歐盟法院取消adidas（阿迪達斯）三條紋商標
2019年6 月19日歐盟普通法院（THE GENERAL COURT）於以商標並不具備獨特性裁定，長年深植人心之Adidas「三條紋」商標（下稱系爭商標）無效。
Adidas於2013年底，將系爭商標向歐盟智慧財產局提交「圖形商標」（figurative mark）之註冊申請，並登記商標用途為服裝、鞋類、帽子。而於隔年比利時鞋類公司Shoe Branding Europe BVBA依相關規定（Article 52(1)(a)、Article 7(1)(b) of Regulation No 207/2009）提出系爭商標無效之申請，經審議後系爭商標因無任何獨特性，批准無效。隨後Adidas向歐盟智慧財產局提出上訴（Articles 58 to 64 of Regulation No 207/2009），上訴聲明中並未針對系爭商標缺乏獨特性一事提出異議，而是稱系爭商標已符合「經使用取得其獨特性」之規定（Article 7(3) and Article 52(2) of Regulation No 207/2009）。惟歐盟智慧財產局認為，Adidas無法證明系爭商標在歐盟境內有經使用而取得獨特性駁回上訴，隨後Adidas再向歐盟普通法院提出訴訟。
最終歐盟普通法院之裁決，仍維持2016年歐盟智慧財產局取消此系爭商標註冊之決定。歐盟普通法院認為Adidas未能證明「三條紋」在全歐盟28國內有「獨特性」，系爭商標僅只為「普通的象徵標記」。所謂「獨特性」應為於全歐盟國之消費者清楚知悉系爭商標之「三條紋」等於Adidas，並能與其他公司之產品作出區分。
王凱嵐
法律研究員 編譯整理
Adidas loses EU bid to extend three-stripe trademark, Reuters, https://www.reuters.com/article/us-eu-court-adidas/adidas-loses-eu-bid-to-extend-three-stripe-trademark-idUSKCN1TK0P7 (last visited June 28, 2019) Adidas loses three-stripe trademark battle in European court, The Guardian, https://www.theguardian.com/law/2019/jun/19/adidas-loses-three-stripe-trademark-battle-in-european-court (last visited June 28, 2019)
京都議定書已於二月正式生效，本年底將開始討論新興國家的管制措施，環保署預期，台灣最快將在二 ○ 一二年後，與其他新興工業國家並列為下一波管制對象。為了因應京都議定書未來的要求，我國已完成溫室氣體減量法的立法草案。未來政府將啟動總量管制的強制措施，明定溫室氣體總量管制等多項強制規範；並賦予經濟部可依法禁止或限制高耗能產業設置，或限制高碳類燃料輸入。惟未來新設工廠排放量必須列為企業總量管制的應削減量，雖然允許企業可與其他部門或不同產業類別交易排放量，但因成本支出大增，企業界認為影響投資意願而反彈聲浪甚大。 根據這項法案，一定規模以上的溫室氣體排放源，應採用最佳防制設施，新增溫室氣體排放量須列為實施總量管制後的「應削減量」，並作為環境影響評估審查通過承諾事項。也就是說，石化、鋼鐵等高耗能產業新設廠房、生產線時，依法必須使用高效能技術或設備，因而產生的溫室氣體量，亦必須在企業總排放量內進行削減。 惟這項規定，產業界認為向市場或向能源服務公司購買排放權，對新設工廠將大幅增加成本支出，影響投資意願，在環保署內審議時反彈聲浪甚大。由於產業界反彈甚大，環保署不但延後送出法案審議，同時考慮明定以「基限年」作為新設工廠是否須先在企業總量管制內削減，而基限年則視國際對新興國家管制動作而定。 法案並規定當國際規範我國溫室氣體應削減量時，啟動總量管制措施，企業必須依法削減既存的排放量，企業可與其他住宅或運輸部門交易，也可在同一產業類別或跨產業類別進行抵換或交易。如果總量管制仍無法達到減量目標時，將進一步實施碳稅新制。
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）
老歌翻唱！手握著作權轉讓證明書便可放心？－簡評智慧財產法院 101 年度民著上字第 9 號判決 歐盟發布「2021年數位經濟與社會指數」，指出數位轉型持續但不均歐盟執委會於2021年11月12日發布「2021年數位經濟與社會指數」（Digital Economy and Society Index 2021, DESI 2021），指數顯示歐盟各成員國都在持續推動數位轉型，但存在前段國家與後段國家之間的鴻溝仍然巨大，為了達成「歐洲數位十年：2030數位轉型目標」（Europe’s Digital Decade: digital targets for 2030），各成員國間應加強在數位轉型的協力合作。 DESI 2021統計資料取自2020年第一季到第二季之間，因此對於COVID-19疫情肆虐下對歐洲各國數位化的影響，需要等到2022年的指數方能呈現。不過DESI 2021資料顯示，56%的歐盟公民已經具備基本的數位技能，而歐盟資通訊專業人員數量來到840萬人，相較前一年的780萬人有顯著成長，但仍有55%的企業表示推動數位轉型最大的困難在於找不到資通訊人才。 在連線能力方面，歐盟推動「超高容量網路」（very high-capacity network, VHCN）的成果使家戶普及比例來到59%，相較前一年的50%亦有明顯增長，但相較全球高速寬頻網路普及目標仍有相當大的差距；在鄉村VHCN的布建上，則由2019年的22%來到2020年的28%。5G網路方面，完成頻譜分配的國家從16個成長至25個，其中有13個國家已經啟動5G商轉。 在數位科技整合方面，運用雲端技術的公司比例出現顯著成長，由2018年的16%成長至2020年的26%，大型企業持續擴大數位科技應用，包含運用企業資源規劃（Enterprise Resource Planning, ERP）進行電子資訊分享、雲端軟體的使用等。資料顯示數位轉型正在不斷落實與推進，但是要達成2030數位轉型目標仍有相當大的差距，有賴各國的合作與努力。