世界智慧財產權組織發布「2019年全球創新指數報告」（GII）
2019年7月24日，世界智慧財產權組織（World Intellectual Property Organization, WIPO）、美國康乃爾大學（Cornell University）、歐洲工商管理學院（INSEAD）共同發布「2019年全球創新指數報告」（Global Innovation Index 2019, GII）。GII報告每年度發行一份，希望幫助全球決策者更有效地制定政策及促進創新。本年度的報告主題是「創造健康生活─醫療創新之未來展望」，內容展望創新醫療，包括：導入人工智慧（artificial intelligence, AI）、基因體學（genomics）和健康醫療相關的手機應用程式，將會改變醫療照護。醫療創新無論是在診斷或預後，由於大數據、物聯網（Internet of Things, IoT）和人工智慧等新興科技的興起而改變。伴隨而來的是倫理、社會經濟等多方面、史無前例且迫切的挑戰。報告中提及幾項重要發現：
- 儘管經濟衰退，然而全球創新遍地成長，不可忽略保護主義對於全球創新的潛在風險。
- 創新版圖開始位移，中收入的經濟體開始嶄露頭角，值得一提的是以色列躋身第十名，而南韓也在前二十名的名單。
- 創新的投入和成果（innovation inputs and outputs）仍集中於特定少數經濟體和地區。
- 特定經濟體透過創新獲得的投資報酬率，大幅高過其他經濟體。
- 從「重量不重質」，蛻變為「重質不重量」，仍為改革的重要方針。
- 多數科學與科技的創新集中在美國、中國和德國。
- 需要更多的投資並將科技普及化，方能透過醫療創新打造健康生活。
GII依據80項指標評比129個經濟體，指出，全球創新指數最高的國家排名前五名為：瑞士、瑞典、美國、荷蘭、英國，均為高所得國家。中高所得國家創新指數前三名為：中國、馬來西亞、保加利亞；中低所得國家前三名為：越南、烏克蘭、喬治亞；低所得國家前三名則是：盧安達、塞內加爾、坦尚尼亞。至於區域性的創性領袖國是印度（中亞與南亞）、南非（撒哈拉以南非洲）、智利（拉丁美洲和加勒比海地區）、以色列（北非與西亞）、新加坡（東南亞、東亞與大洋洲）。最頂尖的自然與科技聚落所在國家為：美國、中國、德國；並特別指出巴西、印度、伊朗、俄羅斯、土耳其表現亮眼。最頂尖五大聚落是東京-橫濱（日本）、深圳-香港（中國大陸）、首爾（南韓）、北京（中國大陸）、聖荷西-洛杉磯（美國）。
本文為「經濟部產業技術司科技專案成果」
朱翊瑄
法律研究員 編譯整理
澳洲法院近來持續在著作權相關案件中強調個人精神智慧投入的重要性，在Primary Health Care Limited v Commissioner of Taxation一案中（[2010] FCA 419）再度強調了這樣的趨勢。在本案中，原告Primary Health Care為一信託受益人，透過信託取得醫療與牙醫業務，原告主張相關的醫療記錄文件如：處方籤、健康記錄、轉診信（referral letters）以及諮詢意見都有著作權，而於計算稅基時，應從信託的淨收益中加以扣除。 本案法官則指出，醫療記錄必須要達到語文著作的創作性實質要求，才能主張著作權的存在。針對本案的相關醫療記錄法官分別分析如下： 一、 諮詢記錄 所有的諮詢紀錄中，法官認定只有一份諮詢記錄受到著作權的保護，該份記錄從頭到尾只有一個作者，並以連續記述的方式呈現出個人精神智慧的投入；而本案中其他的諮詢記錄則有多個作者，僅僅標記姓名、醫療狀態、藥物治療以及生理、病理資料，難以呈現出個人精神智慧的表現，僅為病人的診斷與治療資訊，因此法官認定這些記錄無法受到著作權的保護。 二、 處方籤與健康記錄 作為本案證據的處方籤，只有姓名、藥物治療、劑量以及制式醫囑等資訊，而健康記錄則只有一連串的病史與醫療程序。