日本《科學技術指標》
日本《科學技術指標》為文部科學省直接管轄之國立實驗研究機關「科學技術與學術政策研究所（NISTEP）」於每年度發布，主要為讓閱讀者基於客觀而定量的數據，體系性地掌握日本國內科學技術活動的基礎資料，將科學技術活動區分為「研究開發費」、「研究開發人才」、「高等教育與科技人才」、「研究開發產出」、以及「科技與創新」等5個類別，同時制定約180個指標以表達日本國內狀況。本年度公布的《科學技術指標2019》，則新增了「日本與美國各部門擁有博士學位者」、「各產業研究人才集中度與高端研究人才活用程度間之關係」、「主要國家取得博士學位之人數的變動狀況」、「運動科學研究類論文動向」、「主要國家貿易額度的變動狀況」、「各國與各類型獨角獸企業數」等20個指標。
依《科學技術指標2019》分析，日本的研究開發費與研究者人數於日、美、俄、法、英、中、韓等七個國家中皆位居第三，論文數則為世界排名第四，受高度矚目的論文數世界排名第九，專利家族（Patent Family）數世界排名第一而與去年相同。就產業的部份，研究者中擁有博士學位者之比例依據產業類型的不同而有所差異，與美國相較，高階人才之實際就業情況未能充分發揮其所學。另一方面，就每一百萬人中有取得博士學位的人數，在各主要國家當中，僅有日本呈現減少的趨勢。
本文為「經濟部產業技術司科技專案成果」
劉純妤
法律研究員 編譯整理
日本內閣府於2018年年初提出著作權法部分條文修正案，本次修正集中在合理使用之相關規定，並於5月17日經參議院審議通過。文部科學省在修正概要說明中，提及本次修法放寬合理使用範圍，包括下列幾種情事： 為促進大數據所提供之加值服務或技術創新開發等目的，且不致影響著作之市場價值（如圖書檢索加上部分書籍資訊、論文比對檢索顯示部分原始論文內容）。 老師以教學或提供學生預、複習為目的，利用他人著作所製作之教材，以網路傳輸之方式，上傳後供學生下載使用。 為提供視障者閱讀或因肢體殘障而無法翻閱書籍之人，而將書籍文字以錄音方式呈現。 將美術館或博物館之展出品，製作成可使用於平板電腦之數位檔案，並用於展館導覽上。 上述情形均無須得著作權人之同意。日本政府期待透過本次修法， 在教育推動、便利身障人士及美術館之數位典藏利用等相關數據資訊產業發展上，有效緩解可能產生侵害著作權之問題，故此次條文修正案及後續相關立法動態值得密切注意。
歐盟執委會制定《高風險AI系統分類指引》草案，提供適用說明與案例清單協助風險判定歐盟執委會制定《高風險AI系統分類指引》草案，提供適用說明與案例清單協助風險判定 資訊工業策進會科技法律研究所 2026年09月10日 今（2026）年5月19日，歐盟執行委員會（European Commission，下稱歐盟執委會）發佈《高風險AI系統分類指引》草案（Draft Guidelines on the classification on high-risk AI，下稱指引草案），分別針對「產品嵌入型高風險AI」（Annex I）、「獨立型高風險AI」（Annex III）提供更詳細的條款說明與應用案例，以協助供應商、部署者和利害關係人可以清楚地判斷其使用之AI系統是否為高風險範疇。 壹、事件摘要 《歐盟人工智慧法》（EU AI Act，下稱AIA）於2024年6月13日制定通過，並於2024年8月1日正式生效。其中，AIA第6條主要規範高風險AI系統之分類規則，例如「產品嵌入型高風險AI」、「獨立型高風險AI」與高風險應用豁免條款，並於第6條第5款要求歐盟執委會諮詢歐盟人工智慧委員會（European Artificial Intelligence Board）意見後，依AIA第96條規定制定指引，並提供一份包含屬於高風險與不屬於高風險之AI系統使用情境的完整應用案例清單。 因此，歐洲執委會基於上述的法律義務而制定指引草案，原定於2026年6月23日前邀請各方利害關係人完成公眾諮詢意見，包括AI系統的供應商與開發者、企業、公共機構，以及學術界、研究機構與一般公民等[1]。然而，歐洲執委會收到來自多個產業協會及其他利害關係人的請求，希望將期限進一步延長4週。歐洲執委會為了讓利害關係人有更充分的時間提交意見，決定將截止日期延長至2026年7月23日[2]。同時，歐洲議會（European Parliament）於6月16日通過「第七號數位綜合法案」（Omnibus VII）下對AIA的修正案，調整AIA設定的合規時程，包括延後高風險AI系統的義務期限，將「獨立型高風險AI」延至2027年12月2日適用，而「產品嵌入型高風險AI」則延至2028年8月2日[3]。於是，歐洲執委會為配合法遵義務的時程規劃，並針對蒐集的公眾諮詢意見，就指引草案做最後的檢討修正，預計於2026年底前公布正式版的《高風險AI系統分類指引》[4]。 