加拿大批准並加入《專利法條約》
加拿大於2019年7月30日批准並正式加入國際智慧財產權組織（World Intellectual Property Organization，下稱WIPO）的《專利法條約》（Patent Law Treaty, PLT)。為加入《專利法條約》，加拿大智慧財產局2018年12月1日即公告新修正的專利法，而修正後的專利法和新的專利細則即將在2019年10月30日生效，而這些新修正的條文會確保加拿大落實《專利法條約》。專利權採屬地主義，亦即在一個國家授予的專利權，僅在該國法律管轄的範圍內有效，對其他國家沒有拘束力。原先，若在加拿大申請專利要再申請他國專利，僅有12個月的優先權（right of priority）；加入《專利法條約》後，在加拿大進行國際申請（international application），即可在其他會員國擁有國際申請期日（international filing date）起算至少30個月的優先權。
近年來，加拿大智慧財產權局積極規畫參與五項WIPO的智慧財產權條約，以減少繁瑣的行政負擔，包括：工業設計的《海牙協定》（Hague Agreement）、商標的《馬德里議定書》（Madrid Protocol）、《新加坡條約》（Singapore Treaty）、《尼斯協定》（Nice Agreement）和專利的《專利法條約》。《專利法條約》是加拿大計畫參與的WIPO智慧財產權條約中最晚完成的一項。加拿大希望透過加入《專利法條約》並修正國內專利行政流程以提升申請流程之效率，進而活絡商業活動；同時也確保《專利合作條約》（Patent Cooperation Treaty, PCT）締約國權利的完整性。2000年於日內瓦通過的《專利法條約》宗旨在於：協調並簡化國家和地區專利申請和專利維護的形式程序；1978年生效的《專利合作條約》則是提高締約國的專利申請程序一致性。儘管《專利法條約》締和《專利合作條約》是兩個獨立的條約，都是WIPO之協定，相輔相成，健全世界專利體系─《專利法條約》締約國在修改內國法規以符合要求後，會更趨近於《專利合作條約》改善專利申請程序的理想。
本文為「經濟部產業技術司科技專案成果」
- Canada is joining five international intellectual property treaties
- Canada has formally ratified the Patent Law Treaty
- Patent Cooperation Treaty Kit—Table of contents
- Canada Gazette, Part I, Volume 152, Number 48: Patent Rules
- All eyes on the Patent Law Treaty — April 2019
- Regulations and Administrative Instructions
朱翊瑄
法律研究員 編譯整理
加拿大修正專利法，於2019年正式生效 https://stli.iii.org.tw/article-detail.aspx?no=55&tp=1&i=92&d=8177
在世界各國，無論是公務機關或非公務機關，均無可避免地大量蒐集個人資料，這些資料包括一般民眾、雇員、顧客或潛在客戶等。對此，加拿大隱私委員會辦公室（Office of the Privacy Commissioner of Canada,簡稱OPC）發布關於「個人資料保存與處理指引文件：原則與良好實作」（Personal Information Retention and Disposal：Principles and Best Practices），以協助聯邦機構與私人機構對組織內部保有之個人資料，做好妥善保存與處理。 OPC建議組織應在內部制定相關管理政策與程序，並於指引文件中提出11項參考要點，其中包括1.是否定期審查蒐集個人資料與保有目的之關連與妥適性？多久審查一次；2.對於保有之個人資料及保存目的是否進行清查與盤點？多久確認一次？3.個人資料儲存的形式與地點為何？是否有備份？4.法律是否有規定最低保存期限？5.組織如何處理個人資料與相關備份檔案？6.對於儲存個人資料之裝置或設備，是否採行適當地安全維護措施？7.個人資料保管與處理相關政策的核決人為誰？8.對於利用資料生命週期追蹤資料，是否存在適當管制程序？9.內部員工是否了解並熟悉組織關於個人資料保存與處理之政策規定？；是否有制定文件銷毀之安全措施？10.資料等候處理期間是否受到安全妥善之保管？11.對於使用資料之第三方，是否有透過合約或其他機制進行有效監督管控措施？是否制定定期查核機制？等，期以協助組織掌握政策與程序制定要領。
美國成人節目公司Vivid要求HTC改變手機名稱Vivid Entertainment是一家成人節目公司，聲稱HTC有商標侵權並已向這電子龍頭寄出警告函。 該公司主張HTC之智慧型手機HTC Vivid 侵害其Vivid Entertainment的商標，並表示HTC使用「Vivid」名稱於4G LTE裝置，造成消費者錯誤印象，以為HTC公司及產品皆為Vivid Entertainment附屬或有所關聯，可能造成消費者混淆或誤認。 Vivid Entertainment於11月14日寄出警告函，要求HTC停止使用該商標銷售手機，並宣稱從1984年已開始使用Vivid商標。該律師於此一警告函中表示HTC的手機名稱可能構成商標侵權、商標淡化及不實的來源標示。 Vivid Entertainment給予HTC回應此信之期限為11月21日，如未收到HTC回覆，Vivid Entertainment將進一步提出法律賠償。先前詢問HTC時，該公司表示：「我們正審視此一指控，我們不會有任何進一步評論，直到這問題被解決。」
美國專利商標局發布「發明AI」分析報告，由美國專利申請趨勢分析AI技術普及情形美國專利商標局（USPTO）於2020年10月27日發布「發明AI：由美國專利觀察AI普及情形」（Inventing AI: Tracing the diffusion of artificial intelligence with U.S. patents）智財資料分析報告，本報告分析2002年至2018年共16年間美國AI專利之申請資料，發現在AI專利申請數量由3萬件成長至6萬件，成長幅度為100%，而在全體專利當中AI相關專利所占比率，也由原本的9%成長至接近16%，顯示在AI技術研發創新與普及率的顯著成長。 報告指出，自1950年圖靈（Alan Turing）提出「機器能否思考？」問題以來，現今AI技術的發展已經達到連圖靈也會讚嘆的水準，AI技術在發明領域的重要性益發提升，活躍於AI領域的發明人占全體專利權人的比率也從1976年的1%提升到2018年的25%，在組織的發明專利上也呈現相同的趨勢；除了美國銀行（Bank of America）、波音公司（Boeing）以及奇異電子（General Electric）之外，前30大頂尖的AI公司都來自資通訊領域，其中佔據首位者為擁有46,752項專利的IBM，其次為擁有22,076項專利的微軟以及10,928項專利的Google，而AI技術的應用領域也更加多元，並且與在地產業做結合，例如應用在奧勒岡州的健身訓練與設備以及北達科他州的農業上。 USPTO指出，經由專利資料分析顯示AI技術的發展不僅有顯著的成長，並逐漸與在地產業結合、落實在不同產業領域的多元應用，AI對於產業的影響力將不亞於電力或半導體，隨著AI領域發明人的顯著成長，未來將有更多AI技術在各領域的應用出現，而擴大AI影響力的關鍵在於發明者與公司能否成功將AI納入現有或新產品的功能、流程或服務之中。
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。