因此，法官認定本案中所有的處方籤與健康記錄都不足以作為著作權的保護的客體。 三、 轉診信 法官認定在本案中的轉診信都有一些個人精神智慧的投入，儘管轉診信都是依循固定的格式，但基於轉診信的目的考量，固定的格式與內容都是合理的，因此本案中的轉診信都可以受到著作權的保護。 在Primary Health Care一案中，法官認定相關的醫療記錄文件並不必然一律受到著作權的保護，必須個別的加以認定。在醫療記錄中，只有當所有作者是能夠被辨識、特別是在只有單一作者的醫療紀錄中，能達到著作權法中語文著作對於個人精神智慧投入的要求時，才會受到著作權的保護。
YouTube網站被控侵害著作權美國新聞記者兼直昇機飛行員 羅伯特爾（ Robert Tur ）於 7 月 14 日 控告近來迅速竄紅的影片分享網站 YouTube 侵害著作權，特爾指稱 YouTube 網站鼓勵用戶拷貝受到保護的影片資料，此舉違反了 2005 年一項美國最高法院的判決（ MGM v. Grokster ） ，該判決認為 P2P 軟體業者若蓄意鼓勵或誘使客戶從事線上盜版行為，即可能構成著作權侵害。 羅伯特爾聲稱，他所拍攝的 1992 年洛杉磯暴動事件以及 1994 年高速公路上追捕辛普森的直昇機空拍報導影片，未經他的同意就被上傳並在 YouTube 網站上廣為流傳。 特爾亦聲稱， YouTube 網站從他的作品中獲利，同時也侵害了他的著作權，因此提出了 15 萬美元賠償要求並要求網站不得再使用他的影片資料。 YouTube 網站發表聲明指出，自獲悉特爾提出告訴的消息後，網站就已經將他的影片撤下，另一方面認為網站的行為完全符合「一九九八年 數位千禧年著作權法案」﹙ Digital Millenium Copyright Act of 1998 ﹚之規定，應受到該法案免責條款的保護 。
川普簽署行政命令以促進美國AI領域的發展美國總統川普於2019年2月11日簽署一項行政命令，發布「美國AI倡議」（American AI Initiative），旨在確保美國在AI領域的領導地位，川普並說道：「美國在AI領域的領導地位對於維護美國的經濟和國家安全至關重要」。「美國AI倡議」從五大方面來促進美國在AI領域的領導地位，包括： （一） 投資AI的開發 指示聯邦機構在研發任務及編排預算時，將AI作為優先投資項，確保美國對於AI基礎研發的長遠重視，此外，政府機構並應說明如何將預算用於AI研發開支，以增進對於AI投資的評估。 （二） 數據和資源共享 將聯邦政府中所擁有的統計數據資料、運算模型及運算資源提供給AI研發人員，促進交通和醫療保健等領域的AI發展。 （三） 建立政府標準及監管 白宮科技政策辦公室和美國國家與技術研究院（NIST）制定標準，以提升AI系統的「可靠、穩健、值得信賴、安全、可移轉和具協同性」。透過為不同技術和產業的AI制定使用指南，確保AI的使用安全和適當監管。 （四） 人才培訓 要求各機構為AI進步形成的就業市場變化做好準備，並考慮透過技能培訓課程、獎學金和學徒制度，因應市場人力產生之變化。 （五） 國際參與 與其他國家制定合作策略，協同AI技術的開發，同時確保AI領域之開發符合和不損及美國人的價值觀和利益。 此項倡議雖提及許多面向之發展，但仍然缺少發展細節，亦未提及計畫新資金的投入，因此，許多人對此倡議皆提出質疑。曾協助歐巴馬政府制定AI報告的哈佛大學教授Jason Furman即表示，此「倡議」雖令人鼓舞，但僅是邁出第一步，關鍵的考驗將在於是否能以強而有力的方式確實貫徹執行倡議中的內容，此倡議仍欠缺細節及執行面之部分。
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。