貳、重點說明 指引草案主要有三份文件，包括一般原則主文件、「產品嵌入型高風險AI」文件（下稱Annex I文件）與「獨立型高風險AI」文件（下稱Annex III文件），以下就高風險AI分類之一般性原則、Annex I文件和Annex III對高風險AI的系統判定、實例說明和豁免條款進行介紹。 一、高風險AI分類之一般原則 （一）「AI系統」之法律定義 指引草案指出評估AI系統是否屬於高風險的前提，是該系統必須先該當AIA第3條第1款對「人工智慧系統」的法律定義，即該系統必須是：「基於機器的系統，其設計旨在以不同程度的自主性運行，且在部署後可能表現出適應性；為了明確或隱含的目標，該系統從其接收到的輸入指令中進行推論動作，以產生預測、內容、建議或決策等輸出內容，進而影響物理或虛擬環境」。因此，若僅為一般無適應性或推論特質之傳統軟體或自動化決策系統，則不屬於AIA的管制範疇[5]。 （二）「預期用途」（intended purpose）的定義 依據AIA第3條第12項，「預期用途」係指提供商在使用說明、行銷文宣及技術文件中所提出之使用情境與條件，確保「言行一致」的一貫性審查原則。針對通用型AI（General Purpose Artificial Intelligence, GPAI），指引草案確立了「擴張推定原則」，若AI供應商未在所有公開資料中「一致、具體且連貫地」限制或排除高風險用途，在該用途具備技術可行性與合理可預見的前提下，系統將被直接推定涵蓋高風險用途而定性為高風險AI[6]。不僅如此，指引草案強調「實質重於形式」原則，供應商僅於商品或服務條款中進行形式宣告排除高風險，在法律上不足以規避合規義務，只要產品定位或功能演示實質上仍明示或暗示高風險用途，監管機構將直接判定其為高風險系統並進行監督[7]。 二、Annex I文件：產品嵌入型高風險AI之判斷基準 （一）「安全組件」（safety component）之判定邏輯 依據AIA第3條第14款，「安全組件」採獨立自主之法律定義，作為「產品嵌入型高風險AI」的判斷要件之一，即「產品或AI系統之組件，其履行安全功能，或其失效或故障會危及人身健康安全或財產」。指引草案闡釋了兩大判定路徑，一為「意圖導向」，依主觀判定其功能是否為「預防或減輕」健康、安全或財產之風險；二為「後果導向」，採客觀風險判定，只要該AI系統在客觀上會實質增加危害、危及自然人生命、健康或財產，仍會定性為安全組件[8]。 （二）「第三方符合性評估」（third-party conformity assessment）的轄管產品 另一個要件為「第三方符合性評估」的轄管產品，若產業或產品法規有針對特定產品的安全性要求履行「第三方符合性評估」的送檢程序時，原則上該產品在AIA的架構下會被視為高風險AI系統。指引草案指出，有些產品法規（如玩具、機械）基於程序的便利性，允許廠商可以「自主宣告」符合歐盟的規格標準，而免除「第三方符合性評估」的義務，但不代表該產品沒有安全性的監管要求。換言之，指引草案闡釋有需要「第三方符合性評估」（包括以自主宣告代替）的AI產品並同時為安全組件時，即被納入「產品嵌入型高風險AI」的範疇[9]。 三、Annex III文件：獨立型高風險AI之判定基準 （一）八大敏感領域之AI應用 依據AIA第6條第2款規定，獨立運作之AI系統，其高風險判定完全取決於供應商所宣告之「預期用途」是否落入Annex III所列之八大敏感領域，包含生物識別、關鍵基礎設施、教育、就業、服務提供、執法、移民與邊境管理、司法與民主程序等[10]。 （二）評估對象僅限於「自然人」 指引草案澄清，AI系統是否為高風險除取決於其預期用途之敏感領域外，亦必須僅限評估「自然人」，如僅為法人或公司，因不涉及個人權利，原則上不會被判定為高風險，但其系統判定涉及之實質利害關係人為自然人時，仍屬於評估「自然人」之範疇。比如，產品保險的AI應用相較於人壽或健康保險的AI應用不涉及自然人評估，原則上不會判定高風險。此外，指引草案補充供應商不能僅透過「在系統部署時加入人類審查／監督要求」，就主張該系統可以被降低為非高風險[11]。 （三）複雜系統與代理式AI（Agentic AI）之整體性評估 為防範供應商透過系統設計或分拆架構規避監管，指引草案強調，若數個AI 模組共同構成一複雜架構（或代理式AI setup），且其合併輸出實質影響了最終決策，涉及敏感領域與自然人權益，則整體系統必須被視為單一高風險AI應用進行評估[12]。 （四）「豁免機制」之除外條款 指引草案說明，依AIA第6條第3項規定，就程序性任務（不對資料進行價值判斷）、改善既有成果（不影響已做成之決策）、偵測決策偏差（檢視已做成之決策）或準備性任務（提供背景輔助資料）等，因不具實質影響力，供應商或部署者得豁免適用高風險AI規定，但針對「剖繪／貌相」（profiling）技術，採取絕對高風險AI認定，由於涉及自然人之個人特徵（如工作表現、經濟狀況、健康、個人偏好、行為模式等）與自動化評估、分析或預測，而例外不適用豁免條款[13]。