日本發布創新治理報告書，主張強化企業等對法規範形成的實質參與
日本經濟產業省於2020年7月13日發布「創新治理：實現Society5.0的法規與結構設計（GOVERNANCE INNOVATION: Society5.0の実現に向けた法とアーキテクチャのリ・デザイン）」報告書。其作成背景係依據日本在去（2019）年G20峰會時，基於大阪框架（大阪トラック、Osaka Track）下的「可資信任的資料自由流通機制（Data Free Flow with Trust（DFFT））願景，所提出的創新治理目標。該目標指出，過往的治理模式主要依靠法律規範，但明顯已追趕不及數位化與創新的快速步伐，致生新型態風險無法獲得有效控管、法律可能阻礙創新等問題，因而有必要革新治理模式，以掃除創新活動的障礙。基此，就上述創新治理模式的必要性與方式，日本召集國內外法律、經濟、科技、經濟等各界專家徵求意見進行討論，彙整後作成本報告書。
本報告書主張，應擺脫法規範的設計、法遵與執行，均由國家主導的傳統模式，建立提高企業參與規範擬定與實施程度的治理型態。具體主要包含以下作法：
（1）法規範制定層面：規範之制定方向，改以作成價值決定的目的導向為主。至於細節性的行為義務，包含企業如何在數位化的虛擬場域內，透過程式語言等途徑落實上述法目的，則應由該些企業、以及在虛擬場域活動的社群或個人等利害關係人共同參與擬定相關的指引或標準。
（2）法遵層面：如上（1）所述，未來法規範制定將轉為形塑價值與目的為主，不會明確訂定企業的行為義務，而交由企業來擬訂。企業所制定之行為規範能否達成法規範目的，則須仰賴企業主動揭露其法遵方法，供外界檢視。因此，除企業應採用創新手法達成法目的、並對內落實法遵事項的說明外，應運用各種內外部查核機制來控管風險。同時，應著手研發相關技術或措施，讓利害關係人得取用企業之即時資料，以隨時確認企業所採取方法有無達成法遵，實現有效監督。
（3）執法層面：政府應以企業之行為對社會產生影響的程度，作為執法標準。若遭遇AI參與決策而衍生的事故，不應歸責於個人，而應建立獎勵機制，鼓勵企業積極協助究明事故原因。另一方面，亦應推動訴訟與訴訟外紛爭解決機制的線上化（Online Dispute Resolution, ODR），例如共享經濟平台服務的認證機制與標準、就電商平台上發生的小額消費糾紛由平台透過公告罰則等方式抑止與處理糾紛。
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
根據世界智慧財產組織（World Intellectual Property Organization, WIPO）2012年12月發布的報告，中國大陸的專利申請數量於2011年首度超越美國，成為全球最大的專利申請國。這個頭銜在過去的一百年間，只有德國、日本和美國擁有過。 中國國家知識產權局是目前全球最大的專利（商標）局，其所受理的專利、實用新型專利、設計專利以及商標申請數量繼2010年超越日本後，於2011年更進一步達到52.6萬件，超越美國的50.4萬件成為全球第一。事實上，中國大陸商標的申請數量自2001年起就已是全球首位，而設計專利更早在1999年就達到此紀錄。WIPO的理事長Francis Gurry表示，雖然僅比較各國專利申請數量的多寡並不代表一切，然而這個數據仍某種程度的顯示了創新板塊移轉的趨勢。 WIPO報告指出，2009年至2011年，全世界的專利申請數量增加了29.4萬件，其中中國知識產權局占全球成長的比重達72%；且2011年全球的專利申請總數達到214萬件，首度突破二百萬大關，相較於2010年成長了7.8%，是連續第二年成長率高於7%。這些數據顯示出儘管近年經濟低迷，全世界在智慧財產權的申請數量上仍呈現高度穩定的成長。 該報告亦指出，2011年中國大陸根據「專利合作條約」（Patent Cooperation Treaty, PCT）所提出的國際專利申請總數排名第四，僅次於美國、日本以及德國，計有1萬6000餘件，較2010年成長33.4%，是全球增長最快的國家。其中，中國的中興通訊（ZTE Corporation）以2826件專利申請，超過日本松下榮登全球公司專利申請量榜首；華為（Huawei Technologies Co., LTD）則以1831件排名第三。
