加州公共事業委員會公布兩項新的自駕車布建計畫
加州公共事業委員會（California Public Utilities Commission, CPUC）於2020年11月19日宣布兩項新的自駕車布建計畫，包括有配置駕駛人之自駕車布建計畫（the Drivered Autonomous Vehicle Deployment Program）以及無配置駕駛人之自駕車布建計畫（the Driverless Autonomous Vehicle Deployment Program），並同意服務商於確保安全的前提下，進行自駕載客服務測試並進行收費。
本次新的布建計畫之實施，希望達成以下四項目標：
- 保護旅客之安全（protect passenger safety）。
- 擴大自駕技術之的優點至加州所有社區（expand the benefits of autonomous vehicle technologies to all of California’s communities）。
- 改善所有人（特別是針對弱勢及低收入社區）之交通方式（improve transportation options for all, particularly for disadvantaged communities and low-income communities）。
- 減少（特別是針對弱勢及低收入社區）溫室氣體空氣污染物之排放（reduce greenhouse gas emissions and air pollutants, particularly in disadvantaged communities）。
依該計畫規定，申請人必須具備載客等級P的許可（Charter-Party Carrier Class P permit）或A等級之載客認證（Class A charter party certificate）並取得加州汽車管理局（California Department of Motor Vehicles, DMV）自駕布建之許可。此外，申請人亦須提交提出針對COVID-19之防疫宣導措施以及《乘客安全計畫》（Passenger Safety Plan），該計畫應包含降低自駕載客實驗過程中所有乘客（包括身心障礙及輪椅人士）風險之規劃。
參與計畫之申請人亦需向加州公共事業委員會繳交以下資料：
- 按季繳交以匿名之方式記錄個別乘客之上下車地點資料。
- 自駕車上無障礙空間之設置面積。
- 對於弱勢社區的服務水平（service levels）。
- 車輛之燃料類型。
- 車輛行駛與乘客搭乘之里程。
- 申請人願意加強服務無障礙和弱勢社區之保證。
本文為「經濟部產業技術司科技專案成果」
何穎欣
研究助理 編譯整理
柯亦儒，〈美國運輸部公布自駕車3.0政策文件〉，資訊工業策進會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&i=72&d=8131&no=64（最後瀏覽日：2020/12/05）。
V2V（Vehicle-to-vehicle）通訊使用短程無線通訊技術（dedicated short-range radio communication, DSRC）交換周邊車輛速度與位置等相關訊息，並協助採取相對應措施，如警告駕駛前方車輛正在剎車，或於駕駛視線死角處有其他車輛正高速接近。因此，使用V2V通訊技術可有效避免車輛間相互碰撞、紓解交通壅塞之問題，對環保方面亦有所助益，然而，此技術於多數車輛間得以相互通訊時，方能最大化其效益。 V2V通訊技術可以每秒約10次之頻率，使車輛間相互廣播並接收全面之訊息，從而在一定距離範圍內360度「感知」其他車輛並與其他車輛進行「對話」。若將搭載V2V通訊技術之車輛配備適當的軟體或安全設備，車輛間即可利用接收到的有效訊息來避免潛在的事故威脅。V2V通訊技術可偵測出超過300公尺範圍之交通情況，包括因交通、地形或天氣影響而受人類駕駛忽略之危險，較傳統使用雷達系統或攝影鏡頭進行偵測之方式更為精準。 無論是機車、汽車、卡車及公車皆可使用V2V通訊技術以提升車輛安全系統的性能，車輛間之連接技術將成為協助駕駛發現潛在交通危機的輔助工具，有助於顯著減少每年因交通事故喪生之人數。
美國參議員建議將提供位置資訊服務之行動裝置與應用軟體服務平台納入規範2009年美國司法部特別報導，美國每年大約有26,000人為受全球定位系統（Global Positioning System, GPS, 一般稱作衛星導航系統）追蹤的受害者，其中也包括手機使用者。2010年4月，爆發Apple iPhone和Google Android 智慧型手機在當事人不知情的情況下，蒐集手機的位置資訊；更甚者，即使在當事人沒有使用定位應用程式時，仍繼續蒐集其位置資訊，而當事人卻無法拒絕蒐集。對此，手機公司反映，其蒐集的位置資訊行為係利用發射台與無線網路點，協助手機使用者更快速的計算與確認其位置，以提供更良善的定位服務。 美國參議員Al Franken 與Richard Blumenthal對於此議題非常關切，Franken參議員指出，1986年所通過的「電子通訊隱私法（Electronic Comunications Privacy Act of 1986）已無法因應現今網際網路普遍使用。其中「自願揭露客戶通訊或記錄」之規定 （18 U.S.C. §2702 Voluntary disclosure of customer communication or records）更是替手機公司、應用程式業者，與提供無線上網的電信業者開了一個漏洞，允許業者在當事人不知情的情況下，進行定位資訊的蒐集，或與第三人分享位置資訊。 參議員Al Franken 與Richard Blumenthal遂於2011年6月15日提出「2011位置隱私保護法案（Location Privacy Protection Act of 2011）」，提議要求提供位置資訊服務功能的行動裝置製造商，與軟體平台，在蒐集當事人位置資訊，以及與第三人分享位置資訊時，必須先行告知當事人，並取得當事人的同意後，才可進行蒐集與分享。目前該法案至6月16日為止已經過二讀，並提交到司法委員會。 不過，「位置隱私保護法案」僅作告知當事人並取得同意低度要求，另一目前也正在審議的 「地理位置隱私與監督法案（Geological Privay and Survillance (GPS) Act）」，更進一步提供執法單位或政府蒐集與使用定位資訊的指引規範。也有提案對於電子通訊隱私法，必須要因應資通訊科技的應用，為相對應的增修。
從無線上網壅塞困境-看Wifi發展趨勢近年來，由於行動載具興起與數位內容蓬勃而生，導致各國於WiFi網路與行動網路皆面臨不敷使用之困境。為了增加WiFi頻寬與緩和行動網路壅塞，FCC主席Julius Genachowski於國際消費電子展(International Consumer Electronics Show)宣布將於5 Ghz頻段釋出共195 MHz之無需執照頻譜(Unlicensed Spectrum)，以解決Wifi困境，並促進快速、高容量的「Gigabit Wi-fi」之發展。FCC現階段仍須與其他聯邦部門合作，協調該頻段中WiFi與其他既有用途之干擾與共用的問題。即便如此，這仍是自2003年以降，將無需執照頻譜釋出給WiFi最多的一次，且估計能將現有WiFi提升35%效率。 另一方面，對於部分電信商將推動之多項措施，如建設40,000個小型基地台(Small Cells)、以Wifi Hotspot 2.0之規格，導入商用異質網路(Hetnet)，以充分利用WiFi於2.4GHZ(共83.5MHz)與5GHz(共555MHz)之頻段等，FCC主席Genachowski均表樂觀其成。上述措施可讓客戶在免額外付費、且不須複雜驗證下，藉由SIM卡自動導入WiFi，Genachowski認為此舉不僅充分利用頻譜資源、增加智慧型手機與平板銷量外，亦可改善目前行動網路壅塞之問題。 綜上所述，可窺見FCC將利用「Gigabit Wi-fi」之優勢，解決使用者於公眾頻繁往來之地點，諸如機場、市中心與大型會議場所等處，WiFi使用壅塞之問題。而此舉亦可解決家中有多個用戶、或同時使用不同載具時，造成網路緩慢之問題；至於，在行動網路上，亦有助於紓解行動數據流量，增加網路品質，促進更多APP孕育，帶動更多商機。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」