另外，指引草案以體育賽事或演唱會的「群體地理分析」或「人流密度監測」AI應用為例，如僅就非個人資料或特定區域的人群密度進行分析，則不屬於針對個人特徵之剖繪技術，也就非高風險應用，以此說明「非特定的群體統計」和「針對性的個人特徵分析」之技術差異[14]。 參、事件評析 歐盟執委會公布的指引草案，其三份文件加起來長達165頁左右，僅就AIA第6條的高風險AI相關規定提出詳細的法規解釋與案例清單，協助AI系統的供應者和部署者了解高風險AI應用的定義和適用範圍。整體而言，因歐盟採取以風險分類的治理規範架構，於AIA明定高風險AI的規範要件，並一體適用歐盟會員國，其工程浩大需要長期的準備與作業時間才能完成，但其內容就高風險的定義、案例與適用說明對於臺灣的風險治理均具有一定的參考性。 無獨有偶，行政院於今年7月函頒《人工智慧風險分類框架》，就高風險AI應用的判定雖未採取Annex III之敏感領域進行判斷，而係參考《人工智慧基本法》第17條之立法理由與第5條第1項規定，檢視AI應用是否會對國家安全、基本權利、生命安全、財產保障、社會秩序或生態環境造成嚴重危害為判準。但究其實質，兩者的規範結構並不存在衝突，依《人工智慧基本法》第16條第2項規定，各目的事業主管機關基於人工智慧應用風險管理之需要，得對轄管產業制定管理規範。因而，目的事業主管機關在盤點轄管產業的高風險AI應用情境時，本就可依產業領域的專業特性和需求參考國際經驗或相關規範協助其風險判定，故參酌歐盟執委會發佈之指引草案如對目的事業主管機關有所幫助，亦無不可。 總的來說，歐盟執委會的指引草案可視為一份實務操作清單，我國對於產業的AI應用在判定高風險有困難或疑義時，不妨可以參考以獲取更充分的資訊進行相關判斷。 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://keid.nat.gov.tw/tips/） [1] European Commission, Draft Commission guidelines on the classification of high-risk AI systems, https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems(last visited August 27, 2026). [2] European Commission, Targeted consultation on the draft guidelines for the classification of high-risk artificial intelligence systems, https://digital-strategy.ec.europa.eu/en/consultations/targeted-consultation-draft-guidelines-classification-high-risk-artificial-intelligence-systems(last visited August 27, 2026). [3] European Commission, Guidelines for providers and deployers of AI high-risk systems, https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-high-risk-systems(last visited August 27, 2026). [4] 同前註2。 [5] European Commission, Draft Guidelines on the classification of high-risk AI: General principles, 2026, p2-3. [6] id. [7] id. [8] European Commission, Draft Guidelines on the classification of high risk AI systems: Annex I of AI Act, 2026, p5. [9] id. at 9-11. [10] European Commission, Draft Guidelines on the classification of high risk AI systems: Annex III of AI Act, 2026, p4. [11] id. at 5-6. [12] id. [13] id. at 8-13. [14] id. at 104.