美國聯邦最高法院判決PTAB就IPR申請是否逾期不立案之決定不得上訴依據美國專利法第314（d）條，美國專利商標局（USPTO）作成多方複審程序（Inter Partes Review, IPR）是否立案（institute）之決定，不得上訴。美國聯邦最高法院於2020年4月20日針對Thryv, Inc. v. Click-to-Call Technologies, LP, et al.一案作成判決，認定USPTO下轄之專利審理暨訴願委員會（Patent Trial and Appeal Board, PTAB）依據美國專利法第315（b）條判斷IPR申請是否逾期不立案之決定，同樣屬於第314（d）條不得上訴之決定。 本案源自2012年Click-to-Call公司就其所有的第5,818,836號美國專利（以下簡稱836號專利）向Thryv公司的前身Ingenio, LLC.提起的專利侵權訴訟，Ingenio公司隨即在收到訴狀後一年內針對836號專利向PTAB提出IPR申請，PTAB認定Ingenio公司的申請並未逾期而立案IPR，並最終做成836號專利無效之決定。Click-to-Call公司不服，認為836號專利之侵權訴訟早在2001年即被提起，即便後因雙方和解而撤回，Ingenio公司的IPR申請早已逾越第315（b）條所規定應於被訴後一年內提出IPR申請之期限，進而對PTAB認定本案申請並未逾期而立案的決定提起上訴。 本案前於2018年經聯邦巡迴上訴法院（CAFC）作成判決，認為PTAB依據第315（b）條認定本案尚未逾期而立案IPR之決定為可上訴，並進而認為即便本案曾經起訴後旋即撤回，當時送達之訴狀仍可觸發IPR申請期限的起算，IPR申請期限應以訴狀是否送達（served with the complaint）為準，與訴訟後續是否撤回無關，PTAB就該訴訟經撤回而認定期限未起算並立案IPR之決定，顯然增加法律所無之規定。 不過在聯邦最高法院的判決中，以7票對2票推翻了聯邦巡迴上訴法院的見解，聯邦最高法院引用Cuozzo Speed Technologies, LLC v. Lee一案的見解，認為依據第314（d）條是否立案IPR之決定為不可上訴，係立法者有意設計，使USPTO得以自我檢視並有效清除不良專利。而第315（b）條的立法本意為減少訴訟與IPR程序重疊的資源浪費，若允許對是否立案之決定上訴顯然無益於本條立法目的之達成。因此聯邦最高法院撤銷聯邦巡迴上訴法院的判決並以無上訴管轄權為由駁回Click-to-Call公司之上訴。
美國重啟核電廠興建，並鼓勵小型核能反應爐創新技術研發美國雖將能源列為國家長期的能源政策目標，自1990年代後期，亦投入核能的安全性、環境建置及研發補助等，但最近因將重點放在其他替代性能源的開發，因此在核能方面的計畫稍微減少，尤其自1979年美國三哩島核電廠（Three-Miles Island Nuclear Generating Station）發生事故後，美國三十年來未再興建任何核電廠。但由於核能發電的高效率與不會排放二氧化碳的低污染，因此美國政府將之列為重點發展項目，強調美國政府的能源政策是要發展任何可能的能源，包括合核能，以提升在全球潔淨能源的競爭優勢。 美國總統歐巴馬表示，為了維持能源供需的穩定，以及避免氣候的惡劣變遷，有必要重啟美國核能產業，持續提高核能的供應量。因此於2011年12月經核子管理委員會（Nuclear Regulatory Commission）通過、2012年2月再次於投入核電廠的興建，於喬治亞洲Vogtle核電廠核准興建兩座新的核能反應爐，並透過成本分擔協議（cost-share agreement）投入2億美元，協助設計認證及許可。 此外，並於同年3月宣布投入4. 5億美元於五年內支持兩座自製的小型核能反應爐（small modular nuclear reactor，SMR）的設計、認證及核准，希望能輸出這些自製的反應爐，提升全球潔淨能源的競爭力。這些反應爐約只佔核能廠的三分之一面積，具有安全的建築設計，小型反應爐能在工廠內製造，並運輸到定點安裝，能節省成本及建造的時間。且其最理想的地方在於其體積小，能使用在小型智慧電網級一些無法容納大型反應爐的地方，其運用能更有彈性，能增加經濟效益。 國政府希望透過與私人企業的合作，帶領美國在全球核能科技及製造的領先地位。因此希望能源部希望此計畫能經核子管理委員會的許可，此一小型核能反應爐的計畫總金額為9億美元，透過與私人企業成本分擔的協議，其中50% 由國會撥款，另50%則由私人企業投資，並於2022年商業化，取得在全球潔淨能源的競爭優勢地位。
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。