日本因新冠肺炎而將修正著作權法關於線上教學之著作利用部分提前施行
日本著作權法在2018年修正時，在第35條針對教育相關資通訊（利用網路進行線上教學與傳送預複習資料）之權利對應規定進行增修。修正前，利用人在每次利用時，均需獲得個別權利人之同意並支付授權金；而修正後，僅需一站式的支付補償金即可，無須得到權利人之許可。
然而本條規定原訂於2021年4月施行，但因為新冠肺炎疫情蔓延影響，許多學校、教學機構因停課而使得線上教學之需求提高。日本文化廳為防止感染並考量停課措施有可能長期化，宣布將文學作品、論文及新聞記事等作為線上教學教材，自本月開始無須得著作權人之許可即可使用，亦即將修正施行日期大幅提前。
而作為日本著作權人補償金分配窗口之「教學目的公眾放送補償金管理協會」，也在今年（2020年）4月6日決定本年度相關作品之補償金以特例無償之方式處理。依據上開規定，本年度的線上教學，不論是文學或是音樂等作品，均無須取得著作權人之同意，即可免費使用。
陳昱宏
法律研究員 編譯整理
授業目的公衆送信補償金制度の早期施行について，2020年4月6日，文化廳 https://www.bunka.go.jp/seisaku/chosakuken/92169601.html
著作権法の一部を改正する法律の概要 https://www.bunka.go.jp/seisaku/chosakuken/hokaisei/h30_hokaisei/pdf/r1406693_01.pdf
每日新聞，オンライン授業でも著作物利用可能に 文化庁、新型コロナで改正著作権法前倒しへ，2020年4月6日，https://mainichi.jp/articles/20200406/k00/00m/040/186000c
時事新聞，著作物教材ネット配信可に 家庭学習向け、年度内は無償―文化庁https://www.jiji.com/jc/article?k=2020040600637&g=soc
教育の情報化の推進のための著作権法改正の概要，文化廳 https://www.bunka.go.jp/seisaku/chosakuken/hokaisei/h30_hokaisei/pdf/r1406693_14.pdf
美國著作權局於2022年1月20日提出2022–2026五年策略計畫，以培養創造力及豐富文化為主軸，並闡明四個總體目標：著作權服務普及、提升效率、公正專業及增進資料使用。相關內容值得持續關注後續發展，說明如下： 一、著作權服務普及 隨著數位網路技術興起，著作權局已展開如製作溝通素材、回答公眾問題、提供各式主題教育計畫等活動。後續將更專注於讓所有人盡可能了解其服務，如著作權賠償委員會（Copyright Claims Board, CCB）等，創造一個屬於大眾的著作權系統，並豐富公眾可使用創意內容的數量與多樣性。 二、提升效率 著作權局進行包括建立企業著作權系統（Enterprise Copyright System, ECS）使其服務數位化、透過改進公共資訊聯絡中心、倉庫管理和財務系統以提升效率等工程。除持續更新ECS等系統外，未來將以用戶為中心來滿足著作權界的需求。 三、公正專業 著作權局長期以來擔任國會的著作權法律顧問，處理相關立法、政策與實踐問題，並與其他行政機關、法院合作處理各式著作權疑義。除了持續透過立法推動、規則制定及研究來衡平著作權法及政策之外，著作權局將繼續在國際舞台上參與政策討論及提供教育，發揮積極作用，成為全球著作權界的資源。 四、增進資料使用 在提供服務的過程中，著作權局蒐集了各類有價值的著作權相關資訊。此外，其亦網羅與內部運營績效、網路指標有關的其他資料。著作權局將加強資料的開發和使用，並以此作為決策的論證基礎、改進組織績效衡量標準，並使內、外部受眾更容易取得該等資料。 「本文同步刊登於TIPS網站（https://www.tips.org.tw）」
英國上議院人工智慧專責委員會提出AI應用影響報告並提出未來政策建議英國上議院人工智慧專責委員會（Select Committee on Artificial Intelligence）2018年4月18日公開「AI在英國：準備、意願與可能性？（AI in the UK: ready, willing and able?）」報告，針對AI可能產生的影響與議題提出政策建議。 委員會建議為避免AI的系統與應用上出現偏頗，應注重大量資訊蒐集之方式；無論是企業或學術界，皆應於人民隱私獲得保障之情況下方有合理近用數據資訊的權利。因此為建立保護框架與相關機制，其呼籲政府應主動檢視潛在英國中大型科技公司壟斷數據之可能性；為使AI的發展具有可理解性和避免產生偏見，政府應提供誘因發展審查AI領域中資訊應用之方法，並鼓勵增加AI人才訓練與招募的多元性。 再者，為促進AI應用之意識與了解，委員會建議產業應建立機制，知會消費者其應用AI做出敏感決策的時機。為因應AI對就業市場之衝擊，建議利用如國家再訓練方案發展再訓練之計畫，並於早期教育中即加入AI教育；並促進公部門AI之發展與布建，特別於健康照顧應用層面。另外，針對AI失靈可能性，應釐清目前法律領域是否足以因應其失靈所造成之損害，並應提供資金進行更進一步之研究，特別於網路安全風險之面向。 本報告並期待建立AI共通之倫理原則，為未來AI相關管制奠定初步基礎與框架。
費城將對含糖飲品課徵稅捐費城市議會於105年6月17日以13票對4票通過對含糖飲料每盎司課徵1.5美分的稅，預計於106年1月正式實施。 由於含糖飲料，容易導致肥胖及糖尿病，尤其在費城有68％的成人與41％的孩童過胖，此法案目的即在於勸阻消費者將多餘的錢用來購買這些不健康的飲料，希望能藉此幫助他們更健康。此法案通過後，估計每瓶裝兩公升的飲料及六盒裝的蘇打水各將漲價1美元左右，但是牛奶、新鮮水果或蔬菜含量50％以上的飲料則不在課稅範圍。此外，那些可以讓消費者自己添加糖的飲料，譬如咖啡，也不在課稅範圍，這意味著運動飲料、糖水、罐裝咖啡以及已添加糖的茶類都將被課稅，故有稱之為「汽水稅」。 依據費城財政局預估，汽水稅將使市府稅收增加9,100萬美元，預計運用在學前托兒班，學校，圖書館，娛樂中心，及其他公共場所，稅收也將資助抵免販售健康飲品企業的稅收。市長 Jim Kenny 也公開支持這項稅收，並在法案通過後表示這項稅收對於該市的社區及教育系統將會帶來歷史性的貢獻。 根據費城市新聞網(Philly.com)於16日報導：「這項稅收的徵收對象為飲料經銷商，目前尚無法統計將有多少稅收能回饋給消費者，但是估計12盎司的飲料約徵收18美分，2公升的飲料約徵收1美元，以及12瓶裝的飲料約徵收2.16美元。」。為此，飲料業者表達激烈的反對，並在法案通過後發表聲明表示將採取法律行動，並表示此項稅收並未考慮到低收入戶以及消費者對於無熱量飲料的選擇，所以是不公平的。而且這項稅收不僅影響費城人，對於所有美國人來說具有歧視性且極不受到歡迎。儘管美國飲料協會耗費了大筆的廣告費用來阻擋這項稅法的通過，費城市議會最後仍通過這項法案。 類似法案早在2014年，加州柏克萊市就已通過。只是，費城成為全美第一個針對含糖飲料課稅的大城市，其造成之影響較為顯著，目的在於減少含糖飲料的消費。至於其他城市，包括San Francisco(舊金山) 和 Boulder, Colo.(科羅拉多波德)，正在考慮相似的立法，不過至今尚未通過。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 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）