Thomson Reuters v. ROSS案──美國聯邦第三巡迴上訴法院認定以商業替代目的訓練非生成式AI不構成合理使用Thomson Reuters v. ROSS案──美國聯邦第三巡迴上訴法院認定以商業替代目的訓練非生成式AI不構成合理使用 資訊工業策進會科技法律研究所 2026年10月16日 人工智慧(AI)訓練利用他人著作是否、如何構成合理使用，是各國著作權法持續討論中的爭議。美國聯邦第三巡迴上訴法院(United States Court of Appeals for the Third Circuit，下稱第三巡迴法院)於今(2026)年9月就Thomson Reuters v. ROSS案作成判決，認定以商業替代目的訓練非生成式AI，不構成合理使用[1]。 壹、事件摘要 美國聯邦第三巡迴法院就Thomson Reuters Enterprise Centre GmbH (下稱Thomson Reuters)及West Publishing Corp. (下稱West)控告ROSS Intelligence Inc. (下稱 ROSS)案(案號 No. 25-2153)作成判決，認定Thomson Reuters之法律裁判要點(headnote)具原創性而受著作權保護，且 ROSS為訓練AI而使用該等裁判要點，不構成合理使用(fair use)[2]。判決指出Thomson Reuters的素材具有「創作火花」(creative spark)，受著作權保護，且ROSS意圖以高度相似的目的使用這些素材，成為直接競爭者，認定不構成合理使用[3]。 Thomson Reuters為蒐集、整理、註解並出版司法判決等法律內容之公司，並推出線上法律研究平台Westlaw。Westlaw以主題與關鍵編號系統整理司法判決，撰擬提供裁判要點，清楚簡明的呈現判決所表明之關鍵法律論點，並讓使用者點選即可前往該要點所依據之判決段落[4]。ROSS係AI法律搜尋引擎開發者，其以數千則 Westlaw裁判要點作為訓練AI的素材，使其能辨識哪些判決段落足以妥適回應法律問題[5]。Thomson Reuters得知後對ROSS提起訴訟，主張著作權侵害。 貳、重點說明 判決指出Thomson Reuters之裁判要點編輯，須決定哪些法律論點重要到足以納入裁判要點，以及如何依Westlaw之撰寫準則表達這些論點，內容必須納入足夠之事實背景與理由，且無須參照判決或任何其他裁判要點即可被理解，首先肯定裁判要點具有原創性[6]。反駁ROSS主張，法院認為裁判要點內容並未等同判決內容，著作權主張並不會實際上壟斷司法判決[7]，而且「表達司法判決中的法律論點有許多方式」，並不適用概念與表達合一原則(merger doctrine)[8]。同時，逐項衡量美國著作權法四項合理使用因素，提出如下看法： 一、使用之目的與性質不利於合理使用 法院首先考量使用屬商業性或非營利性，因為商業性使用不利於認定合理使用；其次考量複製者之使用有多大之轉化性(transformative)，亦即新著作是否僅取代原創作之標的，抑或增添新內容、具有進一步之目的或不同之性質，其指標在於複製者之使用是否維持「獨特的目的」[9]。法院認為ROSS 意在建立一個收費與 Westlaw 相當之法律研究平台，與 Westlaw 爭取客戶，因此 ROSS 之使用具商業性[10]。而且，就轉化性而言，Thomson Reuters使用其裁判要點，協助法律研究者尋找並理解載有與其搜尋相關法律論點之司法判決；ROSS使用Thomson Reuters之裁判要點，建立一個法律研究平台，協助使用者找出回應其搜尋之判決段落。雙方方法雖略有差異，但都是使用裁判要點來建立並改進一個協助使用者尋找相關法律資料之法律研究平台，終極目的相同[11]。法院認定ROSS使用具高度商業性且僅具輕微轉化性，第一項因素不利於合理使用[12]。 判決指出，本案不同於Authors Guild v. Google案，該案Google 掃描整本書籍，供使用者搜尋並閱讀與其搜尋詞相符之書籍小段摘錄；原書之目的是供人閱讀，而搜尋功能之目的，是使使用者得以找到含有搜尋者所感興趣詞語之書籍[13]。但本案不存在這種轉化性目的，相反的，ROSS之平台使用Thomson Reuters之裁判要點，是協助使用者找到與其法律研究詢問相關之司法判決，而這正是Thomson Reuters已經以其裁判要點在做的事。而且Google之搜尋功能可能將使用者導向其後會向原作者購買之書籍，但本案ROSS不會把使用者導向Westlaw，相反地正如 ROSS 所承認，其目的是取代 Westlaw[14]。