾開放查閱之理。利用人則提出「重複管理」是須要被解決的議題，以授權移轉的實務問題舉例，故希望未來修新法有即時性的權利與管理的資訊揭露。權利人則反應授權金分配不透明，建議以資訊化的方式讓報酬分配機制透明化，並可應用區塊鍊技術達成之。
杜芸璞
法律研究員 編譯整理
- 著作權集體管理團體條例修法意見交流會，https://www.tipo.gov.tw/lp.asp?CtNode=7744&CtUnit=3808&BaseDSD=7&mp=1（最後瀏覽日：2019/05/23）
- 108年5月16日「著作權集體管理團體條例部分條文修正草案」公聽會 https://activity.tipo.gov.tw/ct.asp?xItem=37189&ctNode=817&mp=1（最後瀏覽日：2019/05/23）
美國商務部工業及安全局（Bureau of Industry and Security, BIS）於2020年5月15日公告，為防止中國大陸華為取得關鍵技術，修正美國《出口管制規則》（Export Administration Regulations, EAR）第736.2（b）（3）條第（vi）款「外國直接產品規則」（Foreign-Produced Direct Product Rule），限制華為透過國外廠商，取得包含美國技術及軟體設計製造在內的半導體產品，以保護美國國家安全。並於「實體清單」（Entity List）增加註腳一（footnote 1 of Supplement No. 4 to part 744）之規定，使部分出口管制分類編號（Export Control Classification Number, ECCN）第3（電子產品設計與生產）、4（電腦相關產品）、5（電信及資訊安全）類之技術所製造的產品，不能出口給華為與分支企業。 自2019年起，BIS將華為及其114個海外關係企業列入實體清單以來，任何要出口美國產品給華為的企業，必須事先取得美國出口許可證；然而，華為及其海外分支機構透過美國委託海外代工廠商生產產品事業，繞道使用美國軟體和技術所設計的半導體產品，已破壞美國國家安全機制與設置出口管制實體清單所欲達成之外交政策目的。本次為修補規則漏洞調整「外國直接產品規則」，不僅限制華為及其實體清單所列關係企業（例如海思半導體），使用美國商業管制清單（Commerce control list, CCL）內的軟體與技術，設計生產產品。美國以外廠商（例如我國台積電）為華為及實體清單所列關係企業生產代工，使用CCL清單內的軟體與技術，設計生產的半導體製造設備與產品，亦將同受《出口管制規則》之拘束。這代表此類外國生產產品，從美國以外地區，透過出口、再出口或轉讓給華為及實體清單上的關係企業時，皆需取得美國政府出口許可證，影響範圍擴及全球產業供應鏈。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（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 ）」
安全至上 監看有理？－論工作場所電子郵件監看法制爭議