日本《科技創新成果活用法》
為推動研發制度的改革並強化研發能力及效率，日本於2018年12月14日通過法律修正案，將原《研發力強化法》（研究開発システムの改革の推進等による研究開発能力の強化及び研究開発等の効率的推進等に関する法律）更名為《科技創新成果活用法》（科学技術・イノベーション創出の活性化に関する法律），透過調整大學、國立研究開發法人（以下簡稱研發法人）的研究人員僱用制度、國家或人民安全相關研發預算的確保，以及研發法人投資科技研發成果之運用等相關制度的調整，以支持未來日本在科技創新研發能力的提升，以及研發成果的有效運用。
本次修法最大的重點，為研發法人投資研發成果運用的明文化，過去在《研發力強化法》中，僅規定研發法人得進行有助於成果運用的出資或技術協助等業務（第43條之2），但對於是否能保有因出資或技術協助所取得之收入（例如股票），則由各研發法人以其設置法另為規範；本次修正之《科技創新成果活用法》，則於第34條之5明文規定研發法人不受獨立行政法人不得持有股票的限制，可持有其運用研發成果進行技術作價投資或成立新創，所取得之股票或新股認股權，確立研發法人在支持研發成果運用上的功能與角色。
本文為「經濟部產業技術司科技專案成果」
范晏儒
專案經理 編譯整理
何謂「國立研究開發法人」？，資訊工業策進會科技法律研究所， https://stli.iii.org.tw/article-detail.aspx?no=57&tp=5&i=5&d=8159&lv2=5（最後瀏覽日：2019/06/06）。
經濟部於去（2005）年12月20日正式舉行「全球首批」奈米標章的授證儀式，本次獲得授證廠商共有6家，分別為：和隆興業股份有限公司（奈米級光觸媒抗菌陶瓷面磚）、冠軍建材股份有限公司（奈米級光觸媒抗菌陶瓷面磚）、尚志精密化學股份有限公司（奈米級光觸媒脫臭塗料）、新美華造漆廠股份有限公司（奈米級光觸媒脫臭塗料）、中國電器股份有限公司（奈米級光觸媒抗菌燈管）、台灣日光燈股份有限公司（奈米級光觸媒抗菌燈管），由於國外尚無奈米產品認證制度，這是國內也是全球首批獲證的奈米產品。 經濟部工業局有鑒於市面上奈米產品真偽莫辨，於九十三年特別委託工業技術研究院推動「奈米產品驗證體系」，目的在保護消費者權益、建立消費者的正確認知，並鼓勵優良廠商永續經營進而提升我國奈米產品之國際競爭力。目前奈米標章開放申請項目訂定的原則，是以該項產品在國內是否有市售商品、製造商及具能力的測試機構與相關之技術專家，以及國內外是否有測試方法可參考為前提，而基於安全性考量，有關健康、環境風險者，目前暫不開放，但對於尚未開放項目，可由廠商自行提出申請。
從日本政策看我國音樂產業海外拓展之必要性及有效作法 歐盟將立替代能源新法日前，歐盟執委會於2008年1月23日提交了一份關於整合性發展境內替代能源之新法制架構指令建議案，並欲藉該建議案來進一步促進生質能、太陽能與風能等相關新興能源技術之開發。該建議案還提到，歐盟所屬會員國原則上須依據於2005年當時替代能源之貢獻比例為基礎，再向上調增5.5%後來作為該會員國之替代能源預定貢獻目標。不過，考量各會員國之國情並不相同，故該建議案要求歐盟對於各會員國替代能源預定貢獻目標之制定，應採「差別化」之方式，使其可先自由調整與決定究欲採取何種比重與模式來發展各類替代能源，最後，再將所決定之能源發展策略大綱置於國家行動方案書內（National action plans, 簡稱NAP），並於2010年3月31日前提交執委會進行審核。此外，執委會也設定了一系列短期性目標，以確保能漸次穩定地朝2020年之目標前進。而有關開發生質能及永續性方面，鑑於生質燃料之發展仍具相當之爭議，故於飽受各界沉重之壓力下（如：非政府民間組織以及科學聯盟團體），未來布魯塞爾方面勢要提出一更加周嚴之永續性基準，以確保在該建議案所制定之生質燃油目標下，不會進一步導致生態系統失衡、森林濫伐、人口遷徙、糧食價格上漲以及釋放更大量CO2等問題產生。
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。