法院亦未支持ROSS的「中間複製」(intermediate copying)[15]主張，判決指出ROSS無須複製Thomson Reuters之裁判要點，即可取得原始的司法判決，並可自由複製這些判決，ROSS 選擇不這麼做，不是因為複製裁判要點是提供製作訓練備忘錄的「必要」方式，而是因為它是較「簡便」的方式[16]。 二、著作性質雖略為有利於合理使用但影響輕微 著作在被使用時是已發行或未發行，以及該著作雖具足以受著作權保護之創意，是否同時含有事實性或功能性要素；越具創意、越少事實性之著作，越「接近著作權保護的核心」，即越不利於合理使用。法院認為Thomson Reuters在 ROSS 使用前已發行這些裁判要點，且裁判要點較偏事實性而非虛構性，因其必須準確傳達法律，並描述不受著作權保護之司法判決，因此此項因素有利於合理使用[17]。惟法院亦指出，著作性質因素在合理使用判斷中鮮少扮演重要角色[18]。 三、所使用部分之量與重要性不利於合理使用 就量與重要性而言，法院認為ROSS 將 25,000 則 Westlaw 撰寫之裁判要點(本案經認定侵權而受審查者為其中2,243則)[19]全文複製到其備忘錄中，並以之訓練其 AI 程式，且意在利用 Westlaw 之成果，製作 Westlaw 之商業替代品，因此 ROSS 欠缺足以使大量複製成為合理之轉化性目的與性質[20]。雖然ROSS 主張其所取用的僅是Thomson Reuters 2,800 萬則裁判要點之0.08%[21]，但法院認為關鍵在於達成複製者之目的[22]「所取用者是否未超出必要程度」，在ROSS缺乏足以正當化之轉化性目的的情況下，其複製取用這些裁判要點即屬超出必要程度；而且每則被取用之裁判要點，ROSS所複製的都是全部，如此廣泛之複製因缺乏足夠之轉化性目的支持而不合理，故第三項因素不利於合理使用[23]。 四、利用結果產生價值影響與市場取代的效果 第四項因素關乎該使用對受著作權保護著作之潛在市場或價值所生之影響；「潛在市場」包括原著作之市場，以及原著作衍生使用之任何市場[24]。ROSS 主張相關原市場是裁判要點作為獨立產品之市場，Thomson Reuters則主張法律研究平台市場才是相關原市場。 法院認為ROSS 複製裁判要點，是為了在與 Westlaw 相同之競爭性法律研究平台市場中競爭，損害 Westlaw 在該原市場中之地位[25]。而且，縱採 ROSS 所稱的裁判要點市場，ROSS論點仍忽略其使用對Thomson Reuters裁判要點價值之影響。法院援引Video Pipeline案[26]駁斥ROSS類似論點，指出合理使用法規係指示法院考量使用對受著作權保護著作「價值」之影響，而不僅是對「市場」的影響。ROSS 複製裁判要點並以之建立自己之競爭性法律研究平台，挪用裁判要點在尋找與分析司法判決上之價值，並減損其作為吸引使用者前往Thomson Reuters法律研究平台之誘因的功能[27]。 此外，針對潛在衍生市場影響，Thomson Reuters則主張，ROSS 損害其將裁判要點授權作為 AI 訓練資料之潛在衍生市場，ROSS則主張裁判要點之衍生市場並不存在。法院認為將裁判要點作為文本授權用於訓練 AI 之市場正快速發展[28]，Thomson Reuters提出證據顯示，其正將裁判要點用作自身 AI 搜尋產品之訓練資料，而且Thomson Reuters未將其裁判要點授權予他人，並不能證明不存在可供授權之市場。ROSS 未經授權即複製裁判要點作為訓練資料，剝奪Thomson Reuters進入該衍生市場並為此目的授權其裁判要點之機會[29]。 最後，法院針對ROSS 主張其複製將因增加法律之可近性而有益於公眾、AI 對國家安全之主張，表示司法判決本可自由取得，且 ROSS 提供服務之價格與 Westlaw 相當，無法認定 ROSS 之複製能大幅增加公眾對法律之可近性[30]；雖然某些 AI 技術可能涉及國家安全疑慮，但這並不使 ROSS 僅因其納入了 AI，就可毫無顧忌地違反著作權法，不予採納。綜合上述理由，法院認定 ROSS 對這些裁判要點之使用並非合理使用，法院維持原裁定[31]。 參、事件評析 第三巡迴法院認為，本案與Bartz案及In re: OpenAI案之 AI 模型不同，ROSS 之 AI 平台無法產生原創表達，且本案證據支持欠缺轉化性之結論；ROSS 訓練其 AI，目的是創造 Westlaw 之商業替代品。本判決之意義，不在提供一個論述AI 訓練能否主張合理使用之依據，而在於哪些事實使本案走向利/不利於合理使用之結論。 