加拿大交通部提出加拿大自駕系統安全評估文件
加拿大交通部（Department of Transport Canada）於2019年1月發布「加拿大自駕系統安全評估（Safety Assessment for Automated Driving Systems in Canada）」文件，該文件將協助加拿大企業評估其發展高級（SAE第三級至第五級）自駕層級車輛之安全性，並可與美國相關政策進行整合。該文件指出，因相關技術尚在發展之中，不適合使用強制性規範進行管制，因此將利用引導性之政策措施來協助相關駕駛系統安全發展。加拿大交通部於文件中指出可用於評估目前自駕車輛研發成果之13種面向，並將其分類為三個領域：
- 自駕技術能力、設計與驗證：包含檢視車輛設計應屬何種自駕層級與使用目的、操作設計適用範圍、物件及事件偵測與反應、國際標準、測試與驗證等。
- 以使用者為核心之安全性：包含安全系統、人車界面與控制權的可取得性、駕駛/使用人能力與意識教育、撞擊或系統失靈時的運作等。
- 網路安全與資料管理：包含管理網路安全風險策略、售後車輛安全功能運作與更新、隱私與個資保障、車輛與政府分享之資訊等。
加拿大交通部鼓勵企業利用該文件提出安全評估報告並向公眾公開以增進消費者意識，另一方面，該安全評估報告內容也可協助加拿大政府發展相關安全政策與規範。
本文為「經濟部產業技術司科技專案成果」
為因應歐盟一般資料保護規則（General Data Protection Regulation，簡稱歐盟GDPR）於2018年5月正式施行，英國資訊委員辦公室（Information Commissioner’s Office, 簡稱ICO）於2017年11月21日發布一般資料保護規則指引（guide to general data protection regulation）（簡稱一般資料保護規則指引）。 ICO所發布的一般資料保護規則指引，係用於解釋歐盟GDPR的各條規定，協助企業符合歐盟GDPR的各項要求，適用於企業中擔負資料保護義務責任者。ICO說明本指引文件致力於擴展與歐盟GDPR、ICO所制定公告之其他指引文件、歐盟第29條工作小組制定公告之相關指導文件的聯結。歐盟第29條工作小組係由歐盟各會員國的資料保護機構代表組成，而ICO即為英國派任於該工作小組之資料保護機構代表。 ICO發布的一般資料保護規則指引，內容簡述如下：本指引文件係在建構歐盟GDPR法規的架構，將反映歐盟GDPR未來的導引與如何呈現，本指引內容有歐盟GDPR的重要定義（如歐盟GDPR適用對象、歐盟GDPR所欲保謢之資料種類）、歐盟GDPR原則、個人資料處理、當事人同意、當事人權利介紹、資料保護、資料洩漏處理、未成年人保護等議題之參考要點；並針對部分議題，設計有簡易清單，供參閱者勾選確認。 英國ICO除採取對外發布一般資料保護規則指引外，另有制定數個線上工具，協助企業依其身分別（如資料管理者或資料處理者），選擇線上工具進行自我檢視是否符合歐盟GDPR要求，期以協助英國業者為今（2018）年5月GDPR正式施行，能作更充分的準備。
世界智慧財產權組織發佈2015年全球創新指數排名世界智慧財產權組織於2015年9月17日發佈的2015年全球創新指數報告(The Global Innovation Index)顯示，瑞士、英國、瑞典、荷蘭和美國是世界上最具創新力的前5名國家。 全球創新指數自2007年起每年發布，2015 年全球創新指數是該指數的第8版，由康乃爾大學(Cornell University)、歐洲工商管理學院(INSEAD)和聯合國專門機構世界智慧財產權組織（WIPO）共同發布，現已成為重要的評比基準，為全球國家競爭力與政策發展重要項目。世界智慧財產權組織總幹事Francis Gurry在當天的新聞發佈會上說：「每個國家都必須找到最佳的政策組合，以調整其經濟內部創新與創造的潛力」。從整體觀看，今年前25位排名都是高收入經濟體，與以往相較變動不大。值得注意的是，瑞士已連續5年位居第一，英國則從4年前的第8位躍升至第2位。英國的智慧財產權部長說：「產出優秀的科研成果向來是英國的優良傳統，英國人口比率佔不到世界1%，但發表頂尖的研究成果佔16%，卓越的科研是英國躍升國際創新排名第2位的主要原因。英國政府致力於創新研發、為新創提供足夠的智慧財產權保護、支持新創產業。」其後依次為：瑞典、荷蘭、美國、芬蘭、新加坡、愛爾蘭、盧森堡和丹麥。亞洲國家中只有新加坡進入前10名。 該份報告顯示，在創新質量方面，其中美國和英國保持領先，主要是因為其擁有世界級的大學；接著是日本、德國和瑞士。在創新質量上得分較高的中等收入經濟體則有中國、巴西和印度。 為了支持全球創新討論、指引各項政策、強調良好的作法，需要利用相關指標對創新和相關政策表現進行評估。全球創新指數創造出一種環境，即是使這些相關創新因素得到持續評估，其特色列舉如下： 1. 141個國家的現況介紹，包括根據79項指標所得出之數據、排名與優勢情形。 2. 根據30多個國際公私部門指標所得出的79個數據表，其中55個是可靠數據，19個是綜合指標，5個是問卷調查。 3. 公開透明且可複製的計算方法，其中每個指數排名（全球創新指數、產出和投入分項指數）有90%的置信區間，加上對影響每年排名的因素進行分析。 2015年全球創新指數是以兩個分項指數的平均值計算。創新投入分項指數衡量的是顯現出創新活動的國家經濟因素，這些因素共分為五大類：(1)機構，(2)人力資本與研究，(3)基礎設施，(4)市場成熟度，和(5)商業成熟度。「創新產出分項指數」是由創新成果的實際創新產出為證，分為兩大類：(6)知識與技術產出及(7)創意產出。