一、著作性質偏事實性，但此因素法院認為權重較低：本案系爭的裁判要點偏事實性，與Bartz案、Kadrey案以創意程度較高之書籍為對象不同。判決雖因其須準確傳達法律、描述不受著作權保護之判決，認定略有利於合理使用，但仍指出該因素在合理使用判斷中鮮少扮演重要角色。 二、AI使用終極目的與原使用等同即欠缺轉化性：本案與Authors Guild 案之搜尋功能導向原書，及Bartz案、Kadrey案之模型生成新文字不同，ROSS雖非為產出相同裁判要點而訓練AI，但其自承產品與 Westlaw 直接競爭，並以取代 Westlaw 為目的；法院雖承認訓練為中間步驟，但仍以該步驟所服務之法律研究平台與 Westlaw 之使用具相同目的，作出輕微轉化之判斷。 三、利用須在達成轉化利用目的所必要的限度內：法院認為關鍵在於達成複製者之目的「所取用者是否未超出必要程度」，本案非如同其他案件，複製係為達成其他目的而必須採取的必要動作，ROSS 原即可自由取得原始司法判決，卻選擇複製裁判要點以求簡便。 四、將 AI 訓練授權機會納入衍生的潛在市場評價：只要能舉證即可納入認定市場影響，Thomson Reuters 提出其已將裁判要點用於訓練自身 AI 搜尋產品，以及 AI 訓練授權市場正在發展之證據，獲得法院支持。法院在有證據之前提下，認定 ROSS 篡奪Thomson Reuters進入並授權該潛在市場之機會。 由上述說明可知，第三巡迴法院與其他法院在判斷架構上並無歧異，不同點在於非生成式訓練、與原著作處於同一市場、且底層資料可自由取得之情況，如何認定使用目的與市場損害。本文認為ROSS使用目的的取代意圖過於明確，實質影響第三巡迴法院對第一、第三及第四項合理使用因素的判斷。特別是在市場影響的認定上，除原著作之市場外，法院明示其亦考量使用對著作價值之影響，即使不存在裁判要點之獨立市場，仍可認定價值受損；而且潛在衍生市場不以著作權人已實際授權為限，只要有證據顯示授權市場正在發展。在AI訓練結果具轉化性與對既有市場影響這兩個要素，可預見將來會有更多不同的判決，因應事實情況的差異，而發展出更細部的判斷因素。AI訓練授權市場之提出，後續如何牽動合理使用邊界值得持續觀察。 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) [1]Thomson Reuters Enterprise Centre GmbH v. ROSS Intelligence Inc., No. 25-2153, slip op. (3d Cir. Sept. 29, 2026), https://www2.ca3.uscourts.gov/opinarch/252153p.pdf（最後瀏覽日：2026/10/07）（下稱 ROSS slip op.）。 [2] ROSS slip op., 前揭註 1, p. 2：“We therefore hold that Thomson Reuters’s materials are copyrightable and that ROSS’s use was not fair.” [3] ROSS slip op., 前揭註 1, p. 2。 [4] ROSS slip op., 前揭註 1, p. 3。 [5] ROSS slip op., 前揭註 1, pp. 5–6。 [6] ROSS slip op., 前揭註 1, pp. 10–11。 [7] ROSS slip op., 前揭註 1, p. 11。 [8] ROSS slip op., 前揭註 1, p. 12。 [9] ROSS slip op., 前揭註 1, pp. 14–15。 [10] ROSS slip op., 前揭註 1, p. 16。 [11] ROSS slip op., 前揭註 1, pp. 16–17。 [12] ROSS slip op., 前揭註 1, pp. 17–18。 [13] ROSS slip op., 前揭註 1, pp. 18–19，引述 Authors Guild v. Google, Inc., 804 F.3d 202, 216 (2d Cir. 2015)。 [14] ROSS slip op., 前揭註 1, p. 19。 [15] 即美國聯邦第九巡迴上訴法院之 Sega Enterprises Ltd. v. Accolade, Inc. 案與 Sony Computer Entertainment, Inc. v. Connectix Corp. 案中提及的，複製電腦程式碼之目的，是使使用者得讓其軟體與既有電腦系統相容運作，其使用具有轉化性，因為複製均為接觸電腦程式碼不受保護之功能性面向所必要。ROSS slip op., 前揭註 1, pp. 19–20，引述 Sega Enters. Ltd. v. Accolade, Inc., 977 F.2d 1510, 1514 (9th Cir. 1992)；Sony Comput. Ent., Inc. v. Connectix Corp., 203 F.3d 596, 599, 606–08 (9th Cir. 2000)；Google LLC v. Oracle Am., Inc., 593 U.S. 1, 6–7, 30–31 (2021)。 [16] ROSS slip op., 前揭註 1, pp. 20–21。 [17] ROSS slip op., 前揭註 1, pp. 21–22，引述 Campbell v. Acuff-Rose Music, Inc., 510 U.S. 569, 586 (1994)；Oracle, 593 U.S. at 20, 28–29。 [18] ROSS slip op., 前揭註 1, p. 22，引述 Authors Guild, 804 F.3d at 220。 [19] ROSS slip op., 前揭註 1, p. 7 & n.3；p. 28。 [20] ROSS slip op., 前揭註 1, pp. 22–23。 [21] ROSS slip op., 前揭註 1, p. 23。 [22] ROSS slip op., 前揭註 1, p. 23：“The crux of the inquiry is whether ‘no more was taken than necessary’” to achieve the copier’s purpose. 引述 Authors Guild, Inc. v. HathiTrust, 755 F.3d 87, 98 (2d Cir. 2014)。 [23] ROSS slip op., 前揭註 1, p. 23 & n.10：“So, ROSS took more than necessary when it copied these headnotes without a justifying transformative purpose. Thus, the third factor weighs against fair use.”。 [24] ROSS slip op., 前揭註 1, p. 24。 [25] ROSS slip op., 前揭註 1, p. 25。 [26] 該案認為即使不存在預告片之獨立市場，被告Video Pipeline 發布的預告片，損害預告片吸引使用者前往迪士尼網站購買產品之價值。ROSS slip op., 前揭註 1, pp. 24–25，引述 Video Pipeline, Inc. v. Buena Vista Home Entm’t, Inc., 342 F.3d 191, 202 (3d Cir. 2003)。 [27] ROSS slip op., 前揭註 1, p. 25。 [28] ROSS slip op., 前揭註 1, p. 26。 [29] ROSS slip op., 前揭註 1, p. 26。 [30] ROSS slip op., 前揭註 1, p. 27。 [31] ROSS slip op., 前揭註 1, pp. 27–28。
日本自動駕駛戰略本部新近政策規劃日本鑒於為減少交通事故與因應少子化，與汽車的ICT革命等議題，由國土交通省於2016年11月25日設立「自動駕駛戰略本部」（自動運転戦略本部），並於同年12月9日召開第一次會議。討論的範圍則包括：為實現自動駕駛的環境整備、自動駕駛技術的研發、普及與促進，以及為實現自動駕駛的實證與社會試驗。 會議結論則由國土交通大臣指示針對「車輛的技術基準」、「年長者事故對策」、「事故發生時的賠償規則」、「大卡車列隊行走」、「以非平地休息服務站為據點的自動駕駛服務」等議題速成立工作小組，將對自動駕駛所應用技術進行各類型實證試驗。 其中，在「以非平地休息服務站為據點的自動駕駛服務」方面，已於2017年2月展開補助試驗計畫的募集；預計驗證的項目有分別針對一般（搭載2-10人）以及大型車輛（10人以上），結合GPS、雷達、攝影機等來瞭解障礙物資訊的車輛自動控制技術。 而在「大卡車列隊行走」方面，國土交通省則是在2016年已開始的實證試驗基礎上持續拓展。未來在2019年中後，並規劃將驗證範圍擴展至高速公路上驗證更長距離的自動駕駛。