歐盟《非歐盟國家智財權保護與執法成效報告》歐盟執委會於2020年1月8日發布《非歐盟國家智財權保護與執法成效報告》（Report on the protection and enforcement of intellectual property rights in third countries）。該報告自2006年起，每兩年出版一次，主要目的為確定特定非歐盟國家中智財權之保護與執法狀況，並列出每兩年的「優先關注國」（priority countries）清單。報告中亦說明，所謂「優先關注國」是對歐盟智財利益造成最大侵害的國家，而非指全球中智財保護狀況最有問題的國家。 本次報告臚列的國家中，中國為最需關注的第一級國家；第二級為印度、印尼、俄羅斯等；第三級則是阿根廷、巴西、馬來西亞、泰國、沙烏地阿拉伯等國。報告提到中國是歐盟境內仿冒品與盜版貨物的主要來源。在歐盟海關扣押的仿冒品與盜版貨物中，有百分之八十以上來自中國和香港。第二類優先國家，其智財保護與執法存在系統性問題，且問題解決上進度緩慢。而第三類優先國家智財領域表現上也有類似問題，僅在嚴重性和數量低於第二級優先國家。其中，沙烏地阿拉伯為今年新增為優先關注國家，研究報告指出該國常被作為中轉國家，傳輸歐盟境內仿冒與盜版貨物。 報告中亦提到上述國家共同問題，包含： 強制性技術轉讓策略（特別是中國）不利於外國產業（尤其是高科技產業）投資，使外國產業失去競爭優勢； 海關執法情形不一，往往沒有依職權採取人身拘提、扣押、銷燬仿冒及盜版貨物，或是未對運輸中的盜版貨品依法採取行動； 仿冒和盜版商品通常不會被執法部門直接銷燬，甚至會回到市場； 智財侵權罰則上，許多國家的懲罰過輕，無法造成威懾作用。 因缺乏執法政治意願和資源，使國家智財權執法情況薄弱，也導致技術基礎設施、人力資源、專業能力，甚或司法、行政以及一般公眾對智財權價值認識不足。
美國國家標準暨技術研究院規劃建立「人工智慧風險管理框架」，並徵詢公眾對於該框架之意見美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）為管理人工智慧對於個人、組織以及社會所帶來之風險，於2021年7月29日提出將建立「人工智慧風險管理框架」（Artificial Intelligence Risk Management Framework, AI RMF）之規畫並徵詢公眾意見，截止日為9月15日，並預計於10月發布正式報告。 依照NIST說明，公眾所建議之人工智慧風險管理框架，可促進人工智慧之可信賴性，其中包含如何應對並解決人工智慧於設計、發展及使用過程中所遭遇之「精確度」（accuracy）、「可解釋性」（explainability）、「偏見」（bias）等議題。此外，上開管理框架預計為非強制性、供企業自願性使用於人工智慧設計、發展、使用、衡量及評估之人工智慧標準。 依現有公眾意見徵詢結果，其中DeepMind公司建議於人工智慧設計初期，必須預先構思整體系統之假設是否符合真正社會因果關係。舉例言之，當設計一套可預測民眾健保需求程度之系統時，如輸入參數僅考量民眾於醫療上的花費，將使僅有可負擔較高醫療費用之民眾被歸類為健保需求程度較高者，從而導致健保制度排擠經濟負擔程度較差之公民，故在設計系統時，應從預先設定之假設事實反面（counter-factual）思考並驗證是否會產生誤差或公平性之問題（例如預先思考並驗證「醫療費用支出較低之民眾是否即可被正確歸類為健保需求度低之民眾」）。惟進行上述驗證需要大量社會資料，因此DeepMind也建議NIST應建立相關機制，使這些社會資料可以被蒐集、使用。 此外，亦有民眾建議管理框架應有明確之衡量方法以及數值指標，以供工程界遵循。同時鑒於人工智慧發展極為快速，未來可能有不同於以往之人工智慧類型出現，故亦建議NIST應思考如何在「建構一套完整且詳細之人工智慧治理框架」與「保持人工智慧治理框架之彈性與靈活性」之間取得平衡。 最後，目前也有許多徵詢意見指出，許多人工智慧治理之目標會相互衝突。舉例言之，當NIST要求人工智慧系統應符合可解釋性，則人工智慧公司勢必需要經常抽取人工智慧系統中之「數據軌跡」（audit logs），惟數據軌跡可能被認為是使用者之個人資料，因此如何平衡或完善不同治理框架下之目標，為未來應持續關注之議題。